一种基于压缩感知的影像两步重构法制造技术

一种基于压缩感知的影像两步重构法，属于压缩感知中重构算法设计和优化技术领域，提供了一种基于线阵推扫数据采集模式的压缩感知影像重构方法。本发明专利技术所述的方法：首先，采用传统的基于l0范数的稀疏信号重构算法重构影像各列；然后，基于测量数据和重构信号各列的方向信息判断各列是否属于确定区域或不确定区域；最后，对属于不确定区域的各列采用适用于可压缩信号的重构算法，实现压缩感知影像重构。本发明专利技术为基于线阵推扫模式的影像高效重构奠定了基础，有着广泛的应用前景。

【技术实现步骤摘要】

本专利技术属于压缩感知
，具体提供了一种基于压缩感知的影像两步重构 法。
技术介绍
压缩感知的数据采集本质就是传统的将高维信号降维处理成低维信号的降维操 作。当前压缩感知研究多是基于一维信号。即使研究图像该种二维信号也多是转化为一维 信号后再作压缩感知研究或基于线阵推扫模式对图像该种二维信号逐列采集然后逐列做 压缩感知研究。图像中有的列属于稀疏信号，有的列属于可压缩信号。对于稀疏信号和可压 缩信号需要采用不同的压缩感知重构算法才能取得更好的重构效果。但是由于基于压缩感 知方法采集影像时列稀疏度的不可预知性，因此无法事后确定对某列采用何种重构算法。 离散信号的本质就是向量，向量包含大小（即信号的能量）和方向两个要素。重 构信号的能量和方向与原始信号越接近，那么信号重构的效果就越好。方向的接近程度可 用两向量的夹角余弦度量。因此可通过压缩感知测量数据和重构信号的方向信息确定对某 列是采用适用于稀疏信号的重构算法，还是采用适用于可压缩信号的重构算法。
技术实现思路
本专利技术为了解决针对线阵推扫影像数据采集模式单一传统压缩感知重构算法效 果差，无法事后检验W及无法区分某列是否稀疏的问题，特提供了一种基于压缩感知的影 像两步重构法。 本专利技术是通过下述方案予W实现的：，所述 方法的过程为： 步骤一；输入测量矩阵?，稀疏变换基W，时相tl和t2的测量数据Yti、Yt2,时 相tl的影像Xti，其中巫GRMxn，WGRNxn，Yti，Yt2,ayGRNxl，Xti，Xt2,AXGRNxl， Cti，Ct2,ACGRnxl，M<N，jG，令Yu=巫Xu，Yt2=巫Xt2,AY=Y口-Yti，AX= AC=Ct2_Cti，AY=巫AX，AY=巫W'AC; 步骤二：采用〇MP(或其他1。算法）基于miniIAxj|I。s.t.Ayj=巫Axj逐列重构AX的各列，取得每列的重构结果Axw和AX的重构结果AXc; 步骤S;设定临界值cril，判断AXk各列的如果是，贝Ij属于不 确定区域；否则属于确定区域。 步骤四：提取AX中不确定区域列号的集合J，在第j次迭，如果jGJ，那么采 用 0MP(0;rthogonalmatchingpursuit)(或其他 1。算法，例女日；ROMP巧egularized orthogonalmatchingpursuit)、StOMP(Stagewiseorthogonalmatchingpursuit)、 SP(Subspacepursuit)、CoSaMP(Compressivesamplingmatchingpursuit)、MP(Matching pursuit))基于minIICjI10s.t.Ayj=巫W'Acj或采用BP炬asisPursuit)(或 其他li算法，例如；GPSR(Gradientprojectionforsparsereconstruction))基于miniIAcjlliS.t.Ayj=OW'Acj重构AX的该列Axj的稀疏变换域系数Acj，然 后解算Axw=W'AcKj;或采用TV(minimizationoftotalvariation)算法基于 minIIAxjIITvS.t.Ayj=巫AXj重构AX的该列AXj，最后取得该列的重构结果AXkj; 步骤五；输出重构信号AXe和时相t2的影像Xt2=Xti+AXe。 本专利技术利用确定区域和不确定区域采用不同重构算法改善提高了影像的重构效 果，提高了信号重构能力。测量数据和重构影像方向信息不但可用于重构算法的设计，也可 用于重构结果的检验和改进。本专利技术所述的方法不但简化了数据采集过程，而且改善了信 号重构效果，在压缩感知的图像处理、视频分析、雷达遥感、通信编码、数字音频等领域有着 广泛的应用前景。【附图说明】 图1是【具体实施方式】一所述的的流程图；图 2和图3是应用【具体实施方式】W128X256的高斯随机矩阵和DCT矩阵对确定区域和不确定 区域采用OMP+null，0MP+0MP，0MP+BP，TV+null和0MP+TV五种算法组合重构影像的能量、 相关系数与列号的关系图W及重构效果图；图4是应用【具体实施方式】W128X256的高斯随 机矩阵和DCT矩阵采用OMP+null，0MP+0MP，0MP+BP，TV+null和0MP+TV五种算法组合重构 影像的信噪比（SNR)和峰值信噪比（PSNR)，" + "前的表示确定区域采用的重构算法，"后 的表示不确定区域采用的重构算法，"null"表示不确定区域也采用"+ "前的重构算法。【具体实施方式】，令Yu=巫Xu，Yt2=巫Xt2,AY=Y口-Yti，AX= AC=Ct2_Cti，AY=巫AX，AY=巫W'AC; 步骤二：采用〇MP(或其他1。算法）基于miniIAxj|I。s.t.Ayj=巫Axj逐列重构AX的各列，取得每列的重构结果Axw和AX的重构结果AXc; 步骤^;设定临界值^；属于不 确定区域；否则属于确定区域。 步骤四：提取AX中不确定区域列号的集合J，在第j次迭，如果jGJ，那么采 用 0MP(0;rthogonalmatchingpursuit)(或其他 1。算法，例化I;R0MP巧egularized orthogonalmatchingpursuit)、StOMP(Stagewiseorthogonalmatchingpursuit)、 SP(Subspacepursuit)、CoSaMP(Compressivesamplingmatchingpursuit)、MP(Matching pursuit))基于minIICjII。s.t.Ayj=巫W'Acj或义用BP炬asis化rsuit)(或 其他li算法，例如；GPSR(Gradientprojectionforsparsereconstruction))基于 miniIAcjlliS.t.Ayj=OW'Acj重构AX的该列Axj的稀疏变换域系数Acj，然 后解算Axw=W'AcKj;或采用TV(minimizationoftotalvariation)算法基于minIIAxjIITvS.t.Ayj=巫AXj重构AX的该列AXj，最后取得该列的重构结果AXkj; 步骤五；输出重构信号AXe和时相t2的影像Xt2=Xti+AXe。...

