RCoS:通过协作稀疏性进行图像压缩感测恢复的Matlab代码

通过协作稀疏度进行图像压缩感知恢复（JETCAS 2012） 抽象的 作为联合采样和压缩方法，压缩感测（CS）引起了相当多的关注。 它的理论表明，当信号在某个域中足够稀疏时，可以用比奈奎斯特采样理论所建议的少得多的测量值对其进行解码。 因此，CS中最具挑战性的研究之一是寻找一个信号可以表现出高度稀疏性并因此得以忠实恢复的领域。 但是，大多数传统的CS恢复方法都针对整个信号利用了一组固定的基数（例如DCT，小波和梯度域），而与自然信号的非平稳性无关，并且无法实现足够高的稀疏性，从而导致不良的速率失真性能。 在本文中，我们提出了一种通过协作稀疏性进行图像压缩感测恢复的新框架，该框架在自适应混合空间变换域中同时强制执行局部2-D稀疏性和非局部3-D稀疏性，从而充分利用了自然图像的内在稀疏性和极大地限制了CS解决方案的空间。 另外，开发了一种有效的基于拉格朗日增广的技术来解决上述优化问题。 提出