压缩感知及其应用:从稀疏约束到低秩约束优化

被引：50

作者：

马坚伟 ^{[1
]}

徐杰 ^{[2
]}

鲍跃全 ^{[3
]}

于四伟 ^{[4
]}

机构：

[1] 哈尔滨工业大学应用数学研究所

[2] 中国科学院计算技术研究所

[3] 哈尔滨工业大学土木工程学院

[4] 清华大学航天航空学院

来源：

信号处理 | 2012年 / 05期

关键词：

压缩感知; 稀疏约束; 低秩约束; 遥感; 地球物理勘探; 视频编码;

D O I：

暂无

中图分类号：

TN911.7 [信号处理];

学科分类号：

0711 ; 080401 ; 080402 ;

摘要：

压缩感知(或称压缩采样)是国际上近期出现的一种信息理论。其核心思想是只要某高维信号是可压缩的或在某个变换域上具有稀疏性,就可以用一个与变换基不相关的测量矩阵将该信号投影到一个低维空间上,然后通过求解一个最优化问题以较高的概率从这些少量的投影中重构出原始信号。压缩感知理论突破了香农定理对信号采样频率的限制,能够以较少的采样资源,较高的采样速度和较低的软硬件复杂度获得原始信号的测量值。该理论已经被广泛应用于数字相机、医学成像、遥感成像、地震勘探、多媒体混合编码、通讯、结构健康监测等领域。本文归纳了压缩感知研究中的关键问题,探讨压缩感知从稀疏约束到低秩约束优化的发展历程,对压缩感知在遥感、地震勘探等几个相关领域的应用研究进行了综述。

引用

页码：609 / 623

页数：15

共 11 条

[1]

基于局部DCT系数的图像压缩感知编码与重构[J]. 潘榕,刘昱,侯正信,汪少初.自动化学报. 2011(06)

[2] 压缩感知研究 [J].

戴琼海 ;

付长军 ;

季向阳 .

计算机学报, 2011, 34 (03) :3425-3434

[3]

压缩传感综述[J]. 李树涛,魏丹.自动化学报. 2009(11)

[4] 压缩感知理论及其研究进展 [J].

石光明 ;

刘丹华 ;

高大化 ;

刘哲 ;

林杰 ;

王良君 .

电子学报, 2009, 37 (05) :1070-1081

[5]

结构健康监测的数据压缩采样与损伤识别融合方法[D]. 鲍跃全.哈尔滨工业大学 2009

[6] Exact Matrix Completion via Convex Optimization [J].

Candes, Emmanuel J. ;

Recht, Benjamin .

FOUNDATIONS OF COMPUTATIONAL MATHEMATICS, 2009, 9 (06) :717-772

[7] Uniform Uncertainty Principle and Signal Recovery via Regularized Orthogonal Matching Pursuit [J].

Needell, Deanna ;

Vershynin, Roman .

FOUNDATIONS OF COMPUTATIONAL MATHEMATICS, 2009, 9 (03) :317-334

[8]

Two-dimensional randomized sampling schemes for curvelet-based sparsity-promoting seismic data recovery. Tang G,Shahidi R,Ma J, et al. Geophysical Prospecting . 2010

[9]

Compressive video sensingbased on user attention model. J.Xu,J.Ma,D.Zhang,et al. Picture Coding Sym-posium （PCS） . 2010

[10]

UWB through-wall ima-ging based on compressive sensing. Huang Q,Lele Q,Bingheng W,et al. IEEE Trans.on Geosci-ence and Remote Sensing . 2010

← 1 2 →