一种基于压缩感知的图像处理方法及装置制造方法及图纸

本发明专利技术提供一种基于压缩感知的图像处理方法及装置。所述方法包括：S1，对接收到的二维图像的信号进行小波变换和高斯测量矩阵处理，获得所述二维图像的所有列的测量向量和感知矩阵Θ；S2，基于所述二维图像的每一列的测量向量y和感知矩阵Θ，利用稀疏度自适应压缩采样匹配追踪算法对原始信号进行重构，其中原子选择进行正则化处理，迭代过程进行变步长处理，获得所述原始信号的稀疏逼近信号

【技术实现步骤摘要】
一种基于压缩感知的图像处理方法及装置
本专利技术涉及图像处理领域，更具体地，涉及一种基于压缩感知的图像处理方法及装置。
技术介绍
在图像的传输过程中，通常传输之前需要对图像进行采样，然后进行传输。在接收方需要根据采样数据对原始图像进行重构。传统的奈奎斯特理论表明，当采样频率至少为信号带宽的两倍时才可以精确重构原始信号。该方法的缺点是采样率和复杂度太高，并且很多冗余信息在采样后会被丢弃，造成了资源的浪费。针对以上缺点，一种全新的信号处理理论，即压缩感知理论于2006年被提出。对于许多实际信号，例如图像信号，当以某种适当的基函数来表示时，由于其系数大多数接近于零或等于零，因此信号是稀疏或可压缩的。将采样与压缩合并为一个环节，不仅会提高效率，而且也节约了成本。目前已有的压缩感知重构算法中，好多都需要稀疏度作为先验条件，比如正交匹配追踪(OrthogonalMatchingPursuit,OMP)，正则化匹配追踪(RegularizedOrthogonalMatchingPursuit,ROMP)，分段正交匹配追踪(StagewiseOrthogonalMatchingPursuit,StO本文档来自技高网...

【技术保护点】
一种基于压缩感知的图像处理方法，其特征在于，包括：S1，对接收到的二维图像的信号进行小波变换和高斯测量矩阵处理，获得所述二维图像的所有列的测量向量和感知矩阵Θ；S2，基于所述二维图像的每一列的测量向量y和感知矩阵Θ，利用稀疏度自适应压缩采样匹配追踪算法对原始信号进行重构，其中原子选择进行正则化处理，迭代过程进行变步长处理，获得所述原始信号的稀疏逼近信号

【技术特征摘要】
1.一种基于压缩感知的图像处理方法，其特征在于，包括：S1，对接收到的二维图像的信号进行小波变换和高斯测量矩阵处理，获得所述二维图像的所有列的测量向量和感知矩阵Θ；S2，基于所述二维图像的每一列的测量向量y和感知矩阵Θ，利用稀疏度自适应压缩采样匹配追踪算法对原始信号进行重构，其中原子选择进行正则化处理，迭代过程进行变步长处理，获得所述原始信号的稀疏逼近信号S3，基于所述二维图像的所有列的稀疏逼近信号，重构原始二维图像。2.如权利要求1所述的方法，其特征在于，S1中所述感知矩阵Θ通过下式获取：其中，为高斯测量矩阵，ψ为小波变换系数。3.如权利要求1所述的方法，其特征在于，所述S2进一步包括：S2.1，设置初始步长S，令初始余量为所述测量向量y，满足r＝y，通过下式计算相关系数u，并选取大于最大相关系数umax一半的原子索引更新支撑集，u＝{uj|uj＝|<r,Θj>|,j＝1,2,...,N}，其中，uj为余量与原子Θj的内积，Θj为所述感知矩阵Θ的第j列，也称原子；S2.2，当残差rk满足第一迭代停止条件且不满足第二迭代停止条件时，改变步长并更新支撑集，进行下一次迭代，其中符号表示向上取整。4.如权利要求3所述的方法，其特征在于，所述S2.1之前还包括：初始化所述稀疏度自适应压缩采样匹配追踪算法的参数，包括：迭代次数t＝1，初始阶段数k＝1，索引集支撑集大小L＝S，5.如权利要求3所述的方法，其特征在于，所述S2.1之后还包括：合并索引集Λ＝Λ∪F，并通过下式...

【专利技术属性】
技术研发人员：孙娜，刘继文，肖东亮，储汪兵，
申请(专利权)人：中国农业大学，
类型：发明
国别省市：北京,11