压缩感知理论在图像处理领域的应用

被引：29

作者：

朱明 ^{[1
]}

高文 ^{[1
,2
]}

郭立强 ^{[1
]}

机构：

[1] 中国科学院长春光学精密机械与物理研究所

[2] 中国科学院研究生院

来源：

中国光学 | 2011年 / 05期

关键词：

压缩感知; 采样定理; 成像系统; 图像处理;

D O I：

暂无

中图分类号：

TP391.41 [];

学科分类号：

080203 ;

摘要：

针对传统的采样方法得到的图像数据量巨大,给图像信息的后续处理造成极大压力的问题,对压缩感知理论(Compressed Sensing,CS)进行了研究。压缩感知理论使采集很少一部分数据并且从这些少量数据中重构出更大量信息的想法变成可能,突破了奈奎-斯特采样定理的限制。综述了CS理论及关键技术问题,并着重介绍了CS理论在成像系统、图像融合、图像目标识别与跟踪等方面的应用与发展状况。文章指出CS理论开拓了信息处理的新思路,随着该理论的进一步完善,会有更广泛的应用领域。

引用

页码：441 / 447

页数：7

共 4 条

[1] 基于压缩感知理论的杂草种子分类识别
蔡骋
张明
朱俊平
[J]. 中国科学:信息科学, 2010, 40(S1) (S1) : 160 - 172
[2] Reducing data acquisition times in phase-encoded velocity imaging using compressed sensing
Holland, D. J.
Malioutov, D. M.
Blake, A.
Sederman, A. J.
Gladden, L. F.
[J]. JOURNAL OF MAGNETIC RESONANCE, 2010, 203 (02) : 236 - 246
[3] Compressed sensing of color images
Majumdar, Angshul
Ward, Rabab K.
[J]. SIGNAL PROCESSING, 2010, 90 (12) : 3122 - 3127
[4] Enhancing Sparsity by Reweighted ? 1 Minimization[J] . Emmanuel J. Candès,Michael B. Wakin,Stephen P. Boyd.Journal of Fourier Analysis and Applications . 2008 (5)

← 1 →