压缩感知学习（一）：压缩感知的起源

本文是我在尝试学习压缩感知的过程当中记录下的一些好玩的有趣的内容，本人乃是菜鸟一枚，如有不对还请批评指正！

1、压缩感知的建立者
     压缩感知体系是由四位大牛建立起来的，分别是Emmanuel Candes、Justin Romberg、Terence  Tao、和David Donoho。了解一下这些大牛，拉近一下和他们之间的距离，看文章的时候也会感觉更亲切一点



。

	Emmanuel Candes 法国人 博士毕业于斯坦福大学 ridgelet脊波变换和curvelet变换的创始人 研究领域： 数学分析、优化算法、统计估测、医疗影像科学信号处理 目前工作： 斯坦福大学数学与统计专业和电子工程系荣誉教授、计算数学领域教授
	Justin Romberg 佐治亚理工学院
	Terence Tao（陶哲轩） 澳籍华裔 2006年菲尔兹数学奖得主 研究领域： 调和分析、偏微分方程、组合数学、解析数论和表示论 目前工作： 加利福尼亚大学洛杉矶分校教授，终身数学教授 （童年时就天资聪颖，被称为当代最聪明的人之一）
	David Donoho 美国斯坦福大学统计学资深教授 研究领域： 多维数据的高效降维、小波在降噪方面的应用、优化算法 美国艺术和科学院院士、联邦科学院院士

      大家也许会感到奇怪，这四个人怎么会凑到一块研究压缩感知理论呢？这是有原因的。Emmanule Candes是David Donoho 的学生，Justin Romberg又是Emmanuel Candes的学生，Terence Tao曾经是Emmanule Candes的同时，在同一所大学里面教书。所以说，他们四个人走到一块建立压缩感知理论也是有原因的。

2、压缩感知的缘起
     伟大的发现往往都来自于意外的结果，压缩感知理论的发现也是如此。故事是这样的:
2004年2月的一天，Emmanuel Candes在自己的电脑上看着Shepp-Logan图像，然后尝试着把一个严重失真的图像重建成一幅清晰一些的图像，这幅图像主要是模拟由于核磁共振成像仪不能长时间精细扫描而产生的模糊图像。当时，他尝试使用L1范数最小化的算法来实现这个目的。在实验中，他的本意是想把模糊的图像变得清晰一些，但是他意外的发现用残缺的采样数据竟然可以重建出毫无缺陷的图像，即重建图像和原图没有任何差别。
他感到很困惑，又觉得很神奇，正如他在多次报告中所说的那样：“这就好像你给我十位银行账号的前三位，然后我能够猜出接下来的七位数字。”他尝试在不同模型图像上重新进行这个实验，结果都非常好。Emmanuel Candes百思不得其解，而后想Terence Tao请教，于是Terence Tao也开始思考这个问题，这也就成为两人合作的压缩感知领域的第一篇论文的基础。同时David Honoho也开始研究这个有趣的问题。在这些科研人员的强强联合下，构建出了整套完美的压缩感知理论。

特别说明：本文内容来源于《压缩感知浅析》——作者：李峰