基于分块的压缩感知算法适用于图像信号的处理，通过平滑迭代阈值投影法可以快速重构图像，但存在低采样率下重构图像质量较差的缺点。基于全变差分的分块压缩感知算法，在一定程度上能提升重构效果，但降低了运算速度。针对以上算法的不足，提出基于多尺度的自适应采样图像分块压缩感知算法。根据小波分解后不同层对重构结果影响所占权重不同的特性，自适应分配给每一层不同的采样率，并在重构时将平滑迭代阈值投影法应用到每一层的每一个子带的分块上。实验结果表明，与传统的迭代阈值投影法相比在重构质量上提高了1~3 dB，在重构速度上与迭代阈值投影法相当并优于全变差分法。

： 设计了一种基于图像分块的 LDA(linear discriminant analysis)人脸识别方法， 该方法从模式的原始数字图像出发， 先对 图像矩阵进行分块，然后对分块子图像进行 LDA 特征提取，从而得到能代替原始模式的低维新模式，最后再用最小距离分 类器进行分类。该方法克服了传统 LDA 方法的缺点， 其优点是能有效地提取图像的局部特征。实验表明： 该方法在识别性 能上优于 Fisherfaces方法。

一个经典的分块DCT数字图像水印算法 嵌入 提取

一个Python中优雅的数据分块方法.doc

使用c语言基于winsock的原理，通过tcp/ip协议以及c/s架构的内涵进行设计，完成服务端与客户端的文件分块传输系统。

矩阵运算，利用chache，进行矩阵的分块，提高命中率，加快运算速度。这里分析了不同规模的分块对命中率的影响，测试了示例程序的性能。

针对现有计算机视觉对交通路标识别的复杂性和不稳定性的问题，通过运用图像轮廓识别技术，提出了由全局特征到局部特征再到结构特征的多层次轮廓识别，在交通路标的识别过程中，分别构造了图像密度、形状度量、光滑程度和轮廓熵值4个层次的图像轮廓，同时结合Sobel算子和信息熵对交通路标图像进行了提取与分块处理。通过实验仿真结果表明：在图像的提取过程中，交通路标图像随着其DMOS值的增大，图像的质量越差，清晰度越低，其NRSS值越小；在图像的识别过程中，低通滤波器的大小设置为7×7，原图NRSS为0.7654，形状度量为1.3和2.4时，NRSS分别为0.3712和0.2667。这种层次化的轮廓分析在路标的识别上具有较好的稳健性。

分块DCT

针对传统智能视频监控中背景更新算法计算量大、对光照变化敏感等问题,提出了一种基于分块分类的背景更新算法.首先,根据视频序列获得初始的背景参考图像,采用背景差分法得到当前帧的差分图像.然后,将差分图像采用分块处理,按照子块的均值特征对各子块图像进行前景块和背景块的分类.最后,根据分类情况采用不同的背景更新策略,实现背景的实时更新.该算法以块为操作对象,相比单个像素处理时的计算量更小,运算速度更快.实验结果表明,新算法能较好地适应光照变化,背景更新效果较好.

实现对图像的分块，并进行基于压缩感知算法的恢复与重构。恩不错的资源 。