分辨率投影基于循环矩阵压缩传感

m . Nagaraju奈克¹,p . Rajesh Kumar博士²

研究学者,非洲联盟工程学院(自治),印度,P,印度
副教授,ECE称,非洲联盟工程学院(自治),维萨卡帕特南,P,印度

文摘

解决问题的投影基于压缩传感的方法。快速、准确地解决处理投影基于压缩传感的编码是紧随其后。在这种基于稀疏的建模方法用于插值帧样本。在稀疏提供更高速度的处理这些矩阵的最优收敛的问题存在。为了克服稀疏矩阵的限制,本文基于循环矩阵的一种新的投影方法。使用这样的矩阵计算时间最小化的结果,保持加工精度。的评估建议的方法称为I-OMP被认为是一个增强的方法。这种方法的比较分析发现更有效的使用这种循环矩阵导致更快和准确的处理。

关键字

分辨率投影、循环矩阵稀疏编码,压缩传感。

介绍

图像插值[2]的目标是获得高分辨率的图像从低分辨率输入。广泛适用于视频通信、对象识别、高清电视、图像压缩等低分辨率图像的生成过程可以建模为平滑和自然场景的采样下来操作低质量传感器。超分辨率是这一代的反问题过程中,由于信息的损失。所以我要说解决这个逆问题的一个标准是重建误差最小化。提出了各种方法在文献中定期反问题的计划。最广泛研究的两个图像建模方法是图像平滑方法和边缘平滑的方法。简单的过滤/插值算法(如双线性/双立方插值)可以产生光滑的高分辨率图像,这通常是模糊的,因此是有限的图像质量。保存边缘锐度,边指导插值(3、4)提出了防止过界插值。然而,定位精度高的优势地位本身就是一个简单的任务。水平集[5]和多个规模张量投票[6]探索方法得到光滑的边缘。 Edge preserving smoothness prior on large neighborhood is proposed in [7]. In [8], a soft edge smoothness term which can measure the average length of discrete level lines is incorporated into an objective function to produce smooth soft edges. Methods based on image modeling are more efficient. One critical issue is how to handle image edges in a satisfactory way. Simple interpolation strategies tend to produce blurry results, while edge preserving methods may remove image details in regions without strong edges. Where in a back propagation approach [1] was been proposed, the error coding at the edge preservation was not achieved, and the ringing artifacts are observed more dominant. In super resolution, the reconstruction of SR image is equivalent to how to construct measurement matrix and design reconstruction algorithm. As the OMP method for super resolution is almost efficient algorithm for image reconstruction, the number of measurements that required for reconstruction is the least. However, for large image reconstruction, a great number of high dimensional projection computations are required, which will affect the computation time for reconstruction of an image [9]. [10] Proposed an image reconstruction Improved-OMP (IOMP) algorithm based on the sparse projection matrix under the consideration of computation time. But the problem associated with the method, there is no that much efficient reduction in the computation time. So In this paper to achieve the objective of efficient image projection with less computation time a Circulant matrix based image projection technique is proposed along with the integration of circulant- IOMP algorithm.

剩下的纸是组织如下:第二部分基于稀疏投影IOMP方法重建图像见第三部分。给出了提出Topleiz和基于循环投影矩阵的图像重建算法,目的是减少计算时间。该方法的性能评价是在第四节最后结论在第五部分。

稀疏投影矩阵

为了重建图像需要构造一个随机测量矩阵信息的原始图像测量的时间更短。为了保证图像的原始结构,测量矩阵应该满足等距特性提出了[6]。两个测量矩阵生成具有给定限制属性。1。高斯随机测量由eqn表示。(1)和2。伯努利eqn测量矩阵和描述。(2)。

图像可以通过使用以上两个矩阵考虑重建某些测量分。对于大型图片,为了重建它需要较高的计算进而会影响重建速度。以提高图像重建的速度和质量。测量矩阵是由两个因素增强,将有助于确保重建速度1。寻找新的测量矩阵测量人数较少,(2)简化计算的新矩阵测量应遵循高维度数据的稀疏的特性。新测量矩阵的稀疏特性称为稀疏随机投影矩阵有助于提高速度减少投影计算。

稀疏投影矩阵是通过使用下面的两个随机变量分布

如果1 s≤≤3 X服从稀疏分布矩阵这意味着,当s = 3,只有1/3的原始数据采样。基于稀疏的元素稀疏投影,在重建图像的稀疏随机投影的速度增加了3倍。从[10]稀疏投影矩阵给出以下公式H是一个高斯随机矩阵和服从高斯分布的随机变量。对于任何假设,我们得到下面的公式:

