本研究提出了一种盲压缩感知算法，可以从光谱压缩测量中重建高光谱图像，并使用 RGB 图像作为辅助信息来改善重建质量。实验结果验证了该算法的有效性和液晶 - 硅调制器相机的可行性。

Feb, 2015

通过对图像的稀疏表达进行训练，应用于微波断层成像中，可以解决非线性和病态问题，从而显著改进现有算法。

Aug, 2023

本文提出了一种使用自适应学习的稀疏化基础通过 L0 最小化方法进行图像压缩感知恢复的新框架，通过稀疏表示重叠的图像块，极大地减少了阻塞伪影和限制了 CS 解决方案空间。实验结果表明，我们的算法在 CS 恢复上取得了显着的性能提升。

Apr, 2014

本文提出了一种扩展压缩感知理论的方法，该方法将稀疏性、不相关性和均匀采样等三个标准柱与渐近稀疏性、渐近不相关性和多层随机采样等三个新概念相结合，从而使得在更松散的条件下，压缩感知仍然是可能的，这为实际应用提供了全面可行的数学解释，如医学成像、显微镜、光谱学等，同时，这一新理论还提供了更大的机制设计灵活性和更少的测量来得到更好的重建结果。

Feb, 2013

利用散射光的单张图像在不需激光和时间门控检测的情况下，通过电脑摄像头来实现透过散射介质和检测散射光在物体周围的成像。

Mar, 2014

研究压缩感知的一般框架，提出了一种非线性测量的自然推广方法，并证明了通过这些测量可以有效地计算和恢复稀疏信号。提出了三种算法，其中包括一种称为广义 OLS 的贪心算法，以及两种硬和软阈值迭代算法的自然推广方法，并证明了这些算法对于基于 Lipschitz 扰动的 RIP 矩阵的非线性测量具有强的恢复保证。

Nov, 2013

本文介绍了一种基于概率重构方法、信令传递算法、及结晶成核理论的、能够精确重构低采样率稀疏信号的压缩感知算法，并使用统计物理方法进行了分析和实验验证。

Sep, 2011

提出一种新的稀疏信号重构方法 —— 子空间追踪算法，该算法具有较低的计算复杂度，能够在稀疏信号情况下实现精确的重构，同时能够在噪声环境下实现较低的重构误差。

Mar, 2008

该研究论文考虑了一种压缩多光谱光场相机模型，利用一种一位编码光谱掩膜和微透镜阵列，使用单色传感器捕捉空间、角度和光谱信息。我们提出了一种模型，采用压缩感知技术从欠采样测量中重建完整的多光谱光场。与先前的工作不同，其中光场被向量化为一维信号，我们的方法采用了一个五维基底和一种新颖的五维测量模型，因此与多光谱光场的内在维度相匹配。我们在数学和实证方面展示了五维和一维感知模型的等价性，最重要的是五维框架实现了数量级更快的重建速度，同时需要较小的存储空间。此外，我们的新型多维感知模型为设计高效的视觉数据采集算法和硬件开辟了新的研究方向。

Feb, 2024

本文提出了一种名为 MOSAIC 的新型压缩感知框架，采用随机选取的压缩测量值，学习测量范围内的单次通用反演映射，结合了嵌入技术以及注意力机制，避免使用深度网络，并在标准数据集上实现了重建精度的最新进展。

Jun, 2023