精华内容
下载资源
问答
  • 医学图像压缩感知matlab
  • 来自Duke大学官网的贝叶斯压缩感知matlab函数包,亲测可用。 居家旅行必备!研究压缩感知必备!
  • 压缩感知MATLAB程序

    2017-12-28 17:20:58
    压缩感知,又称压缩采样,压缩传感。它作为一个新的采样理论,它通过开发信号的稀疏特性,在远小于Nyquist 采样率的条件下,用随机采样获取信号的离散样本,然后通过非线性重建算法完美的重建信号。压缩感知理论一经...
  • 很强大的压缩感知Matlab学习代码,根据压缩感知最初的算法编写。内含多个算法与示例。
  • lws压缩感知matlab 代码

    2013-05-10 13:09:46
    陆吾生教授2010年压缩感知课程配套的matlab代码
  • 贝叶斯压缩感知matlab源代码

    热门讨论 2014-03-07 16:35:14
    从杜克大学网站上下载的贝叶斯压缩感知代码,该代码完全可以运行,是学习贝叶斯压缩感知的基础性代码。
  • MATLAB代码如下: 压缩感知仿真实例 压缩感知仿真实例在MATLAB R2001b中的计算结果如下: 原图像 采样率0.7 采样率0.5 采样率0.3 压缩感知仿真实例采用均方误差......(Basis Pursuit,BP) 除匹配追踪类贪婪迭代算法之外...

    MATLAB代码如下: 压缩感知仿真实例 压缩感知仿真实例在MATLAB R2001b中的计算结果如下: 原图像 采样率0.7 采样率0.5 采样率0.3 压缩感知仿真实例采用均方误差......

    (Basis Pursuit,BP) 除匹配追踪类贪婪迭代算法之外, 压缩感知重构算法另一大类...L1-MAGIC is a collection of MATLAB routines for solving the convex ......

    (华东交通大学信息工程学院,江西南昌330013) 摘要:调研压缩感知的数学理论基础和常用方法,包括稀疏变换、测量矩阵和重构算法,利用Matlab软件实现压缩感知 实验,比较几种......

    [4]引入 数学实验课程,设计难度适中的实验案例并用 Matlab 语言[5]编程实现.该实验 案例的实施,为学生提供了接触、了解数学前沿研究方法和压缩感知概念的平 台,......

    MATLAB稀疏表示算法_计算机软件及应用_IT/计算机_专业资料。关于压缩感知的MATLAB里的信号矩阵稀疏表示算法编码,包含KSVD和OMP算法,比较简单易用 ......

    第24卷第1期2012年3月 北方工业大学学报J.NORTHCHINAUNIV.OFTECH. V01.24No.1 Mar.2012 一种基于压缩感知的图像去噪方法*邹建成 樊立(北方工业大学图像处理......

    陆吾生教授短期课程“压缩感知方法及其在稀疏信号和图像处理 中的应用”的讲义 Lecture_Notes_CS_LWS_Final.pdf 3. 各章所涉及到的 Matlab 程序 Main functions ......

    84 传感器与微系统( )TransducerandMicrosystemTechnologies 2018年第37卷第11期 :—()——DOI 10.13873/J.10009787201811008403 基于压缩感知的模拟信息转换器设计*......

    3 基于小波变换的图像压缩感知本文采用小波变换的方法对信号进行稀疏表示, 利用随机高斯矩阵作为测量 矩阵,最后使用正交匹配法重构信号。Matlab 仿真实验结果如下所示:......

    《电脑知识与技术》2019 年第 34 期 龙源期刊网 龙源期刊网 摘要:压缩感知即通过信号稀疏性进行全新信号......

    压缩感知概述 ? 压缩感知(Compressive Sensing)理论是由D. Donoho、 E. Candes...OMP算法的matlab实现 采样率0.1 OMP算法的matlab实现 采样率0.3 OMP算法的......

    基于 Matlab 的谱减法语音增强的研究 吴亚琴 【期刊名称】《电子世界》 【年(...基于压缩感知的自适应谱减法语音增强算法 [J], 于志文; 朱琦 5.基于谱减法......

    逻辑回归和过拟合问题的解决 logistic Regression & Regularization (56211) 初识压缩感知Compressive Sensing (51231) 在Matlab 线性拟合 & 非线性拟合中我们已经讲......

    《电脑知识与技术》2015 年第 23 期 摘要:该文介绍了压缩感知理论以及 O...

