基于哈达玛矩阵的渐进式压缩感知重建方法和系统技术方案

本发明专利技术涉及一种基于哈达玛矩阵的渐进式压缩感知重建方法和系统，包括：将原始哈达玛矩阵作为低阶哈达玛矩阵，将低阶哈达玛矩阵中的行数据转换为第一观测矩阵，利用第一观测矩阵对原始图像进行压缩感知采样，获得原始图像的低阶测量值，并将根据低阶测量值生成的重建图像实时输出给用户进行查看；对低阶哈达玛矩阵进行迭代处理，得到高阶哈达玛矩阵，将高阶哈达玛矩阵中的行数据转换为第二观测矩阵，并利用第二观测矩阵对原始图像进行压缩感知采样，获得原始图像的高阶测量值，并将根据高阶测量值生成的重建图像实时输出给用户进行查看。有此可实时查看图像重建效果，使用户直观感受图像压缩结果，以采样率最少的采样数据，达到预期图像压缩效果。

The progressive compressed sensing reconstruction method and system based on Hadamard matrix

The invention relates to a progressive compressed sensing reconstruction method and system based on Hadamar matrix including: the original Hadamar matrix as low order Hadamar matrix, converting the data for low order Hadamar matrix for the first observation matrix, the original image is compressed sensing sampling using the first observation matrix, low order measurement of original image is obtained the value and the measured value according to the low order output real-time reconstruction image generation to the user to view; the low order Hadamar matrix iterative processing, high order Hadamar matrix, line data of high order Hadamar matrix conversion of the second observation matrix, and the original image compressed sensing using second sample observation matrix, high in order to obtain measurement value of the original image, and according to the high order measurement output real-time reconstruction image generation to the user view. In this way, we can see the effect of image reconstruction in real time, so that users can feel the image compression results intuitively, and achieve the desired image compression effect with the lowest sampling data.

