殷长涛，文志强，胡骏飞

(智能信息感知及处理技术湖南省重点实验室, 湖南 株洲 412007)

基于多尺度的自适应采样图像分块压缩感知算法*

殷长涛，文志强，胡骏飞

(智能信息感知及处理技术湖南省重点实验室, 湖南 株洲 412007)

基于分块的压缩感知算法适用于图像信号的处理，通过平滑迭代阈值投影法可以快速重构图像，但存在低采样率下重构图像质量较差的缺点。基于全变差分的分块压缩感知算法，在一定程度上能提升重构效果，但降低了运算速度。针对以上算法的不足，提出基于多尺度的自适应采样图像分块压缩感知算法。根据小波分解后不同层对重构结果影响所占权重不同的特性，自适应分配给每一层不同的采样率，并在重构时将平滑迭代阈值投影法应用到每一层的每一个子带的分块上。实验结果表明，与传统的迭代阈值投影法相比在重构质量上提高了1～3 dB，在重构速度上与迭代阈值投影法相当并优于全变差分法。

压缩感知；多尺度；小波变换；自适应采样；图像分块

0 引言

压缩感知(Compresssive Sensing,CS)[1]最早是由DONOHO D等人提出的一种新的信号压缩采样方法。利用数据的冗余性，把原始信号通过观测矩阵投影到低维空间，如果原始信号稀疏或是可压缩的，则可以通过观测值，利用凸优化的方法很好地重构出原始信号。

目前已有研究者将CS理论运用于图像数据的获取，但是实践中发现，直接针对整幅图像数据进行压缩感知时所需要的观测矩阵会占用很大的存储空间，重构时运算量过大，并且效果不理想。……