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 ...
【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
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。