    本篇将在上一篇《压缩感知重构算法之正交匹配追 踪(OMP)》的基础上给出正则化正交匹配追踪(ROMP)算法的 MATLAB 函数代码,并且给出单次测试例程代码、测 量数 ......

    根据压缩感知理论的基本原理,提出了一种基于CCSLink的压缩感知系统的DSP实现方法.即在Matlab环境下,利用CCSLink工具构建合适的嵌入式对象,直观地进行参数的分析比较,......

    设计并实现密文有意义的图像加密算法,结合图 像压缩感知及小波变换技术加密图像,使得加密图像在视觉上和普通图像相同, 减少图像被攻击的概率.算法通过 Matlab 编程......

    而含噪信号的重构是压缩感知理论研究的关键技术 , 基追踪算法 ( B P) 是...Wit h t he Matlab language , B P and B PDN ( Basis Pursuit Denoising......

    本科生学位论文开题报告 基于压缩感知的图像融合 吉林大学通信工程学院2012级本...

    基于压缩感知和改进自适应正交匹配的稀疏信号重构 张宗福 【摘要】摘要:针对传统香...

    展开全文
  • 多任务压缩感知程序,实现多个测试数据的联合稀疏稀疏求解
  • https://download.csdn.net/download/qq_31293575/14888594

    https://download.csdn.net/download/qq_31293575/14888594
    请添加图片描述
    请添加图片描述

    展开全文
  • 文件名称: BCS_CODE下载 收藏√ [5 4 3 2 1]开发工具: matlab文件大小: 1466 KB上传时间: 2014-11-25下载次数: 9提 供 者: zzz详细说明:贝叶斯压缩感知以及分布式贝叶斯压缩感知的算法实现,很好的范例-Bayesian ...

    文件名称: BCS_CODE891ea1e7dab975064c6bfd22796603ae.gif下载

      收藏√  [443d104427974206832dc4b12407db70.gif

     5  4  3  2  1 fb9128a58cbeaabbeb3718ed75079ccf.gif]

    开发工具: matlab

    文件大小: 1466 KB

    上传时间: 2014-11-25

    下载次数: 9

    提 供 者: zzz

    详细说明:贝叶斯压缩感知以及分布式贝叶斯压缩感知的算法实现,很好的范例-Bayesian Bayesian compressed sensing and distributed compressed sensing algorithm, a good example

    文件列表(点击判断是否您需要的文件,如果是垃圾请在下面评价投诉):

