本文主要是介绍CS-NLR 学习笔记（一），希望对大家解决编程问题提供一定的参考价值，需要的开发者们随着小编来一起学习吧！
CS-NLR 学习笔记（一）
Compressive Sensing via Nonlocal Low-Rank Regularization 通过非局部低秩正则化进行压缩感知
Dong W, Shi G, Li X, et al. Compressive sensing via nonlocal low-rank regularization[J]. IEEE Transactions on Image Processing, 2014, 23(8): 3618-3632.
思路
对图像进行块匹配，对得到的相似块集合Xi = [ xi0,xi1,…,xim] 进行低秩，对低秩后的矩阵进行图像恢复Image Recovery
块匹配
利用非局部自我相似性，类似方法有nonlocal mean，BM3D， SSC（simultaneous sparse coding）
对每个样本块/当前块xi，在它的K邻域的搜索框中寻找相似块xij，满足
其中T是提前设置的阈值，Gi是相似块位置的集合
得到的集合记为Xi = [xi0, xi1, …, xim-1]
对相似块的集合Xi进行操作
Xi 可能有噪声，所以可以写成 Xi =
这篇关于CS-NLR 学习笔记（一）的文章就介绍到这儿，希望我们推荐的文章对编程师们有所帮助！
