压缩感知理论在数据获取、数据存储/传输、数据分析和处理方面有很大优势,成为近年来的研究热点.考虑到大多数图像信号信息分布有差异,编码端,在对图像分块的基础上,融合熵估计和边缘检测方法计算各图像块的信息含量,再从两个不同的角度进行分类采样:依据信息量多少将图像块分为平滑、过渡和纹理3类,使用不同的采样率采样;依据信息量的分布特征,采用不同的采样率分配策略进行采样.在解码端,根据不同类型的图像块构造不同的线性算子进行重构,再运用改进的迭代阈值算法去除块效应和噪声.实验证明,算法在提升图像重构质量的同时缩短了重构时间,并且对纹理边缘多的图像的重构效果较其他方法理想.

高速移动下的无线宽带通信要经历时间和频率的双选择性衰落,为了使发送的数据经过衰落的信道后在接收端被正确地接收,必须要对信道状态信息进行估计。本文根据双选信道在时延-多普勒域具有稀疏性,研究了OFDM系统中基于压缩感知的双选信道估计。为了克服信道的双选特性对信道估计造成的不稳定性,采用了正则正交匹配追踪(Regularized Orthogonal Matching Pursuit,ROMP)算法对信道进行估计。理论分析和仿真结果表明,与传统的最小二乘算法比较,在获得同样估计性能的条件下,采用ROMP算法和OMP算法需要的导频数大大减小;而且采用ROMP算法的信道估计要比OMP算法更加稳定,在同等条件下信道估计性能更好。

压缩感知可实现信号编解码，特征提取，研究意义广泛，影响深远，在领域内均具有应用。原文对应代码，欢迎使用，广泛交流，谢谢！

比较新的有关压缩感知成像方面的SCI论文，刚下载的，跟大家分享！

CAMP算法，一种压缩感知算法，可以实现复数矩阵形式的快速处理。给出了相应的文献。

Introduction to Synthetic Aperture Radar (SAR) Background of Compressed Sensing Reconstruct Radar Image by CS methods

自己编写的匹配追踪算法，用在压缩感知中，适合初学者

KSVD算法的matlab实现。该算法可以用于降噪、重构等领域。 参考文献：Aharon M, Elad M, Bruckstein A. K-SVD: An algorithm for designing overcomplete dictionaries for sparse representation[J]. IEEE Transactions on signal processing, 2006, 54(11): 4311-4322.

压缩感知雷达感知矩阵优化

稀疏优化 图像压缩感知(CS)是近几年图像处理领域的重大突破，它是由Donoho和Candes等人在稀疏表示和优化理论的基础上提出的一种成像理论其主要思想是利用随机观测矩阵Φ，将一个在小波变换域Ψ上稀疏的图像投影到M维的低维空间上，并证明这样的随机投影观测值包含重建图像足够的信息，通过一定的线性或非线性的解码模型求解对应的优化问题，可实现图像重构。