    BCS_CODE

    ........\bcs_ver0.1

    ........\..........\BCS_demo

    ........\..........\........\approx_results.mat

    ........\..........\........\BCS_fast_rvm.m

    ........\..........\........\Fig2.m

    ........\..........\........\Fig4_ab.m

    ........\..........\........\l1qc_logbarrier.m

    ........\..........\........\l1qc_newton.m

    ........\..........\........\multi_approx_measures.m

    ........\..........\........\multi_optimized_measures.m

    ........\..........\........\multi_random_measures.m

    ........\..........\........\optimized_results.mat

    ........\..........\........\random_results.mat

    ........\..........\l1magic

    ........\..........\.......\Data

    ........\..........\.......\....\boats.mat

    ........\..........\.......\....\camera.mat

    ........\..........\.......\....\RandomStates.mat

    ........\..........\.......\l1dantzig_example.m

    ........\..........\.......\l1decode_example.m

    ........\..........\.......\l1eq_example.m

    ........\..........\.......\l1qc_example.m

    ........\..........\.......\Measurements

    ........\..........\.......\............\At_f.m

    ........\..........\.......\............\At_fhp.m

    ........\..........\.......\............\A_f.m

    ........\..........\.......\............\A_fhp.m

    ........\..........\.......\............\LineMask.m

    ........\..........\.......\Notes

    ........\..........\.......\.....\Figs

    ........\..........\.......\.....\....\CVS

    ........\..........\.......\.....\....\...\Entries

    ........\..........\.......\.....\....\...\Repository

    ........\..........\.......\.....\....\...\Root

    ........\..........\.......\.....\....\l1eqexample_minl2.eps

    ........\..........\.......\.....\....\l1eqexample_minl2.pdf

    ........\..........\.......\.....\....\l1eqexample_recovered.eps

    ........\..........\.......\.....\....\l1eqexample_recovered.pdf

    ........\..........\.......\.....\....\l1eqexample_signal.eps

    ........\..........\.......\.....\....\l1eqexample_signal.pdf

    ........\..........\.......\.....\....\phantom_backproj.eps

    ........\..........\.......\.....\....\phantom_backproj.pdf

    ........\..........\.......\.....\....\phantom_orig.eps

    ........\..........\.......\.....\....\phantom_orig.pdf

    ........\..........\.......\.....\....\phantom_sampling.eps

    ........\..........\.......\.....\....\phantom_sampling.pdf

    ........\..........\.......\.....\....\phantom_tv.eps

    ........\..........\.......\.....\....\phantom_tv.pdf

    ........\..........\.......\.....\l1magic.bib

    ........\..........\.......\.....\l1magic_notes.aux

    ........\..........\.......\.....\l1magic_notes.bbl

    ........\..........\.......\.....\l1magic_notes.blg

    ........\..........\.......\.....\l1magic_notes.log

    ........\..........\.......\.....\l1magic_notes.pdf

    ........\..........\.......\.....\l1magic_notes.tex

    ........\..........\.......\Optimization

    ........\..........\.......\............\cgsolve.m

    ........\..........\.......\............\l1dantzig_pd.m

    ........\..........\.......\............\l1decode_pd.m

    ........\..........\.......\............\l1eq_pd.m

    ........\..........\.......\............\l1qc_logbarrier.m

    ........\..........\.......\............\l1qc_newton.m

    ........\..........\.......\............\tvdantzig_logbarrier.m

    ........\..........\.......\............\tvdantzig_newton.m

    ........\..........\.......\............\tveq_logbarrier.m

    ........\..........\.......\............\tveq_newton.m

    ........\..........\.......\............\tvqc_logbarrier.m

    ........\..........\.......\............\tvqc_newton.m

    ........\..........\.......\README

    ........\..........\.......\tvdantzig_example.m

    ........\..........\.......\tveq_example.m

    ........\..........\.......\tveq_phantom_example.m

    ........\..........\.......\tvqc_example.m

    ........\..........\.......\tvqc_quantization_example.m

    ........\..........\MT_CS_demo

    ........\..........\..........\Fig2.m

    ........\..........\..........\Fig3.m

    ........\..........\..........\mt_CS.m

    ........\..........\..........\multi_results_25.mat

    ........\..........\..........\multi_results_50.mat

    ........\..........\..........\multi_results_75.mat

    ........\..........\..........\multi_runs_25.m

    ........\..........\..........\multi_runs_50.m

    ........\..........\..........\multi_runs_75.m

    ........\..........\README.txt

    ........\..........\__MACOSX

    ........\..........\........\l1magic

    ........\..........\........\.......\Data

    ........\..........\........\.......\Measurements

    ........\..........\........\.......\Notes

    ........\..........\........\.......\Optimization

    输入关键字,在本站238万海量源码库中尽情搜索:

    帮助

    [fbmpCP.rar] - 用于图像处理的压缩感知的快速贝叶斯匹配追击算法

    [bcs_vb.zip] - 一个基础贝叶斯变换的压缩感知,包含一个源代码和一个一维信号处理的例子和两个二维图像的例子

    [BCS_.rar] - 贝叶斯压缩感知的仿真程序,此程序使用LAPLACE先验,

    [blockTestOMP.rar] - 压缩感知经典程序算法分块的STOMP算法,该算法已经过验证,可以正常使用。

    [OSGA.zip] - 第二种联合稀疏模型重构算法,用于分布式压缩感知

    [bcs_ver0.1.zip] - 贝叶斯压缩感知,一种新的压缩感知,主要是解决信号的重构问题

    [sl0.rar] - SL0压缩感知算法几篇国外原文,拒绝国内水军,各种误导

    展开全文
  • 压缩感知,图像处理,运行的MATALB代码,有参考意义! 压缩感知,图像处理,运行的MATALB代码,有参考意义!
  • 压缩感知重构Matlab重构算法(MATLAB编写、含有SP算法、各类重构算法)
  • 压缩感知代码,matlab,romp

    热门讨论 2011-04-20 19:49:10
    压缩感知matlab代码,matlab代码,matlab代码,matlab代码,
  • CS(matlab)压缩感知程序(用MATLAB编写)
  • 压缩传感,压缩感知,压缩采样,稀疏表达,稀疏表示,的入门例子
  • 基于MATLAB压缩感知

    2015-05-19 23:13:21
    本文档主要介绍了基于MATLAB压缩感知理论。
  • 压缩感知,又称压缩采样,压缩传感。它作为一个新的采样理论,它通过开发信号的稀疏特性,在远小于Nyquist 采样率的条件下,用随机采样获取信号的离散样本,然后通过非线性重建算法完美的重建信号。
  • 摘 要:压缩感知打破了传统采样定理的限制,提供了一种从少量的非自适应线性测量值中就能恢复原始信号的方法。测量矩阵正是获取这些测量值的关键所在,寻求结构简单、性能稳定的测量矩阵一直是研究人员的目标。在...

