一种基于压缩感知观测矩阵分割减小关联成像计算开销的方法技术

本发明专利技术公开了一种基于压缩感知观测矩阵分割减小关联成像计算开销的方法，包括：将实验获得的关联成像测量数据利用压缩感知算法进行图像重构；针对重构成像需要大量的数据，导致进行压缩感知运算时出现的内存溢出问题，尝试将压缩感知进行优化并解决问题。实验结果表明：该方法可以有效的减少压缩感知重构算法中的内存溢出问题，并且能够成功的重构出所需的图像。

A Compressed Sensing Observation Matrix Partitioning Method for Reducing the Computational Overhead of Associated Imaging

【技术实现步骤摘要】
一种基于压缩感知观测矩阵分割减小关联成像计算开销的方法
本专利技术属于基于压缩感知的关联成像领域，特别涉及一种压缩感知对内存的优化方法。
技术介绍
关联成像是近年来兴起的一种新型的成像方式，其基于光场的二阶甚至高阶关联信息，通过两个或者多个探测器进行符合测量，实现待测目标的关联重构。关联成像技术因其特殊的非定域成像性质及其优秀的抗噪声性能吸引了大量研究者的关注。关联成像装置结构简单，具有一定的超分辨能力，所以拥有着非常广阔的应用前景。但是在关联成像中想获得较高质量的重构图像，就必须要采集大量的实验数据，并且耗时较长。这样会导致后期的解算工作量偏大，而这也是关联成像发展所面临的巨大挑战。而压缩感知进入了研究者的视线，压缩感知能够在一定程度上缓解这一个问题。压缩感知弥补了原有关联成像在信号采集处理技术中需要大量的数据采集的缺陷。压缩感知只需要比传统奈奎斯特采样处理数据量较少的采样数据量就可以非常快速并且准确的恢复原始信号，提高了信息的处理速度。虽然如此，但是压缩感知应用在大量关联成像数据处理时同样面临着对内存需求较大的问题，这也是亟待解决的问题。
技术实现思路
本专利技术的目的是克服现有技术中存在的不足，提供一种压缩感知在关联成像重构时需要大量内存的问题的优化方法。本专利技术提供的技术方案为：一种压缩感知应用在关联成像的优化方法，包括：根据需求将压缩感知的A矩阵进行纵向选列，并进行压缩感知图像重构；根据需求将压缩感知的A矩阵进行横向选行，并进行压缩感知图像重构。进行关联成像实验，获得图像重构所需的每一帧参考臂光场，并获得对应的bucket数据；将第一帧的参考臂光场进行读取，得到一个M*M的光场强度矩阵；将光场强度矩阵顺时针旋转90°，得到旋转后的光场强度矩阵；优选的是，所得到的结果将进行A矩阵的纵向的选列。具体包括：将旋转后的光场强度矩阵经过reshape操作变成一个包含M*N个元素的一维数组；根据需求截取一维数组中的连续P*N个元素(旋转后的光强矩阵的连续P行)；将截取到的一维数组进行reshape操作，重组为P*N的光场强度矩阵；将得到的光场强度矩阵进行遍历并将其写入新的文件中；对每一帧参考臂光场矩阵均进行相同的操作并按照序号写入对应的新的文件中；优选的是，压缩感知的A矩阵纵向选列后进行压缩感知图像重构，如何进行A矩阵的构建，具体包括：将处理后的光场强度矩阵文件进行逐帧读取；将第一帧光场读取得到P*N的光场矩阵进行reshape操作，将其变成包含P*N个元素的一维数组；构建一个空的A矩阵，并将reshape后的一维数组加入A矩阵作为第一行；继续读取第二帧光场强度矩阵文件，进行reshape后将其作为A矩阵的第二行。进行如上操作直到将所有光场强度矩阵文件全部读取并处理。优选的是，所述的压缩感知图像重构还包括：读取实验测得的bucket数据，并将其做归一化处理，并将A矩阵的每一行均做归一化处理；将归一化处理后的A矩阵和bucket数据进行压缩感知图像重构，即可得到预期的重构图像。优选的是，所述的压缩感知A矩阵横向选行，其特征在于，在进行横向选行之前还包括：读取bucket数据文件，并将其做高斯拟合得到其均值E以及方差σ；将高斯拟合得到的均值E减去n倍的σ得到上限a，将均值E加上n倍的σ得到下限b。优选的是，所述的A矩阵构建及图像重构，其特征在于，对光场强度矩阵文件的处理包括：读取第一帧光场强度矩阵文件，并判断其对应的bucket数值是否小于a或者大于b；若对应bucket数据不满足要求，则舍弃并读取下一帧文件；若对应bucket数据满足要求，则将读取到的M*N的光场矩阵顺时针旋转90°，并将其reshape成包含M*N个元素的一维数组；将一维数组作为A矩阵的第一行，并将其对应的bucket数值作为一维数组bucket0的第一个元素；读取第二帧光场强度矩阵文件，进行同样的判断，若不满足要求则舍弃，满足要求则将其reshape作为A矩阵的第二行，并将其对应的bucket数值作为bucket0的第二个元素；重复如上操作，直到所有光场强度矩阵文件全部读取并且处理。读取重构的一维数组bucket0，并将其做归一化处理，并将A矩阵的每一行均做归一化处理；将归一化处理后的A矩阵和bucket0数据进行压缩感知图像重构，即可得到预期的重构图像。本专利技术至少包括以下有益效果：在取得关联成像实验数据之后，尝试使用压缩感知方法来进行图像的重构。在使用A矩阵的纵向选列方法来实现时，能够根据选取的大小成功重构出理想图像的一部分，并且能够有效的减少计算机读入的数据量，从而减少压缩感知对计算机内存的需求。在使用A矩阵的横向选行方法来实现时，能够得到对图像信息贡献最大的部分光场强度矩阵，并成功重构图像，从而减少压缩感知对计算机内存的需求。附图说明图1为本专利技术所述的一种压缩感知应用在关联成像的优化方法的流程示意图；图2为本专利技术所述的压缩感知A矩阵纵向选列流程示意图；图3说明的是纵向选列后进行实验数据图像重构过程；图4说明的是进行横向选行前对bucket数据的预处理步骤；图5说明的是进行横向选行并图像重构过程；图6.不同n取值实验重构图，n分别取值为1.28，1.07，0.71，0.5，0.35，0.21，0.1；图7.A矩阵选行需要的内存消耗；图8.不同选列的图像重构结果；图9.A矩阵选列需要的内存消耗；图10：不同n取值下对应的选行图像重构信噪比；图11：不同选列操作图像重构信噪比具体实施方式下面将结合本专利技术实施例中的附图,对本专利技术实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本专利技术一部分实施例，而不是全部的实施例。基于本专利技术中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其它实施例，都属于本专利技术保护的范围。为使本专利技术技术方案的优点更加清楚，下面结合附图和实施例对本专利技术作详细说明。如图1所示，本专利技术实施例提供的压缩感知应用在关联成像的优化方法，包括下列步骤：S1、以关联成像实验数据为输入，进行A矩阵的纵向选列，并写入新文件；其中，如图2所示，步骤S1的具体过程为：S11、首先读取一帧关联成像实验参考臂光场，得到M*M的光场强度矩阵；S12、将光场强度矩阵顺时针旋转90°，得到旋转后的光场强度矩阵；S13、将旋转后的光场强度矩阵经过reshape操作变成一个包含M*N个元素的一维数组；S14、根据需求截取一维数组中的连续P*N个元素(旋转后的光强矩阵的连续P行)；S15、将截取到的一维数组进行reshape操作，重组为P*N的光场强度矩阵；S16、将得到的光场强度矩阵进行遍历并将其写入新的文件中；S17、对每一帧参考臂光场矩阵均进行相同的操作并按照序号写入对应的新的文件中；S2、读取新文件进行压缩感知图像重构；其中，如图3所示，步骤S2的具体过程为：S21、构建一个空的A矩阵；S22、将处理后的光场强度矩阵文件进行读取；S23、将第一帧光场读取得到P*N的光场矩阵进行reshape操作，将其变成包含P*N个元素的一维数组；S24、将reshape后的一维数组加入A矩阵作为当前末尾行；S25、判断是否文件读取完毕，若并未读取完毕，则进行下一帧文件读取并重复以上操作，若是读取完毕则进行下一步；S26、读取b本文档来自技高网...

