提出了一种基于双密度双树复小波(double-density dual-tree complex wavelet transform,DDDT-CWT)基的结构化CS图像重构算法,该算法将图像在双密度双树复小波变换下的系数呈现的树结构化特征与Co Sa MP重构算法相结合,实现了对原始图像的更精确重构.实验结果表明:在相同压缩比的前提下,与传统使用DWT基且未考虑变换系数结构化特征的重构算法相比,使用DDDT-CWT基和融入结构化特征的重构算法分别可获得2.9～3.2 d B与0.2～1.2 d B的增益,综合两者后的重构算法可获得3.8～4.3 d B以上的增益.
提出了一种基于图像统计信息的低复杂度高性能压缩感知还原方法.通过分析自然图像在小波表示下能量的分布特点,建立指数衰减模型,并将其作为统计先验应用于还原算法中.还原算法分为列(行)方向还原,行(列)方向还原两步骤进行,同时引入包含图像小波域能量统计先验的权重矩阵,并约束还原结果符合该权重矩阵的能量分步特点.根据实际应用的不同,该方法包含两种不同复杂度的还原策略,分别为一次直接(one-time direct,OTD)还原和两次迭代(two times iterative,TTI)还原.OTD策略在两步骤中均使用相同的权重矩阵,还原速度较快;TTI策略在第2步还原时通过二次迭代修正权重矩阵以获得更精确的还原结果.实验表明:OTD还原速度较传统方法有大幅度提高,同时还原质量也有所提升;TTI在OTD基础上以牺牲一部分还原速度为代价,获得了更好的还原质量,同时还原速度较传统方法亦有提高.
为改善分布式压缩视频感知（distributed compressive video sensing，DCVS）系统的视频帧图像重构质量，以实时视频传输为应用场景，提出了一种基于双重稀疏模型的图像解码算法。解码端由相邻的已重构关键帧产生边信息（sideinformation，SI）；根据双重稀疏模型思想，分离样本图像小波域下不同尺度的子带，分别使用K均值奇异值分解（K-means singular value decomposition，K—SVD）算法得到具有多尺度特性的冗余字典，结合梯度投影稀疏重建（gradient pursuit for sparsereconstruction，GPSR）算法，完成对非关键帧的重构。仿真结果表明，在相同压缩率下，相比传统K—SVD字典训练方法，本文所提出的方法对应的视频帧图像重构峰值信噪比（peak signal to noise ratio，PSNR）可获得0．5～1．5dB以上的增益。
