咨询与建议

看过本文的还看了

相关文献

该作者的其他文献

文献详情 >压缩感知观测信号的低秩稀疏分解 收藏

压缩感知观测信号的低秩稀疏分解

Low-Rank and Sparse Decomposition of Compressive Sensing Observation Signals

作     者:潘金凤 尹丽菊 高明亮 邹国峰 PAN Jinfeng;YIN Liju;GAO Mingliang;ZOU Guofeng

作者机构:山东理工大学电气与电子工程学院山东淄博255000 

出 版 物:《计算机工程》 (Computer Engineering)

年 卷 期:2022年第48卷第8期

页      面:234-239页

学科分类:0711[理学-系统科学] 07[理学] 08[工学] 080401[工学-精密仪器及机械] 0804[工学-仪器科学与技术] 080402[工学-测试计量技术及仪器] 

基  金:国家自然科学基金青年科学基金项目(61801272) 

主  题:低秩稀疏分解 压缩感知 正交投影 结构相似度 阈值 

摘      要:低秩稀疏分解是可应用于视频监控的一种视频分析方法,与满足Nyquist定理的采样信号相比,压缩感知观测信号的低秩稀疏分解难度更大。借鉴在低秩稀疏分解时将信号投影到其低秩部分的正交空间方法,提出先压缩观测再投影与先投影再压缩观测两种不同的压缩观测与投影方法,推导出每种方法的投影与压缩观测合并算子,分别对稀疏前景与低秩背景进行压缩感知重构,实现时变稀疏信号压缩观测的低秩稀疏分解。由于背景的缓慢变化会使低秩矩阵的正交空间发生改变,应用结构相似度来判断相邻帧低秩矩阵的变化情况,并估计该正交空间是否需要更新。实验结果表明,与SpaRcs方法相比,该方法能够在较低的压缩采样率下实现更精确的信号低秩背景与稀疏前景的直接分离重构,每帧图像压缩感知重构结果的峰值信噪比最多能够提高2 dB左右。

读者评论 与其他读者分享你的观点

用户名:未登录
我的评分