基于Matlab的压缩感知图像代码-DeSCI:等级最小化在快照压缩成像中的应用（TPAMI19）

简介：
DeSCI是一种利用等级最小化的算法，应用于基于快照的压缩感知成像。该方法通过优化稀疏表示来实现高效且高质量的图像重建，并已在IEEE TPAMI期刊上发表。代码基于Matlab实现。 该存储库包含用于论文《快照压缩成像等级最小化》（IEEE Transactions on Pattern Analysis and Machine Intelligence 2019）的MATLAB代码。研究者们分别为该项目贡献了不同的部分，其中几位作者具有相等贡献。 请注意，真实数据及其相关代码未经测试，但可以找到原始结果如论文所述。自述文件中提供了真实数据的来源信息。 图1展示了使用DeSCI视频重建Kobe与国家最先进的方法（包括GMM-TP、MMLE-GMM和MMLE-MFA）进行比较的结果，并且还对比了GAP-TV的方法。在此实验中，一次测量编码了8个视频帧，通过重建4次快照测量结果，总共显示了32帧。 图2则展示了使用DeSCI与GAP-TV方法相比，对toy高光谱图像的光谱进行重建的结果。在该测试中，一次测量包含了32个光谱帧。toy高光谱数据来自CAVE多光谱图像库。 快照压缩成像（SCI）技术能够在一个单一的快照中编码多个视频或光谱帧，并通过先进的重构算法恢复高质量的数据信息。