    摘  要:压缩感知打破了传统采样定理的限制,提供了一种从少量的非自适应线性测量值中就能恢复原始信号的方法。测量矩阵正是获取这些测量值的关键所在,寻求结构简单、性能稳定的测量矩阵一直是研究人员的目标。在介绍压缩感知测量矩阵的基础上,提出了广义轮换矩阵的改进方法,结合正交基线性表示的思想,利用广义轮换构造的正交矩阵来生成新的测量矩阵。通过仿真实验,证明了新的测量矩阵具有较好的性能。

    关键词: 压缩感知;稀疏信号;测量矩阵;广义轮换矩阵;正交基

    2004年,Donoho D[1]和Candès E[2]等人在泛函分析和逼近论的基础上,结合信号稀疏表示理论提出了一个全新的信号采样理论,即压缩感知CS(Compressed Sensing)[1-2]。与传统的Nyquist采样定律不同,压缩感知同时完成了对信号的采样和压缩,在信号的采样阶段就很好地避免了大量冗余数据的产生。压缩感知一经提出,就引起人们的广泛关注,在信息技术飞速发展的今天,有着广阔的发展前景。在压缩感知理论中,信号的采样速率不再取决于信号的带宽,而是取决于信号本身的结构和特性(称为稀疏性,或可压缩性)。其核心思想是:当信号具有稀疏性或可压缩性时,就可以通过一个非自适应的线性测量过程将原信号映射到低维空间,得到少量的测量值,然后通过求解一个稀疏最优化问题就可以恢复原始信号。

    总地来说,压缩感知过程包括3个主要问题:信号的稀疏表示、信号的线性测量和信号的重建。本文主要研究信号的线性测量,并介绍压缩感知测量矩阵。

    29915f0e0e302f6ac5fbaef24168aca5.gif

    6fdcabfc064253b3c3dd4aa8f7eeb792.gif

    (1)随机测量矩阵:如高斯矩阵[1,4]、贝努利矩阵[4]等。随机矩阵可以用较少的采样值获得精确的重建,但是随机测量矩阵自身存在的不确定性会给矩阵存储和硬件实现带来困难,也会造成仿真实验的不确定性。

    (2)确定性测量矩阵:如多项式测量矩阵[5]等。相比随机测量矩阵,确定性测量矩阵可以节省存储空间,易于硬件实现,也更易于设计快速算法,但是其重建效果较差,精确重建需要的测量值较多。

    (3)部分随机测量矩阵:如部分正交矩阵[6]、部分哈达玛矩阵[4]、托普利兹和轮换矩阵[7]等。部分随机矩阵既有部分的随机性,又兼具一定的确定性,性能较好,硬件实现也相对容易。

    3efbea46474434cc9347ba98e6c980ab.gif

    415075ce49e2b01254d1448a561c3d27.gif

    3 仿真实验和结果

    为了验证构造的新测量矩阵的性能,采用Matlab图像库中提供的标准256×256 Lena图像进行仿真实验。首先利用小波变换对原图像进行稀疏化处理,然后分别选用新矩阵、部分哈达玛、托普利兹、广义轮换、部分正交等测量矩阵对稀疏化后的图像进行测量,最后采用OMP[10]重建算法对压缩后的图像信号进行恢复,得到恢复图像。针对压缩比M/N≤0.5的情况,得到图1所示的峰值信噪比(PSNR)性能比较图。

    1d354cefc102272793d6e4847f001371.gif

    由实验结果可以看出,广义轮换矩阵的性能要优于其他测量矩阵,而因为新的测量矩阵是由广义轮换矩阵改进了向量原子后得到的,所以针对不同的压缩比,新矩阵的性能变化曲线与广义轮换矩阵相似,但整体性能要比广义轮换矩阵高出3 dB左右。在压缩比较小时,新矩阵相比于其他测量矩阵具有更突出的优势,验证了确定数+高斯随机数的伪随机数更适合这种压缩比较小的情况。整体而言,对于压缩比M/N≤0.5的情况,新的测量矩阵在和其他部分测量矩阵的对比中表现出了更好的性能。