【技术实现步骤摘要】
基于哈达玛矩阵的渐进式压缩感知重建方法和系统
本专利技术涉及计算机图像采集和处理领域，特别涉及一种基于哈达玛矩阵的渐进式压缩感知重建方法和系统。
技术介绍
近年来计算机技术高速发展，数据和信息也改变着人们的生活方式，随着数据的爆炸式增长，对数据的压缩存储就有了更改的要求，根据经典的香农Nyquist采样定律，如果想要无失真恢复原始信号，那么信号采样频率至少需要是原始信号带宽的2倍。这一采样定律始终限制着对信号的压缩，但是在稀疏信号上，压缩感知理论突破了这一采样定律，使得本专利技术能够利用极少量的采样数据就能够高质量的恢复原始信号。压缩感知理论主要依据信号稀疏性的假设，自然界中人们可以理解的信号都具有一定的规律性，例如图像通常是连续变化的，而不是杂乱无章的噪声。这一规律性表现在数学上就是通过某一变换基变换后大多数系数都近似于0，所以压缩感知基本理论如下公式：AX＝B其中A为m*N的变换矩阵，X是N维原始信号，信号X与A作用得到m维测量值B，通常m远小于N，那么N维的信号X就被压缩成了m维的信号B。但也正是由于m远小于N，这一问题的求解也就成了欠定方程组求解的问题，此类方程组的求解是非常困难的，这也正是压缩感知算法求解时间长的原因。如上所述，压缩感知问题的求解难度非常大，求解原始信号X通常需要较长的时间，但这些还可以通过计算机硬件对算法进行加速来满足，随着计算性能和算法的优化，这一问题难度会逐渐减弱。目前影响压缩感知快速发展的主要原因是收到采集设备的影响，采样速度不会特别的快，例如在图像采集上，为了采集1920x1080图像的10％的数据，需要采集207360个数据，收到空间光调制器和放大器速度的影响，采集需要的时间远远的要大于算法计算的时间。而且在这个采集与重建过程中，如果采集的信号质量有问题，传统方法并不能快速的发现，需要重新采集，就会花费更多的时间。因此，本专利技术提出了一种高分辨率图像利用低分辨率数据进行渐进式重建的方法，这种方法在重建高分辨率图像的时候利用到了低分辨率的历史信息，让图像分辨率有一种渐进式的增长，快速的发现图像的问题。现有采用压缩感知成像技术来进行图像采集的方案，首先利用哈达玛矩阵来生成待测分辨率图像的观测矩阵图片，如图1所示。然后将这组观测矩阵上传到空间光调制器上，例如液晶。然后利用提前设计好的光路，待测场景中的光线通过空间光调制器上的观测矩阵，汇集到感光元器件上，例如光电二极管，得到一组观测矩阵的测量值，最后利用压缩感知图像恢复算法恢复出采集的场景图片。现有技术方案下测量值采集是顺序获得的，这样对于指定的采样率图像，需要采集完成以后才能重建出图像，观察采集效果。现有方案的缺点包括：1、图像采集时间长，不确定性较大。现有技术正是利用以上的方法对图像进行压缩重建的，对于较大分辨率的图像，采集需要非常长的时间，例如一张高清的图像可能需要几个小时来采集。这样如果采集的图像不理想，就会耗费很多的时间；2、很难指定较好的采样率。对于现实中的一些场景，人们很难指定一组分辨率和采样率来获得一组采样率低而且图像质量满足要求的测量值，例如对于复杂场景，本专利技术可能需要高的分辨率和采样率，对于简单场景本专利技术可能需要相反。所以需要一种渐进的方法，能够渐进的获得图像质量，这样就能在满足质量要求的情况下，获得较低的采样率。
技术实现思路
为了解决上述技术问题，本专利技术目的在于解决压缩感知采集高分辨率图像时间长，不能实时监控图像采集质量，同时也不能更好的额控制采样率的问题，提出了一种基于哈达玛矩阵特性的渐进式压缩感知成像的重建方法。具体地说，本专利技术公开了一种基于哈达玛矩阵的渐进式压缩感知重建方法，其中包括：步骤1、获取原始哈达玛矩阵和原始图像，将该原始哈达玛矩阵作为低阶哈达玛矩阵，将该低阶哈达玛矩阵中的行数据转换为第一观测矩阵，并利用该第一观测矩阵对该原始图像进行压缩感知采样，获得该原始图像的低阶测量值，并将根据该低阶测量值生成的重建图像实时输出给用户进行查看；步骤2、对该低阶哈达玛矩阵进行迭代处理，得到高阶哈达玛矩阵，将该高阶哈达玛矩阵中的行数据转换为第二观测矩阵，并利用该第二观测矩阵对该原始图像进行压缩感知采样，获得该原始图像的高阶测量值，并将根据该高阶测量值生成的重建图像实时输出给用户进行查看。该基于哈达玛矩阵的渐进式压缩感知重建方法，其中该步骤2还包括：为低阶哈达玛矩阵的行数据寻找其在高阶哈达玛矩阵中的对应行数据，并在根据该对应行数据对该原始图像进行压缩感知重建时，直接调用低阶哈达玛矩阵的行数据对应的测量值，作为该对应行数据的测量值。该基于哈达玛矩阵的渐进式压缩感知重建方法，其中该对应行数据的寻找方法具体为：其中w为低阶哈达玛矩阵中行数据的长或宽，W为高阶哈达玛矩阵中行数据的长或宽，a(i)为低阶哈达玛矩阵中的第i行，且式中所有除法得到的结果只取整数部分。该基于哈达玛矩阵的渐进式压缩感知重建方法，其中该步骤2为循环步骤，直到该高阶测量值的重建图像达到用户需求，停止运算，输出该该高阶测量值的重建图像。该基于哈达玛矩阵的渐进式压缩感知重建方法，其中步骤1中该原始哈达玛矩阵的阶数为4阶。本专利技术还提出一种基于哈达玛矩阵的渐进式压缩感知重建系统，其中包括：第一采样模块，用于获取原始哈达玛矩阵和原始图像，将该原始哈达玛矩阵作为低阶哈达玛矩阵，将该低阶哈达玛矩阵中的行数据转换为第一观测矩阵，并利用该第一观测矩阵对该原始图像进行压缩感知采样，获得该原始图像的低阶测量值，并将根据该低阶测量值生成的重建图像实时输出给用户进行查看；第二采样模块，用于对该低阶哈达玛矩阵进行迭代处理，得到高阶哈达玛矩阵，将该高阶哈达玛矩阵中的行数据转换为第二观测矩阵，并利用该第二观测矩阵对该原始图像进行压缩感知采样，获得该原始图像的高阶测量值，并将根据该高阶测量值生成的重建图像实时输出给用户进行查看。该基于哈达玛矩阵的渐进式压缩感知重建系统，其中该第二采样模块还用于为低阶哈达玛矩阵的行数据寻找其在高阶哈达玛矩阵中的对应行数据，并在根据该对应行数据对该原始图像进行压缩感知重建时，直接调用低阶哈达玛矩阵的行数据对应的测量值，作为该对应行数据的测量值。该基于哈达玛矩阵的渐进式压缩感知重建系统，其中该对应行数据的寻找通过以下公式：其中w为低阶哈达玛矩阵中行数据的长或宽，W为高阶哈达玛矩阵中行数据的长或宽，a(i)为低阶哈达玛矩阵中的第i行，且式中所有除法得到的结果只取整数部分。该基于哈达玛矩阵的渐进式压缩感知重建系统，其中该第二采样模块为循环模块，直到该高阶测量值的重建图像达到用户需求，停止运算，输出该该高阶测量值的重建图像。该基于哈达玛矩阵的渐进式压缩感知重建系统，其中第一采样模块中该原始哈达玛矩阵的阶数为4阶。本专利技术的技术效果包括：1.利用哈达玛矩阵的特点进行渐进式的压缩感知图像重建，可以实时的查看图像重建的效果；2.根据实时重建的图像质量，可以获得一组满足质量要求的采样率最少的采样数据，达到更好的图像压缩效果。由此本专利技术在现有压缩感知成像技术的基础上，通过将哈达玛矩阵中的行数据转换为观测矩阵设计了特殊的测量矩阵，该测量矩阵根据图像不同区域的显著性，设计不同尺寸大小的像素点，使得在采样阶段以较少的采样获得相同细节质量的图像，有效的降低了采样率。附图说本文档来自技高网...

