论文部分内容阅读
图片数据中存在着可利用的统计信息,将这些统计信息作为先验知识用于感知矩阵设计以提高数据重构的精确度。同时,为了解决由于图片样本的稀疏表示误差数据量巨大而造成计算负担过大的问题,对感知矩阵映射下的稀疏表示误差进行估计并用参数配置下的感知矩阵的佛罗贝尼乌斯(Frobenius)范数进行替代。最后,将提出的算法与现有算法在合成数据和真实场景图片下进行对比研究,验证得到所提出的算法在合成数据恢复的均方根误差、稀疏系数非零元素位置的恢复准确率以及图片恢复的峰值性噪比这三方面均获得较好的恢复效果。