挑战采样定律：重建良好的数据并不一定需要2f

ugmbbc发布于 2010-03-04 13:17:04|80 次阅读 字体：大 小 打印预览


感谢匿名人士的投递
新闻来源:solidot
《连线》报道了叫“压缩传感（Compressed sensing）”的数学和应用算法研究热门领域，这项研究利用数学中的稀疏概念，从 噪声中重建图像或其它数据集。 压缩传感的发现是一次意外，当时是加州理工学院教授（现在去了斯坦福）的Emmanuel Candès在研究名叫Shepp-Logan Phantom的图像，这种标准图像常被计算机科学家和工程师测试图像算法。

Candès检查的图像质量非常差，充满了噪声，他认为名叫L1- minimization的数学算法能去除掉噪声条纹，结果他按一个键后算法真的起作用了。但在图像变干净的同时，他发现图像的细节出人意料的完美起来。 他随后向当时在UCLA的同事陶哲轩展示了这一奇迹。第二天晚上，陶哲轩就完成了一组札记，它们成为两人合作的压缩传感领域第一篇论文的基础。Emmanuel Candès认为压缩传感（简写CS）技术具有广阔的应用前景，比如MRI，数码相机。数码相机镜头收集了大量的数据，然后再压缩，压缩时丢弃掉90%的 数据。如果有CS，如果你的照相机收集了如此多的数据只是为了随后的删除，那么为什么不一开始就丢弃那90%的数据，直接去除冗余信息不仅可以节省电池电量，还能节省空间。