【技术保护点】
一种基于哈达玛矩阵的渐进式压缩感知重建方法，其特征在于，包括：步骤1、获取原始哈达玛矩阵和原始图像，将该原始哈达玛矩阵作为低阶哈达玛矩阵，将该低阶哈达玛矩阵中的行数据转换为第一观测矩阵，并利用该第一观测矩阵对该原始图像进行压缩感知采样，获得该原始图像的低阶测量值，并将根据该低阶测量值生成的重建图像实时输出给用户进行查看；步骤2、对该低阶哈达玛矩阵进行迭代处理，得到高阶哈达玛矩阵，将该高阶哈达玛矩阵中的行数据转换为第二观测矩阵，并利用该第二观测矩阵对该原始图像进行压缩感知采样，获得该原始图像的高阶测量值，并将根据该高阶测量值生成的重建图像实时输出给用户进行查看。

【技术特征摘要】
1.一种基于哈达玛矩阵的渐进式压缩感知重建方法，其特征在于，包括：步骤1、获取原始哈达玛矩阵和原始图像，将该原始哈达玛矩阵作为低阶哈达玛矩阵，将该低阶哈达玛矩阵中的行数据转换为第一观测矩阵，并利用该第一观测矩阵对该原始图像进行压缩感知采样，获得该原始图像的低阶测量值，并将根据该低阶测量值生成的重建图像实时输出给用户进行查看；步骤2、对该低阶哈达玛矩阵进行迭代处理，得到高阶哈达玛矩阵，将该高阶哈达玛矩阵中的行数据转换为第二观测矩阵，并利用该第二观测矩阵对该原始图像进行压缩感知采样，获得该原始图像的高阶测量值，并将根据该高阶测量值生成的重建图像实时输出给用户进行查看。2.如权利要求1所述的基于哈达玛矩阵的渐进式压缩感知重建方法，其特征在于，该步骤2还包括：为低阶哈达玛矩阵的行数据寻找其在高阶哈达玛矩阵中的对应行数据，并在根据该对应行数据对该原始图像进行压缩感知重建时，直接调用低阶哈达玛矩阵的行数据对应的测量值，作为该对应行数据的测量值。3.如权利要求2所述的基于哈达玛矩阵的渐进式压缩感知重建方法，其特征在于，该对应行数据的寻找方法具体为：其中w为低阶哈达玛矩阵中行数据的长或宽，W为高阶哈达玛矩阵中行数据的长或宽，a(i)为低阶哈达玛矩阵中的第i行，且式中所有除法得到的结果只取整数部分。4.如权利要求1所述的基于哈达玛矩阵的渐进式压缩感知重建方法，其特征在于，该步骤2为循环步骤，直到该高阶测量值的重建图像达到用户需求，停止运算，输出该该高阶测量值的重建图像。5.如权利要求1所述的基于哈达玛矩阵的渐进式压缩感知重建方法，其特征在于，步骤1中该原始哈达玛矩阵的阶数为4阶。6.一种基于哈达玛矩...

【专利技术属性】
技术研发人员：代锋，马宜科，赵强，张勇东，李宏亮，
申请(专利权)人：中国科学院计算技术研究所，
类型：发明
国别省市：北京,11