图像压缩感知方法、恢复方法、设备、系统及存储介质技术方案

本发明专利技术公开了一种图像压缩感知方法、恢复方法、设备、系统及存储介质。该图像压缩感知方法包括：获取原始图像，将原始图像划分为多个图像块；基于可伸缩的基准采样矩阵获得与目标采样率对应的实际采样矩阵；利用所述实际采样矩阵对图像块进行采样获得所述图像块的压缩感知数据。通过可伸缩的基准采样矩阵能够获得对应不同采样率的采样矩阵，实现了压缩感知端仅需存储基准采样矩阵就能对原始图像进行不同采样率采样，极大地节省了存储开销和提高了采样的灵活性。采样的灵活性。采样的灵活性。

【技术实现步骤摘要】
图像压缩感知方法、恢复方法、设备、系统及存储介质


[0001]本专利技术涉及图像处理领域，特别是涉及一种图像压缩感知方法、恢复方法、设备、系统及存储介质。

技术介绍

[0002]传统的信号处理以奈奎斯特采样定理为基础，首先对信号采样，随后进行压缩，用于之后的传输、存储等操作。压缩感知的出现提供了一种新的信号获取与重构的方法，与传统的信号处理过程不同，压缩感知在对信号进行采样的同时进行压缩，并且能够以远小于奈奎斯特采样率的采样率恢复出原始信号。压缩感知技术因其本身独特的性质，在许多领域中获得了广泛的应用，如磁共振成像、认知无线电通信、遥感成像、单像素成像等。
[0003]压缩感知的研究主要集中在三个方面：稀疏表示，采样矩阵设计，以及恢复算法设计。压缩感知的基本前提是信号具有稀疏性或在某个变换域中具有稀疏性，因此信号稀疏表示对于压缩感知的研究具有重要意义。采样矩阵用于压缩感知的采样过程，常用的采样矩阵包括高斯随机矩阵、伯努利随机矩阵、结构随机矩阵、托普利兹矩阵、循环矩阵等。压缩感知的恢复算法主要分为传统的基于模型优化的恢复算法以及基于深度网本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种图像压缩感知方法，其特征在于，包括：获取原始图像，将原始图像划分为多个图像块；基于可伸缩的基准采样矩阵获得与目标采样率对应的实际采样矩阵；利用所述实际采样矩阵对图像块进行采样获得所述图像块的压缩感知数据。2.如权利要求1所述的图像压缩感知方法，其特征在于，所述基于基准采样矩阵获得与目标采样率对应的实际采样矩阵具体包括：从基准采样矩阵中选取部分行作为实际采样矩阵，实际采样矩阵的总行数与基准采样矩阵的总行数之比与目标采样率与所述基准采样矩阵对应的采样率之比相等。3.如权利要求1或2所述的图像压缩感知方法，其特征在于，所述基准采样矩阵通过采样矩阵生成网络多次迭代训练获得。4.如权利要求3所述的图像压缩感知方法，其特征在于，进行多轮训练获取基准采样矩阵，具体包括：在每轮训练中，设置采样隐变量，进行多次迭代训练直到达到预设的第一预设条件，在每次迭代训练中执行：将采样隐变量输入采样矩阵生成网络，将采样矩阵生成网络的输出矩阵的预设行叠加入上一轮训练获得的基准采样矩阵中获得新的基准采样矩阵，基于新的基准采样矩阵和训练样本集计算第一损失，更新采样矩阵生成网络的网络参数和采样隐变量；当本轮训练获得的基准采样矩阵的行数小于等于预设的行数阈值时，进入下一轮训练，否则结束训练，将本轮训练获得的基准采样矩阵作为最终的基准采样矩阵。5.一种图像压缩感知设备，其特征在于，包括：压缩感知端获取模块，用于获取原始图像，并将原始图像划分为多个图像块；实际采样矩阵获取模块，用于基于可伸缩的基准采样矩阵获得与目标采样率对应的实际采样矩阵；压缩感知模块，利用所述实际采样矩阵对图像块进行采样获得所述图像块的压缩感知数据。6.一种图像恢复方法，其特征在于，包括：获取原始图像的压缩感知数据和对原始图像进行采样的实际采样矩阵；设置尺寸与原始图像一致的恢复隐变量；进...

【专利技术属性】
技术研发人员：仲元红，张晨旭，祝如越，孙树海，张艺，
申请(专利权)人：重庆大学，
类型：发明
国别省市：