现有的自适应多尺度分块压缩感知算法忽略了高频信息在重建中的作用, 导致图像的边缘轮廓得不到充分重建; 并且在压缩分块过程中采用固定分块大小, 没有充分利用图像自身的稀疏性。针对上述不足, 提出一种多尺度分块的自适应采样率压缩感知算法。该算法充分利用小波变换后的高频信号和低频信号, 同时针对图像的固定尺寸分块进行改进。首先, 对低频部分利用自适应邻域特征的空域滤波算法消除块效应; 其次, 对高频部分依据纹理特征自适应选取图像块的大小, 实现样本块尺寸的自动划分和采样率的自适应; 最后, 分别对纹理信息各异的图像进行压缩重建仿真。结果表明, 本方法重建效果明显优于已有的自适应采样率算法。

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。

压缩包包含了国内外近几年关于压缩感知理论的最新研究成果，具体内容有关于wsn中节能算法，路由协议，压缩感知算法。一定会对您的研究有很大帮助

很好用 自带注释 可以直接运行　　里面有测试程序　可以先试着运行

利用小波基，对时域下的信号进行重构，利用压缩感知算法有，有omp stomp bregman GPSR_BB等 算法。发现百分百采样，bregman 算法收敛速度最快，重构效果最好。同时还测试了克罗尼科技 基对于作为稀疏基对压缩感知结果的影响。同时还有离散傅里叶正交基。很有意义。对于初学者或者，学习过程有问题的同学可以得到很好的借鉴作用。

代码 基于压缩感知算法的数据压缩与复原代码代码 基于压缩感知算法的数据压缩与复原代码代码 基于压缩感知算法的数据压缩与复原代码代码 基于压缩感知算法的数据压缩与复原代码代码 基于压缩感知算法的数据压缩与复原代码代码 基于压缩感知算法的数据压缩与复原代码代码 基于压缩感知算法的数据压缩与复原代码代码 基于压缩感知算法的数据压缩与复原代码代码 基于压缩感知算法的数据压缩与复原代码代码 基于压缩感知算法的数据压缩与复原代码代码 基于压缩感知算法的数据压缩与复原代码代码 基于压缩感知算法的数据压缩与复原代码代码 基于压缩感知算法的数据压缩与复原代码代码 基于压缩感知算法的数据压缩与复原代码代码 基于压缩感知算法的数据压缩与复原代码代码 基于压缩感知算法的数据压缩与复原代码代码 基于压缩感知算法的数据压缩与复原代码代码 基于压缩感知算法的数据压缩与复原代码代码 基于压缩感知算法的数据压缩与复原代码代码 基于压缩感知算法的数据压缩与复原代码代码 基于压缩感知算法的数据压缩与复原代码代码 基于压缩感知算法的数据压缩与复原代码代码 基于压缩感知算法的数据压缩与复原代码代码 基于压缩感知算法的数据压缩与

MMP算法提出的文献： Multipath Matching Pursuit----IEEE TRANSACTIONS ON INFORMATION THEORY 文章的作者也是gOMP算法的作者，现在在复旦大学任教 主要贡献：文章将传统贪婪算法的原子选择问题建模为组合树的搜索问题，为原子选择提供了新的思路。 在传统贪婪算法的改进中，不外乎以下几个方面：调整原子选择策略，调整原子相似性的准则等 其中调整原子选择策略又分为以下几种： 每次迭代选择单个原子（OMP），每次迭代选择多个原子（如：选择K个的CoSaMP算法，选择2K个的SP算法，选择S个的gOMP算法），通过阈值门限来进行原子选择，这样保证了每次迭代原子选择的灵活性，阈值则更贴近于观测矩阵和残差的内积变化规律（StOMP算法，SWOMP算法，TOMP算法等等） 在原子选择过程中，许多单向执行的算法可以结合CoSaMP算法中的回溯思想，来进一步提高重构精度。 在有步长设置的算法中，如何设置步长大小，是固定步长还是变步长，如果变的话，该如何改变，到目前为止均有学者做研究。而以上提到的算法都有一个共同的问题，就是只有一

里面包含CS去噪算法体系、去噪体系优缺点、视频去噪体系、重构算法总结四个文件，是本人读研三年的总结，适合压缩感知方向的初学者

很全的BP重构信号算法，关于压缩感知的经典算法哦

压缩感知算法稀疏分解，然后随机观测，OMP恢复