【技术实现步骤摘要】
本专利技术涉及计算机视觉的，尤其涉及一种自适应采样和重建的图像压缩感知方法，以及一种自适应采样和重建的图像压缩感知装置。
技术介绍
1、图像压缩感知是图像处理和计算机视觉中的一项基本且关键的任务。在图像压缩感知中，首先使用线性随机变换对目标信号同时进行采样和压缩，然后可以使用远低于奈奎斯特采样率所需的观测值来重建原始信号。采样矩阵的构造是获得原始信号的内在结构的一个重要关键。将通常设为随机高斯矩阵、泊松矩阵或托普利茨矩阵，对每个图像分量进行均匀采样，可以准确地重建信号。的高质量重构的另一个关键是重建方法，传统的基于优化的重建方法通常利用一些图像先验信息，如小波域的结构稀疏性作为目标函数中的正则化项，然后求解稀疏正则化优化问题。虽然基于优化的重构方法能够获得令人满意的重构结果，但由于其对复杂多样的信号成分缺乏适应性，其性能仍有很大的提升空间。此外，传统优化方法通过迭代步骤求解优化问题还存在着计算复杂度较高、重建时间长等问题。
2、近年来，利用神经网络强大的学习和计算能力，基于深度学习的压缩感知方法能够直接学习从信号观测域到原始...
【技术保护点】
1.自适应采样和重建的图像压缩感知方法，其特征在于：该方法包括以下步骤：
2.根据权利要求1所述的自适应采样和重建的图像压缩感知方法，其特征在于：所述步骤(1)包括以下分步骤：
3.根据权利要求2所述的自适应采样和重建的图像压缩感知方法，其特征在于：所述步骤(3)中，变量z和θ在公式(10)的最小化过程中被耦合在一起，同时求解它们是难以处理的，因此将公式(10)划分为两个子问题：θ子问题和z子问题。
4.根据权利要求3所述的自适应采样和重建的图像压缩感知方法，其特征在于：所述步骤(3)中，z子问题等价于求解以下优化问题：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。