【技术保护点】
一种基于压缩感知的影像两步重构法，其特征是：所述方法的过程为：步骤一：输入测量矩阵Φ，稀疏变换基Ψ，时相t1和t2的测量数据Yt1、Yt2，时相t1的影像Xt1，其中Φ∈RM×N，Ψ∈RN×N，Yt1,Yt2,ΔY∈RN×L，Xt1,Xt2,ΔX∈RN×L，Ct1,Ct2,ΔC∈RN×L，M＜N，j∈[1,L]，令Yt1＝ΦXt1，Yt2＝ΦXt2，ΔY＝Yt2‑Yt1，ΔX＝Xt2‑Xt1，ΔC＝Ct2‑Ct1，ΔY＝ΦΔX，ΔY＝ΦΨ′ΔC；步骤二：采用OMP(或其他l0算法)基于min||Δxj||0 s.t. Δyj＝ΦΔxj逐列重构ΔX的各列，取得每列的重构结果ΔxRj和ΔX的重构结果ΔXR；步骤三：设定临界值cri1，判断ΔXR各列的如果是，则属于不确定区域；否则属于确定区域。步骤四：提取ΔX中不确定区域列号的集合J，在第j次迭，如果j∈J，那么采用OMP(Orthogonal matching pursuit)(或其他l0算法，例如：ROMP(Regularized orthogonal matching pursuit)、StOMP(Stagewise orthogonal matching pursuit)、SP(Subspace pursuit)、CoSaMP(Compressive sampling matching pursuit)、MP(Matching pursuit))基于min||cj||0 s.t. Δyj＝ΦΨ′Δcj或采用BP(Basis Pursuit)(或其他l1算法，例如：GPSR(Gradient projection for sparse reconstruction))基于min||Δcj||1s.t.Δyj＝ΦