压缩感知技术非常适用于数据获取成本高昂的情况(无论是能源还是时间)。它通过采取较少的样本,并使用线性或凸规划来从传感器中恢复原始参考信号。
然而,在像图像压缩这样的情况下,由于数据已经在计算机上-- 压缩感知技术有什么优势呢?例如,它是否提供更好的数据压缩?是否会导致更好的图像搜索?...
压缩感知技术非常适用于数据获取成本高昂的情况(无论是能源还是时间)。它通过采取较少的样本,并使用线性或凸规划来从传感器中恢复原始参考信号。
然而,在像图像压缩这样的情况下,由于数据已经在计算机上-- 压缩感知技术有什么优势呢?例如,它是否提供更好的数据压缩?是否会导致更好的图像搜索?...
这可能不是您问题的确切答案,但我想强调计算机科学其他重要应用领域的重要性。在无线多媒体网络中,压缩发送可以是一个巨大的优势,因为传感器节点的功耗非常重要。在这里,传感器节点必须传输信息(例如由监控摄像头拍摄的图像)。如果它必须传输所有样本,我们就无法提高网络寿命。然而,如果我们使用JPEG压缩,则会在编码器(传感器节点)一侧带来很高的复杂性,这同样是不可取的。因此,压缩感知在某种程度上有助于将复杂性从编码器侧移动到解码器侧。 作为该领域的研究人员,我们已成功地在有损信道中仅发送总样本的52%来传输图像和视频,并且质量相当不错。
压缩感知意味着一些数据可以通过一些测量来重建。大多数数据可以在线性空间中进行线性变换,其中大多数维度可以被忽略。
因此,这意味着我们可以在某些维度上重建大部分数据,“某些”可以是原始维度数量的低比率。