【技术保护点】
1.一种基于压缩感知观测矩阵分割减小关联成像计算开销的方法，其特征在于，包括：根据需求将压缩感知的A矩阵进行分割，并进行压缩感知图像重构。

【技术特征摘要】
1.一种基于压缩感知观测矩阵分割减小关联成像计算开销的方法，其特征在于，包括：根据需求将压缩感知的A矩阵进行分割，并进行压缩感知图像重构。2.如权利要求1所述的压缩感知A矩阵分割并进行图像重构，包括：根据需求将压缩感知A矩阵进行纵向选列，然后进行压缩感知图像重构；根据需求将压缩感知A矩阵进行横向选行，然后进行压缩感知图像重构。3.如权利要求2所述的压缩感知A矩阵纵向选列，其特征在于，在进行压缩感知A矩阵纵向选列之前还包括：进行关联成像实验，获得图像重构所需的每一帧参考臂光场，并获得对应的bucket数据；将第一帧的参考臂光场进行读取，得到一个M*N的光场强度矩阵；将光场强度矩阵顺时针旋转90°，得到旋转后的光场强度矩阵。4.根据权利要求2所述的方法，其得到的结果将进行A矩阵的纵向的选列。具体包括：将旋转后的光场强度矩阵经过reshape操作变成一个包含M*N个元素的一维数组；根据需求截取一维数组中的连续P*N个元素(旋转后的光强矩阵的连续P行)；将截取到的一维数组进行reshape操作，重组为P*N的光场强度矩阵；将得到的光场强度矩阵进行遍历并将其写入新的文件中；对每一帧参考臂光场矩阵均进行相同的操作并按照序号写入对应的新的文件中。5.如权利要求2所述的压缩感知的A矩阵纵向选列后进行压缩感知图像重构，其特征在于，如何进行A矩阵的构建，具体包括：构建一个空的A矩阵；将选列后的光场强度矩阵文件进行逐帧读取；将第一帧光场读取得到P*N的光场矩阵进行reshape操作，将其变成包含P*N个元素的一维数组；将reshape后的一维数组加入A矩阵作为第一行；继续读取第二帧光场强度矩阵文件，进行resha...

【专利技术属性】
技术研发人员：吴国华，曹毅，尹鹏起，李俊晖，尹龙飞，罗斌，
申请(专利权)人：北京邮电大学，
类型：发明
国别省市：北京,11