本研究提出了一种基于大规模凸优化的非光滑正则化算法，直接解决了压缩感知 (corrupted compressive sensing) 问题，同时提出了针对各种情况的鲁棒压缩感知算法和简单有效的求解扩展问题的算法，在计算效率和求解难度等方面得到了显著提高，同时在几个压缩感知成像任务上取得了良好的效果。

Nov, 2012

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

本文提出了一种基于线性动态系统的视频压缩感知恢复框架，将视频恢复问题简化为先从压缩测量中估计 LDS 模型参数，然后重建图像帧。利用 LDS 的低维动态参数和高维静态参数来设计一种新颖的压缩测量策略，它只在每个时刻测量场景的动态部分并随时间累积以估计静态参数，并有效地降低了压缩测量率。经过各种实验验证了方法的有效性，包括视频恢复、感知高光谱数据以及从压缩数据中对动态场景进行分类。

Jan, 2012

本文介绍了一种改进后的低成本、低功耗、低带宽的彩色视频摄像机，能够通过使用高速编码的单个编码器深度扫描来恢复每个测量帧的多个彩色图像，并利用亚压电装置上的二进制代码实现了多帧恢复，同时通过模拟调制了一种用于同时恢复深度信息的液体透镜，并通过波纹 / 离散余弦变换系数的组稀疏性任意算法实现快速恢复。

Feb, 2014

本文提出给予高压缩比摄像头的运动识别的无重建方法，通过空时粉碎滤镜提取保留在压缩测量中的非线性属性进行特征提取，并在公共数据库上进行实验，表明识别率可以与未压缩设置中的神谕方法相当。

Jan, 2015

本文提出了一种新的改进型总变分技术，利用多块梯度处理、去噪的 Lagrange 乘子和基于图块的稀疏表示方法来改善像素边缘模糊、细节丢失和高频振荡等问题，该方法不仅适用于图像的压缩感知恢复，而且可用于视频的压缩感知恢复。经模拟结果表明，所提出的方法在客观和主观质量上都提升了压缩感知图像和视频的恢复性能。

Mar, 2017

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

文章提出了一个基于稀疏表示和压缩感知的超分辨率框架，用于在侦察和监视应用中对可扩展视频进行处理，实验结果表明，该框架具有更高的压缩率和更高的视频质量，是一种有效的压缩率更高、图像质量更优的视频处理算法。

Jul, 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

本文提出了一种使用非局部先验的 CS 方法，称为 NL-CS Net，通过学习解决非局部和稀疏正则化优化问题的扩展 Lagrangian 方法的每个阶段来解决现有网络方法的不足，其中重要参数是端对端学习的，并且在自然图像和磁共振成像实验中表现出更好的性能。

May, 2023