论文部分内容阅读
压缩感知指出，只要信号是可压缩的或在某个变换域是稀疏的，那么就可以用一个与变换基不相关的观测矩阵将变换所得高维信号投影到一个低维空间上，然后通过求解一个优化问题就可以从这些少量的投影中以高概率重构出原信号。以往基于CS的压缩算法都是先对信号进行稀疏表示，随后通过乘以一个较大的测量矩阵来对信号进行采样。而这样做不仅忽略了信号的大部分高频信息，同时测量矩阵的尺寸使得计算速度变慢。针对这一问题，本文设计了一种可以根据图像块之间的高低频信息比而选择不同的测量矩阵对其采样，并结合K-SVD算法与OMP算法来对信号进行压缩和重构的算法。