Study of Single-Pixel Detection Computational Imaging Technology Based on Compressive Sensing

Window-Added Sampling for Improving Sparsity of Non-Sparse Representation of Signals

“…考虑到压缩传感在稀疏信号采样、 传输和储存方面的优势 [1][2][3][4] ， 自 2006 年以来压缩传感吸引了越来越多 的注意， 在全息压缩 [5] 、 图像加密 [6] 、 成像技术 [7][8][9][10] 、 降噪 [11] 、 语音处理 [12] 等方面得到了广泛的应用。适合压缩传 感 的 信 号 必 须 满 足 的 一 个 关 键 条 件 是 信 号 的 稀 疏 性 ， 可 以 是 空 域 上 的 稀 疏 ， 也 可 以 是 某 个 变 换 域 上 的 稀 疏。但是， 大量信号在空域上几乎是非稀疏信号。因此， 为了能够适用于压缩传感， 更多的是借助一些变换 域 实 现 信 号 在 另 一 个 空 间 里 的 稀 疏 表 达 。 为 此 ， 各 种 各 样 的 变 换 域 被 不 断 地 提 出 和 应 用 ， 从 传 统 的 傅 里 叶 变换、 小波变换， 到后来提出的多尺度几何分析 [13] ， 诸如 Contourlet、 Curvelet、 Bandelet、 Ridgelet， 正交基集合 [14] 和冗余字典 [15][16] 等。 信 号 的 稀 疏 表 达 需 要 选 择 合 适 的 变 换 域 。 事 实 上 ， 不 存 在 对 各 种 信 号 都 普 遍 适 用 的 变 换 域 ， 每 个 变 换 域能适用的信号总是具有针对性的。因此， 在变换域上非稀疏表达的信号就无法应用压缩传感技术。…”