Block Based Compressive Sensing for SAR Images by using Noiselet and Haar Wavelet
سال انتشار: 1394
نوع سند: مقاله کنفرانسی
زبان: انگلیسی
مشاهده: 764
فایل این مقاله در 9 صفحه با فرمت PDF قابل دریافت می باشد
- صدور گواهی نمایه سازی
- من نویسنده این مقاله هستم
استخراج به نرم افزارهای پژوهشی:
شناسه ملی سند علمی:
COMCONF01_477
تاریخ نمایه سازی: 8 آذر 1394
چکیده مقاله:
Compressive sensing (CS) is a new method for image sampling in contrast with well-known Nyquist sampling theorem. Sampling domain and sparse domain play important rule for perfect signal recovery in CS framework. In this paper, the performance of four recovery algorithms are compared according to visualevaluation and an image assessment parameter where noiselet and Gaussian used as the sampling domain and Fourier transform (FT), discrete Cosine transform (DCT) and Haar wavelet transform (WT) used as the sparse domain. Furthermore, for synthetic aperture radar (SAR) images, using noiselet and Gaussian are also evaluated. Due to the big size of SAR images and high computational expenses, the block-based adaptive sampling based on edge detection is used.
کلیدواژه ها:
Compressive sensing (CS) ، synthetic aperture radar (SAR) ، Noiselets ، Haar wavelet ، blockbased adaptive sampling
نویسندگان
Haybert Markarian
Electrical and Electronic Engineering Department, Islamic Azad University Tehran South Branch, Tehran, Iran.
Sedigheh Ghofrani
Electrical and Electronic Engineering Department, Islamic Azad University Tehran South Branch, Tehran, Iran.
مراجع و منابع این مقاله:
لیست زیر مراجع و منابع استفاده شده در این مقاله را نمایش می دهد. این مراجع به صورت کاملا ماشینی و بر اساس هوش مصنوعی استخراج شده اند و لذا ممکن است دارای اشکالاتی باشند که به مرور زمان دقت استخراج این محتوا افزایش می یابد. مراجعی که مقالات مربوط به آنها در سیویلیکا نمایه شده و پیدا شده اند، به خود مقاله لینک شده اند :