该研究以超光谱成像为背景，探讨了用于对大量数据进行压缩的压缩感知技术，在压缩图像恢复方面，通过对凸 FISTA/ADMM 和贪婪 gOMP/BIHT/CoSaMP 恢复算法的准确性和性能进行比较研究，发现 gOMP 算法在恢复压缩数据时具有较高的准确性和快速恢复，但相对于其他算法而言，对待恢复数据的稀疏性水平的依赖较高。

Jan, 2024

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

本研究利用基于稀疏性的亚波长成像技术，展示了如何从部分空间 - 不相干光带载的亚波长光学图像的远场或模糊图像中恢复图像。同时，我们提出了一种称为二次压缩感知的算法方法，以恢复局部相关性测量中的信息，包括显微镜中的白光显微镜。

Apr, 2011

本研究论文提出了一种用于实时压缩感知网络的轻量级架构，能够在有条纹效应和噪声传输条件下，以相对较少的训练样本高效稳健地完成高光谱图像重建，适用于迷你卫星上使用的推扫式扫描机制。

Apr, 2024

通过数据稀疏化预处理将高光谱图像压缩 2.5 倍，并使用 gOMP 算法进行图像重建，结果表明当像素高度稀疏时，gOMP 算法能够以更高的准确性和更快的收敛速度重建高光谱图像，但与原图相比会降低重建图像的质量。

Jan, 2024

本文提出了一种基于块的压缩感知深度学习算法，通过完全连接网络进行块状线性感知和非线性重建，优化了感知矩阵和非线性重构算子，且在重构质量和计算时间方面优于现有技术。

Jun, 2016

基于压缩感知的端到端图像压缩系统，结合传统压缩采样重建、量化和熵编码，可与 JPEG 相媲美，在低码率下表现显著优越。通过研究影响系统性能的参数，我们提出了一种有效的方法来联合控制量化步长和压缩比，以实现在任何给定比特率下达到接近最优的质量。此外，我们的压缩系统可直接用于压缩感知相机，例如单像素相机，构建一种硬件压缩采样系统。

Jun, 2017

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

本研究提出了一种同时重建基础图像和未知模型的盲压缩感知框架，用于利用稀疏变换或字典中图像 / 图像补丁的稀疏性从高度欠采样的测量中精确恢复图像。我们将这个模型扩展到了一个转换融合模型，以更好地捕捉自然图像中的特征。与其他最近的图像重建方法相比，我们的数值实验表明，提出的框架通常会导致 MRI 图像重建的质量更好。

Nov, 2015

本文提出了一种基于 AMP-3D-Wiener 算法的压缩高光谱成像重建技术，在压缩感知成像方法下，利用 CASSI 系统对高光谱三维数据进行快速采集和重建，在过去较广泛使用的算法中表现出更优异的性能。

Jul, 2015