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。

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。

压缩感知相关参数、重构的方法等代码，具体说明如下 Measurement matrixs ：存有多种测量矩阵的实现代码 Reconstruction algorithms ：存有多种重构算法的实现，包括最经典的 OMP、SAMP 等方法 Refactoring articles ：保存了 CS 中多种重构算法的解释文件 Some examples ：CS的实验案例 Sparse basis ：保存了典型稀疏基的实现代码 注意：此中代码多为 .m 文件，且每个路径中都有相关的txt文件说明各自所实现的内容！

针对图像编码与重构系统的实际需求，设计了一种基于HPS和FPGA的图像处理系统。该系统实现了图像的实时采集、压缩、传输和重构。系统采用DE1-SoC开发板，在FPGA中设计了D5M摄像头、SDRAM、VGA的IP核，在QSYS中利用AXI和Avalon总线连接IP核，利用Linux C编程在HPS中实现了图像的压缩感知(CS)编码和传输，在MATLAB上位机中接收压缩数据并实现图像的重构，减少了FPGA资源使用和设计复杂度。结果表明，该系统能够实现任意自然图像的处理，图像压缩比约为8%，PSNR约为41 dB，应用灵活，可移植性强，能够满足实际工程的需要。

matlab中存档算法代码SIRT-FISTA-TV重建算法 SIRT-FISTA-TV是一种规则化的迭代重建算法，对嘈杂和模糊的数据非常健壮，并且可以大大减少丢失的楔形伪影。 它包括三个步骤： SIRT更新（也可以使用SART和OS-SART） 电视最小化（使用渐变下降） FISTA技术可加快收敛速度 使用CUDA mex函数可在GPU上加速该算法。 它取决于两个工具箱：ASTRA和Spot。 使用了ASTRA的投影和反投影功能。 Spot工具箱用于提供一个MATLAB框架，该框架将线性运算包装到行为类似于矩阵的MATLAB对象中。 我们提供了两个示例来测试该算法：example1.m和example2.m，它们在正确执行安装后应该很容易运行。 安装 在MATLAB文件浏览器中选择“ ASTRA-工具箱”，“ Spot-工具箱”，“电视最小化”和“数据” ----->右键单击----->添加到路径----->选定文件夹和子文件夹。 请注意，如果不是这样，您可以键入命令“ filebrowser”以打开MATLAB文件浏览器。 安装CUDA工具包（8.0版效果很好）链接： 安装C ++