一种非稀疏图像压缩感知盲重建的方法技术

本发明专利技术公开了一种非稀疏图像压缩感知盲重建的方法，该方法包括：设置一稀疏左乘变换矩阵W对图像数据X进行稀疏左乘变换：则Y＝ΦX＝ΦW-1WX＝Φ'WX＝Φ'X'；其中，W-1为左乘变换矩阵W的逆变换且为稀疏实矩阵；Φ'＝ΦW-1，Φ'的列向量为Φ列向量的线性组合；若图像数据X为非稀疏图像数据，则能够采用Φ'并结合匹配追踪类算法得到稀疏左乘变换后的数据X'，从而恢复出变换前图像数据X，实现非稀疏图像压缩感知盲重建。通过采用本发明专利技术公开的方法，提高了计算效率，可实现某些应用中的实时性要求，并对原始投影图像没有稀疏度要求，大大提高系统的适用范围。

【技术实现步骤摘要】

本专利技术涉及压缩感知应用
，尤其涉及一种非稀疏图像压缩感知盲重建的 方法。
技术介绍
匹配追踪类算法（贪婪算法）和凸优化算法是压缩感知的两大类典型算法，前者 算法效率高，但对数据稀疏度有较高要求；后者同等条件下可取得较好的重建质量，但算法 相当耗时。 因此，对压缩感知应用
的相关方案进行改进，使其可以提高算法的速度、 克服对稀疏度的苛刻限制且适用于非稀疏图像成为如今的研宄重点。
技术实现思路
本专利技术的目的是提供，提高了计算效率， 可实现某些应用中的实时性要求，并对原始投影图像没有稀疏度要求，大大提高系统的适 用范围。 本专利技术的目的是通过以下技术方案实现的： ，该方法包括： 设置一稀疏左乘变换矩阵W对图像数据X进行稀疏左乘变换：【主权项】1. ，其特征在于，该方法包括： 设置一稀疏左乘变换矩阵W对图像数据X进行稀疏左乘变换： ^' -WX^X=W'X'=W'WX，则其压缩感知投影Y表示为Y=OX=owlx= 0'wx= 0'X' ；其中，为左乘变换矩阵W的逆变换且为稀疏实矩阵；〇)' =ow'd)'的 列向量为?列向量的线性组合； 若图像数据X为非稀疏图像数据，则能够采用〇'并结合匹配追踪类算法得到稀疏左 乘变换后的数据X'，从而恢复出变换前图像数据X，实现非稀疏图像压缩感知盲重建。2. 根据权利要求1所述的方法，其特征在于，所述图像数据X为一维列向量数据，若为 二维图像阵列，则通过重排得到对应的一维列向量数据。3. 根据权利要求1所述的方法，其特征在于， 左乘变换矩阵W与其逆变换矩阵F1均通过矩阵左乘的形式实现，其包括： 在一级变换情况下，左乘变换矩阵矩阵W表示为行变换和列变换的形式:W=WeWK，W。和WK均为一维变换，其中的1/2抽样通过稀疏变换矩阵相邻行的滤波器系数移位实现； 逆变换矩阵F1表示为行变换和列变换的形式:W<=W'W、，其插值通过将滤波器系数 分为两个系数序列，分别形成稀疏变换矩阵W'或WA的相邻两行来实现。4. 根据权利要求3所述的方法，其特征在于， 当左乘变换矩阵W与其逆变换矩阵F1用于多尺度几何变换时，左乘变换矩阵W与其逆 变换矩阵F1除了采用水平和垂直方向上的行变换和列变换外，还包括其他方向的变换； 对于n个方向变换，左乘变换矩阵W表示为W=WdlWd2. . . ，逆变换矩阵r1表示为F1 =w、? ? ?W5. 根据权利要求3所述的方法，其特征在于， 当左乘变换矩阵W与其逆变换矩阵F1用于提升小波变换时，在通过矩阵左乘的形式构 造左乘变换矩阵W与其逆变换矩阵F1时，还增加了Lazy小波变换环节，同时增加了预测和 更新系数矩阵的构造方法。6. 根据权利要求1或2所述的方法，其特征在于，利用稀疏左乘变换矩阵W对图像数 据X进行稀疏左乘变换时，还包括边缘效应的处理方法：对图像数据的列和行分别进行边 缘处理，在数据向量中，间隔增加边缘数据点。【专利摘要】本专利技术公开了，该方法包括：设置一稀疏左乘变换矩阵W对图像数据X进行稀疏左乘变换：则Y＝ΦX＝ΦW-1WX＝Φ'WX＝Φ'X'；其中，W-1为左乘变换矩阵W的逆变换且为稀疏实矩阵；Φ'＝ΦW-1，Φ'的列向量为Φ列向量的线性组合；若图像数据X为非稀疏图像数据，则能够采用Φ'并结合匹配追踪类算法得到稀疏左乘变换后的数据X'，从而恢复出变换前图像数据X，实现非稀疏图像压缩感知盲重建。通过采用本专利技术公开的方法，提高了计算效率，可实现某些应用中的实时性要求，并对原始投影图像没有稀疏度要求，大大提高系统的适用范围。【IPC分类】G06T11-00【公开号】CN104809749【申请号】CN201510214491【专利技术人】倪林 【申请人】中国科学技术大学【公开日】2015年7月29日【申请日】2015年4月29日本文档来自技高网...

【技术保护点】
一种非稀疏图像压缩感知盲重建的方法，其特征在于，该方法包括：设置一稀疏左乘变换矩阵W对图像数据X进行稀疏左乘变换：则其压缩感知投影Y表示为Y＝ΦX＝ΦW‑1WX＝Φ'WX＝Φ'X'；其中，W‑1为左乘变换矩阵W的逆变换且为稀疏实矩阵；Φ'＝ΦW‑1，Φ'的列向量为Φ列向量的线性组合；若图像数据X为非稀疏图像数据，则能够采用Φ'并结合匹配追踪类算法得到稀疏左乘变换后的数据X'，从而恢复出变换前图像数据X，实现非稀疏图像压缩感知盲重建。

【技术特征摘要】

【专利技术属性】
技术研发人员：倪林，
申请(专利权)人：中国科学技术大学，
类型：发明
国别省市：安徽;34