دوره 17، شماره 1 - ( 4-1399 )                   جلد 17 شماره 1 صفحات 131-146 | برگشت به فهرست نسخه ها


XML English Abstract Print


Download citation:
BibTeX | RIS | EndNote | Medlars | ProCite | Reference Manager | RefWorks
Send citation to:

Hadizadeh H. Block-Based Compressive Sensing Using Soft Thresholding of Adaptive Transform Coefficients. JSDP. 2020; 17 (1) :131-146
URL: http://jsdp.rcisp.ac.ir/article-1-885-fa.html
هادی زاده هادی. حس‌گری فشرده بلوکی با استفاده از آستانه‌گیری نرم ضرایب تبدیل تطبیقی. پردازش علائم و داده‌ها. 1399; 17 (1) :131-146

URL: http://jsdp.rcisp.ac.ir/article-1-885-fa.html


دانشگاه صنعتی قوچان
چکیده:   (369 مشاهده)
در این مقاله، روشی نوین جهت بازسازی تصاویر بر اساس نمونه‌های به‌دست‌آمده از اعمال «حس‌گری فشرده بلوکی» ارائه می‌شود. جهت حصول به کیفیت بازسازی بالا در روش پیشنهادی، ابتدا یک تبدیل تطبیقی بلوکی توسعه داده می‌شود که از همبستگی و شباهت بلوک‌های همسایه یک بلوک موردنظر در تصویر برای حصول به تُنُک‌سازی بالاتر آن بلوک، استفاده می‌کند؛ سپس، برای کاهش نوفه و اعوجاجات احتمالی به‌وجود‌آمده در فرآیند بازسازی و در عین‌حال حفظ میزان تُنُکی ضرایب، از یک تابع آستانه‌گیری نرم استفاده می‌شود که قادر است به‌صورت تطبیقی، ضرایب تبدیل را برای افزایش کیفیت بازسازی تصویر، پالایش کند. نتایج تجربی به‌دست‌آمده نشان می‌دهند که روش پیشنهادی از دقت و کیفیت بازسازی بالاتری در مقایسه با چندین روش مطرح موجود برخوردار است.
متن کامل [PDF 5030 kb]   (136 دریافت)    
نوع مطالعه: پژوهشي | موضوع مقاله: مقالات پردازش تصویر
دریافت: 1397/5/18 | پذیرش: 1398/5/1 | انتشار: 1399/4/1 | انتشار الکترونیک: 1399/4/1

