一种基于压缩感知的实用型图像恢复系统及方法技术方案

本发明专利技术公开了一种基于压缩感知的实用型图像恢复系统及方法，压缩感知CS(Compressive Sensing)作为一个新的采样理论，突破了传统香农采样定理的限制，在远小于Nyquist采样率的条件下，通过采样获取的少量离散样本完美的重建原信号，一经提出，就引起了学术界和工业界的广泛关注。在压缩感知利用贪婪算法进行稀疏信号恢复时，稀疏度未知或其精确度大大影响了恢复效果，阻碍了压缩感知算法在实践中的应用，而且算法迭代过程中，停止条件的优劣往往对于算法的效率起着关键的作用。本发明专利技术通过计算此稀疏度被选为最优稀疏度的频率或次数，来决定算法是否停止，即出现的频数大，是最优稀疏度的概率就大，当达到设定的频数时即为找到最优稀疏度，算法终止迭代。

【技术实现步骤摘要】
一种基于压缩感知的实用型图像恢复系统及方法
本专利技术涉及图像恢复
，具体为一种基于压缩感知的实用型图像恢复系统及方法。
技术介绍
现有的贪婪恢复算法需已知的稀疏度，无法推广到实际应用，如正交匹配追踪算法OMP(OrthogonalMatchingPursuit)，压缩采样匹配追踪(CoSaMP，CompressiveSamplingMatchingPursuit)与子空间追踪SP(SubpacePursuit)都需要已知的稀疏度，自适应稀疏度匹配追踪算法SAMP(SparsityAdaptiveMatchingPursuit)不需要稀疏度，但增加了新的参数，造成在实际应用中可操作性差，所以设计一种便捷，用时短和图像恢复能力强的系统和方法是很有必要的。
技术实现思路
本专利技术的目的在于提供一种基于压缩感知的实用型图像恢复系统及方法，以解决上述
技术介绍
中提出的问题。为实现上述目的，本专利技术提供如下技术方案：一种基于压缩感知的实用型图像恢复系统包括5个模块；该系统包括图像压缩采样模块、测量矩阵模块、稀疏重建模块、图像重构模块和模拟实现模块；其中各模块功能如下：图像压缩采样模块：用于本文档来自技高网...

【技术保护点】
1.一种基于压缩感知的实用型图像恢复系统，其特征在于：包括图像压缩采样模块、测量矩阵模块、稀疏重建模块、图像重构模块和模拟实现模块，所述图像压缩采样模块用于对目标图像进行少量采样(约1/8‑1/4)，所述测量矩阵模块用于设计满足约束等距特性RIP(Restricted Isometry Property)的矩阵，所述稀疏重建模块在确定稀疏度的情况下，通过测量矩阵与采样信号的线性变换，将采样图像信号投影到一维空间，所述图像重构模块进行目标函数的优化，利用贪婪算法求得近似解，所述模拟实现模块在获取重构原信号后，实现图像的恢复。

【技术特征摘要】
1.一种基于压缩感知的实用型图像恢复系统，其特征在于：包括图像压缩采样模块、测量矩阵模块、稀疏重建模块、图像重构模块和模拟实现模块，所述图像压缩采样模块用于对目标图像进行少量采样(约1/8-1/4)，所述测量矩阵模块用于设计满足约束等距特性RIP(RestrictedIsometryProperty)的矩阵，所述稀疏重建模块在确定稀疏度的情况下，通过测量矩阵与采样信号的线性变换，将采样图像信号投影到一维空间，所述图像重构模块进行目标函数的优化，利用贪婪算法求得近似解，所述模拟实现模块在获取重构原信号后，实现图像的恢复。2.一种基于压缩感知的实用型图像恢复系统，包括四个实施步骤：获取图像信息、测量矩阵变换、获取重构原信号和恢复图像，各步骤特征如下：步骤一即获取图像信息，其特征在于：通过图像压缩采样，获取图像的部分信息，建议采样信号可以是原信号的1/8-1/4；步骤二即测量矩阵变换，其特征在于：具体是设计满足约束等距特性RIP的测量矩阵，即保证测量矩阵与信号稀疏基之间不相关性，在稀疏度确定的情况下，将采样信号与测量矩阵的逆矩阵作相乘的线性变换，得到原信号的稀疏信号；步骤三即获取重构原信号，其特征在于：即求解一个优化问题，在不改变目标函数的情况下，利用贪婪算法近似求解0范数问题；步骤四即恢复图像，其特征在于：在重构的原信号后，进行图像的整体恢复。3.一种基于压缩感知的实用型图像恢复方法，其特征在于...

【专利技术属性】
技术研发人员：郭慧娟，胡涛涛，申锦涛，郭宇星，赵力丹，郝盛楠，
申请(专利权)人：太原师范学院，
类型：发明
国别省市：山西,14