循环测量矩阵

利用稀疏投影矩阵重建高分辨率的图像比插值方法要好得多。增强了图像重建稀疏投影矩阵,但不够好最优稀疏不通过选择测量计算点重建图像是不关心的。以提高图像重建的速度与不计算在本文中,我们提出一个循环测量矩阵是由以下eqn。(5)

张的i行是由时报的循环将其第一行如方程(5)所述。

在计算复杂度循环测量矩阵具有良好的性质。考虑输入x和h向量代表冷杉滤波器的脉冲响应和y代表输出y = h * x。在卷积矩阵形式可以表示成y = Hx, H是循环矩阵的诊断是由傅里叶矩阵F。

D代表了对角矩阵,利用FFT加速。这里我们使用一个Circulant-IOMP算法的快速重建。的帮助下该算法的简单选择特定的测量数据点是获得与最小迭代获得重建图像准确而不需要额外的测试点。

即(1)初始化值。,剩余

索引集,正交投影函数和分解系数迭代计算t = 1。

(2)下列公式计算n = 1, 2, 3 d…:

仿真结果

仿真分析被认为是一个框架的示例与256 x256分辨率图像,并使用Matlab模拟。使用循环矩阵作为测量矩阵测量时间M M = cKlog (N / K)的重建图像。图1显示了原始图像,图2所示。说明了插值图像使用基于稀疏I-OMP编码和图3是使用循环矩阵插值图像与circulant-IOMP集成算法。

表之间的关系测量时间,MSE, PSNR和重建时间利用循环矩阵的集成和circulant-IOMP算法。

插值图像的质量可以通过使用原始的和合理的插值图像。计算重建图像测量的误差分析插值图像的质量我们用相对误差定义为

测量重建图像的质量在不同测量时间和矩阵。图4说明了比较循环矩阵之间的重建误差的比较,稀疏投影矩阵和高斯矩阵。测量结果表明,循环矩阵的几个点可以有效地重建图像相比其他矩阵。通过增加测量时间的相对重建误差少或接近于0的值相比,显示了CS渐近循环的特征稀疏投影和高斯矩阵

图4所示。重建的比较提出了循环矩阵之间的错误,高斯投影矩阵和稀疏矩阵

从图5可以看到,重建误差更IOMP算法相比,提出的circulant-IOMP算法。仿真结果表明,重建图像可以用更少的重建误差与测量时间相同。与(IOMP)算法相比,该算法circulant-IOMP需要较少的非自适应测量。

图5所示。重建错误IOMP算法之间的比较,提出circulant-IOMP算法

图7说明了测量时间与使用IOMP算法和提出circulant-IOMP算法重建。下面的图4显示,重建图像通过使用相同的测量时间提出circulant-IOMP花费更少的时间来重建图像与传统的相比IOMP算法。通过这一个可以说投影和图像重建在提出circular-IOMP快得多

图6所示。测量与重建时间使用循环IOMP和IOMP算法

结论

在本文中,我们应用了压缩传感理论大大提高信号采集,在不同领域具有广阔的研究前景。利用压缩传感我们评估测量为了重建高分辨率图像提出了一种循环测量矩阵和circulant-IOMP算法。仿真结果表明,高分辨率的图像可以用几个插值精确测量分通过整合循环测量矩阵以及circulant-IOMP算法。相比传统的IOMP算法

引用

y . c .壮族y l .柯h . s .壮族和h·k·陈,“小说为应用程序加载谐振变换器的直流直流能量转换”IEEE反式。印第安纳州,达成。,vol. 48, no. 2, March/April, 2012.
w . Wongsaichua w·j·李,s . Oraintara c .关颖珊和f·张,“集成高速智能多功能领带单位支付/可再生发电设施,“IEEE反式。印第安纳州,达成。,vol. 41, no. 2, pp. 507–513, Mar./Apr. 2005.
y . c .壮族y l .柯h . s .壮族和h k .陈”的实现和分析改进series-loaded谐振直流-直流转换器操作上面共振电池充电器、“IEEE反式。印第安纳州,达成。,vol. 46, no. 3, pp. 1052–1059, May/Jun. 2009
c·刘,a·约翰逊和j·s .赖“直流/直流转换器对于低压燃料电池的应用程序,“IEEE反式。印第安纳州,达成。,vol. 41, no. 6, pp. 1691– 1697, Nov./Dec. 2005.
r . m . Cuzner d·j·诺瓦克,a . Bendre g . Oriti和a·l·朱利安“减轻循环并行的工作之间的共模电流驱动系统,“IEEE反式。印第安纳州,达成。,vol. 43, no. 5, pp. 1284–1294, Sep./Oct. 2007.
大型和d . Maksimovic交叉zero-current-transition巴克转换器,IEEE反式。印第安纳州,达成。,vol. 43, no. 6, pp. 1619–1627, Nov./Dec. 2007.