压缩感应非常适用于捕获数据昂贵(无论是能量还是时间)的情况.它的工作原理是采用较少数量的样本并使用线性或凸面编程来重建远离传感器的原始参考信号.
但是,在图像压缩等情况下,鉴于数据已经在计算机上 - 压缩感知是否提供了任何内容？例如,它会提供更好的数据压缩吗？它会导致更好的图像搜索吗？...
小智 5
关于您的问题“......鉴于数据已经在计算机上 - 压缩感知是否提供任何东西？例如，它会提供更好的数据压缩吗？它会导致更好的图像搜索吗？......”
一般来说，您的问题的答案是否定的，至少最初不会提供更好的数据压缩！对于像 jpeg 这样的非线性方案在 4 到 5 的常数上比压缩感知更好的图像就是这种情况，并且来自不同论文的不同理论结果中发现的 klog(N/K) 常数。
我说最初是因为现在压缩感知主要集中在稀疏性的概念上，但现在有新的工作出现，试图使用额外的信息，例如小波分解成团的事实，可以改善压缩。这项工作和其他工作可能会提供额外的改进，可能会接近非线性变换，例如 jpeg。
您必须记住的另一件事是 jpeg 是整个行业集中努力和多年研究的结果。因此，确实很难做得比这更好，但压缩感知确实提供了一些压缩其他数据集的方法，而无需多年的经验和人力。
最后，在压缩感知中发现的压缩中有一些非常令人敬畏的东西。它是通用的，这意味着现在您可以将图像“解码”到一定程度的细节，然后在十年后，使用相同的数据，您实际上可能“解码”更好的图像/数据集（需要注意的是信息首先就在那里），因为您的求解器会更好。你不能用 jpeg 或 jpeg2000 来做到这一点，因为被压缩的数据本质上与解码方案有关。
（披露：我写了一篇关于压缩感知的小博客）
由于压缩感知的全部目的是避免进行测量，正如您所说，测量的成本可能很高，因此压缩率会比允许压缩实现进行所有测量更差也就不足为奇了它想要，并挑选那些能产生最佳结果的。
因此，我非常怀疑对已经存在的数据（实际上已经具有所有测量结果）利用压缩感知的实现是否会产生比最佳结果更好的压缩比。
现在，话虽如此，压缩感知还涉及选择测量的子集，该子集将在解压缩时重现与原始结果类似的结果，但可能缺少一些细节，仅仅是因为您选择了该子集。因此，您确实可以产生比最佳结果更好的压缩比，但代价是损失更多的细节。我不知道这是否比简单地丢弃更多系数的 jpeg 压缩算法更好。
此外，如果利用压缩感知的图像压缩实现可以减少从原始位图数据压缩图像所需的时间，那么在所用时间是一个昂贵因素的情况下，这可能会给它带来一些吸引力，但细节水平不是。例如。
从本质上讲，如果您必须以速度换取结果质量，那么压缩传感实现可能值得研究。我还没有看到它的广泛使用，所以有人告诉我这不值得，但我可能是错的。
我不知道你为什么提出图像搜索，但我不明白压缩算法如何帮助图像搜索，除非你会以某种方式使用压缩数据来搜索图像。这可能不会达到您想要的与图像搜索相关的效果，因为您经常搜索包含某些视觉模式但并非 100% 相同的图像。