فهرست منابع
1. [1] E. Candes, J. Romberg, and T. Tao, "Robust uncertainty principles: Exact signal recons-truction from highly incomplete frequency infor-mation," IEEE Transactions on. Information Theory, vol. 52, pp. 489-509, Feb. 2006. [DOI:10.1109/TIT.2005.862083]
2. [2] D. L. Donoho, "De-noising by soft-thresholding," IEEE Transactions on. Info-rmation Theory, vol. 41, no. 3, pp. 613-627, May 1995. [DOI:10.1109/18.382009]
3. [3] Y. Tsaig and D. L. Donoho, "Extensions of compressed sensing," Signal Procesing, vol. 86, pp. 533-548, July 2006. [DOI:10.1016/j.sigpro.2005.05.028]
4. [4] D. L. Donoho, Y. Tsaig, I. Drori, and J.-L. Starck, "Sparse solution of underdetermined linear equations by stagewise orthogonal matching pursuit," Mar. 2006, pre-print.
5. [5] M. A. T. Figueiredo, R. D. Nowak and S. J. Wright, "Gradient Projection for Sparse Reconstruction: Application to Compressed Sensing and Other Inverse Problems," IEEE Journal of Selected Topics in Signal Procesing, vol. 1, no. 4, Dec. 2007. [DOI:10.1109/JSTSP.2007.910281]
6. [6] T. T. Do, L. Gan, N. Nguyen, and T. D. Tran, "Sparsity adaptive matching pursuit algorithm for practical compressed sensing," in 42nd Asilomar Conference on Signals, Systems and Computers, Oct. 2008.
7. [7] L. Gan, "Block compressed sensing of natural images," in Proceedings of the International Conference on Digital Signal Processing, Cardiff, UK, July 2007, pp. 403-406. [DOI:10.1109/ICDSP.2007.4288604]
8. [8] M. Bertero and P. Boccacci, Introduction to Inverse Problems in Imaging. Bristol, UK: Institute of Physics Publishing, 1998. [DOI:10.1887/0750304359]
9. [9] J. E. Fowler, S. Mun, and E. W. Tramel, "Block-Based Compressed Sensing of Images and Video," Foundations and Trends in Signal Processing, vol. 4, no. 4, pp 297-416, 2012. [DOI:10.1561/2000000033]
10. [10] S. Mun and J. E. Fowler, "Block compressed sensing of images using directional transforms," in 16th IEEE International Conference on Image Processing, Nov. 2009. [DOI:10.1109/DCC.2010.90]
11. [11] N. Eslahi, A. Aghagolzadeh, and S. M. H. Andargoli, "Block Compressed Sensing Images using Curvelet Transform," in 22nd Iranian Conference on Electrical Engineering, May. 2014. [DOI:10.1109/IranianCEE.2014.6999788]
12. [12] D. L. Donoho, "De-noising by soft-thresholding," IEEE Transactions on. Infor-mation Theory, vol. 41, no. 3, pp. 613- 627, May 1995. [DOI:10.1109/18.382009]
13. [13] E. Candes, J. Romberg, and T. Tao, "Stable signal recovery from incomplete and inaccurate measurements," Communications on Pure and Applied Mathematics, vol. 59, no. 8, pp. 1207-1223, August 2006. [DOI:10.1002/cpa.20124]
14. [14] Z. Wang, A. C. Bovik, H. R. Sheikh, and E. P. Simoncelli, "Image quality assessment: from error visibility to structural similarity," IEEE Transactions on Image Processing, vol. 13, no. 4, Apr. 2004. [DOI:10.1109/TIP.2003.819861] [PMID]
15. [15] L. Zhang, L. Zhang, X. Mou, and D. Zhang, " FSIM: A Feature Similarity Index for Image Quality Assessment," IEEE Transactions on Image Processing, vol. 20, no. 8, Aug. 2011. [DOI:10.1109/TIP.2011.2109730] [PMID]
16. [16] T. T. Cai and L. Wang, "Orthogonal Matching Pursuit for Sparse Signal Recovery with Noise," IEEE Transactions on. Information Theory, vol. 57, no. 7, pp. 4680-4688, Jul., 2011. [DOI:10.1109/TIT.2011.2146090]
17. [17] G. H. Golub and C. F. Van Loan, Matrix Computations, The Johns Hopkins University Press, 2013.
18. [18] H.R. Sheikh.and A.C. Bovik, "Image information and visual quality," IEEE Transactions on Image Processing, vol.15, no.2, pp. 430- 444, Feb. 2006. [DOI:10.1109/TIP.2005.859378] [PMID]
19. [19] R. Li, H. Liu, Y. Zeng, and Y. Li, "Block Compressed Sensing of Images Using Adaptive Granular Reconstruction," Advances in Multi-media, pp. 1-9, Nov. 2016. [DOI:10.1155/2016/1280690]
20. [20] A. S. Unde, and P. P. Deepthi, "Block Compressive Sensing: Individual and Joint Reconstruction of Correlated Images," Journal of Vision Commun. Image R. vol. 44, pp. 187-197, 2017. [DOI:10.1016/j.jvcir.2017.01.028]
21. [21] T. V. Chien, K. Q. Dinh, B. Jeon, and M. Burger, "Block Compressive Sensing of Image and Video with Nonlocal Lagrangian Multiplier and Patch-based Sparse Representation," Image Communications, vol. 54, no. C, pp. 93-106, May 2017. [DOI:10.1016/j.image.2017.02.012]
22. [22] Z. Xue, W. Anhong, Z. Bing, L. Lei, and L. Zhuo, "Adaptive Block-Wise Compressive Image Sensing Based on Visual Perception," IEICE, vol. E96-D, no. 2, pp. 383-386, 2013. [DOI:10.1587/transinf.E96.D.383]
23. [23] X. Zhang, Y. Wang, D. Wang, and Y. Li, "Adaptive image compression based on compressive sensing for video sensor nodes," Multimedia Tools and Applications, vol. 77, no. 11, pp. 13679-13699, 2018. [DOI:10.1007/s11042-017-4981-6]
24. [24] M. Rani, S. B. Dhok, and R. B. Deshmukh, "A Systematic Review of Compressive Sensing: Concepts, Implementations and Applications," IEEE Access, vol. 6, pp. 4875-4894, 2018. [DOI:10.1109/ACCESS.2018.2793851]
25. [25] A. S. Unde and P. P. Deepthi, "Fast BCS-FOCUSS and DBCS-FOCUSS with augmented Lagrangian and minimum residual methods," Journal of Visual Communication and Image Representation, vol. 52, pp. 92-100, 2018. [DOI:10.1016/j.jvcir.2018.02.009]

ارسال نظر درباره این مقاله : نام کاربری یا پست الکترونیک شما:
CAPTCHA

ارسال پیام به نویسنده مسئول


کلیه حقوق این تارنما متعلق به فصل‌نامة علمی - پژوهشی پردازش علائم و داده‌ها است.