    图2给出了256×256 Lena图像的原始图像和利用新的测量矩阵测量后恢复的图像,此处选择压缩比M/N=0.5,此时的峰值信噪比PSNR达到了30.28。

    98d4e602b42892b7435000cf7eeb58a9.gif

    本文旨在研究压缩感知中的测量矩阵,改进了广义轮换矩阵的向量原子,结合正交基线性表示的构造方法,提出用确定数+随机数的伪随机数作为正交基系数,构造了新的测量矩阵——基于正交基线性表示的二进制生成矩阵。首先,改进广义轮换矩阵向量原子,采用二进制1和0交替的向量原子,矩阵更稀疏,硬件实现更简单;然后,结合正交基线性表示的思想,将广义轮换构造的正交矩阵作为正交基,针对M/N≤0.5的情况,提出采用确定数+随机数组合的伪随机数作为线性系数,构造出新的测量矩阵。选择二维图像数据进行仿真实验,应用不同测量矩阵进行对比,实验结果显示新的测量矩阵拥有更好的性能。

    参考文献

    [1] DONOHO D.Compressed sensing[J].IEEE Transaction on Information Theory,2006,52(4):1289-1306.

    [2] CANDES E.Compressive sampling[A].Proceedings of the international congress of mathematicians[C].Madrid,Spain,2006:1433-1452.

    [3] CANDES E,ROMBERG J,TAO T.Robust uncertainty principles:exact signal reconstruction from highly incomplete frequency information[J].IEEE Transaction on Information Theory,2006,52(2):489-509.

    [4] DONOHO D,TSAIG Y.Extensions of compressed sensing[J]. Signal Processing,2006,86(3):533-548.

    [5] DEVORE R.Deterministic constructions of compressed sensing matrices[J].Journal of Complexity,2007,23(4-6):918-925.

    [6] CANDES E,TAO T.Near optimal signal recovery from random projections:universal encoding strategies[J].IEEE Transactions on Information Theory,2006,52(12):5406-5425.

    [7] RAUHUT H.Circulant and toeplitz matrices in compressed sensing[J].In Processing SPARS'09,2009,2(13):1124-1132.

    [8] 李浩.用于压缩感知的确定性测量矩阵研究[D].北京:北京交通大学,2011.

    [9] CANDES E.The restricted isometry property and its implications for compressed sensing[J].C.R.Math.Acad.Sci.Paris,2008,346(9-10):589-592.

    [10] TROPP J,GILBERT A.Signal recovery from partial infor-mation via orthogonal matching pursuit[EB/OL].(2005-04).  [2012-11-22].http://www.personal.umich.edu/_jtropp/papers/TG05-Signal-Recovery.pdf.

    展开全文
  • matlab图像压缩感知

    热门讨论 2011-04-21 16:11:55
    图像压缩感知资料及代码,里面包含BP ,MP ,OMP,BCS等经典算法。
  • 压缩感知代码,matlab,cgsolve
  • 压缩感知的相关研究中 经常使用OMP 算法 recover压缩的array OMP算法 最早出现在 2006年的那篇 orthogonal matching pursuit的论文中 这是小弟自己 编的 比较简单 主要就是最内层的for循环。 其他不是算法的内容 ...
  • stanford大学的matlab压缩感知工具箱sparseLab。安装方法看附带文档 关于压缩感知信号重构的matlab程序工具箱 (Toolbox on compressed perception of the signal reconstruction matlab program)
  • Matlab编写的压缩感知的库函数,包括稀疏分解和重构
  • MATLAB压缩感知(内含完整代码)
  • 压缩感知程序代码

    2018-11-18 21:39:30
    压缩感知matlab代码,感兴趣的可以下载试一试,仅供学习使用
  • 压缩感知OMP重构算法matlab实现

    热门讨论 2012-04-18 08:57:38
    压缩感知OMP重构算法matlab实现,OMP重构算法,本程序用于重构原始图像
  • 压缩感知算法(MATLAB编写,简单易懂,有注释)
  • MATLAB源码集锦-基于压缩感知算法的数据压缩与复原代码
  • 压缩感知的正交匹配追踪算法——matlab程序 压缩感知的正交匹配追踪算法——matlab程序

空空如也

空空如也

1 2 3 4 5 ... 20
收藏数 515
精华内容 206
关键字:

压缩感知matlab

matlab 订阅