压缩感知的阈值收缩算法 IST, 快速且重构性良好

Matlab的无花果生成代码贝叶斯压缩感知 这套Matlab（7.0）函数包含用于重现以下两篇论文的一些结果的核心代码： ，史浩（Shihao Ji），亚雪（Ya Xue）和劳伦斯·卡林（Lawrence Carin），IEEE Trans。 信号处理，第一卷56号2008年6月6日。 ，史浩（Shihao Ji），戴维·邓森（David Dunson）和劳伦斯·卡林（Lawrence Carin），IEEE Trans。 信号处理，第一卷57号1，第92-106页，2009年1月。 BCS演示 图2.m->生成图2 实施BP需要l1-magic的以下两个Matlab文件： l1qc_logbarrier.m l1qc_newton.m 可以在以下位置找到： Fig4_ab.m->生成图4（a，b） multi_random_measures.m ---->为图4a生成“随机”曲线 multi_optimized_measures.m ---->生成图4a的“ Optimized”曲线 multi_approx_measures.m ---->生成“大约”。 图4a的曲线 MT-CS演

压缩感知的入门级教程，深入浅出。只不过是英文的，英语好的人可以看一下。

结合稀疏贝叶斯学习和压缩感知CS理论, 提出了一种基于贝叶斯匹配追踪的SAR图像重构的新方法。该方法将SAR图像的重构过程看做是一个线性回归问题, 而待重建的图像是该回归模型中的未知权值参数。利用高斯混合参数对未知权值参数赋予确定的先验条件概率分布, 用于限制权值参数的稀疏性。该方法能够得到重建图像所需要的一组具有较高后验概率密度的模型, 从而实现图像在最小均方误差MMSE意义下的重构; 对于高斯混合模型中参数未知的情况, 可以采用基于EM的最大似然估计方法估计。实验结果表明, 基于贝叶斯匹配追踪的SAR图像重构方法能够获得精确的重建图像, 并且能够有效地保持图像的细节特征。

STOMP压缩感知算法，可以重构一维信号，来源于jbb0523

这是目前一种比较流行的压缩感知算法，原理上基于消息传递算法推导而来，最近出现与18年郁炜教授团队发表的论文中，是一个研究的热点。

无线传感器网络（Wireless Sensor Networks，WSN）负责感知、采集、处理和监控环境数据，但是容易受限于资源。压缩感知（Compressed Sensing，CS）理论表明，利用最优化理论，稀疏信号可以从少量的非自适应线性投影中高概率精确恢复。根据CS理论设计WSN的数据压缩方法只依赖于信号内在的结构和内容，而不是信号的带宽，弥补了WSN的不足；提出了基于稀疏随机投影的编码方法；仿真结果表明系统在满足误差要求条件下构造的数据包减少至结点数目的30%，提高了WSN通信效率，降低了系统能耗。

压缩感知应用于图像降噪，具体方法有快速梯度投影重建等等的降噪算法和matlab代码。

该文提出了一种基于压缩感知和活动轮廓的多焦点图像融合方法。首先对源图像进行SBHE（scrambled block hadamard ensemble）采样获得压缩感知测量值，然后通过活动轮廓对源图像进行区域划分，再将区域划分结果合并形成联合区域划分。通过联合区域划分和互信息计算融合权重，得到融合后的系数，再通过压缩感知系数重构算法得到融合后的图像。为了验证算法的有效性，进行了2组多焦点图像融合实验。实验表明：该方法相比传统的压缩感知图像融合方法，在主观视觉和客观评价指标方面都能得到更好的融合结果。

ISTA（Iterative shrinkage-thresholding algorithm），即迭代阈值收缩算法。