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 ++

Dror Baron等在其名为“Distributed Compressed Sensing”指出具有相关信息的多个观测源采用联合重构算法可以获取更好的重构效果，当观测源足够多时，甚至只需要K+1观测次数就可以完全重构出原信号。文献中提出了两种算法OSGA（One-Step Greedy Algorithm）和SOMP（Simultaneous Orthogonal Matching Pursuit）。

压缩感知的阈值收缩算法 IST，做了改进，中文注释很详细

利用压缩感知理论进行DOA估计，利用了OMP算法，性能很好

压缩感知的omp算法的源代码，绝对简单，初学者一看就懂，绝对不骗人

压缩感知贝叶斯 DOA算法，Off-grid模型，近似模型。

如何在有限的屏幕空间呈递层次规模尽可能大的树并保持其清晰的层次结构以避免认知困难问题一直是树可视化研究的主要问题之一。提出的改进的空间优化的树方法采用更合理的子树空间划分，进一步提高空间利用率，通过改变边缘结点定位方式进一步降低了原方法中因其分布不规则性而造成的认知负担问题。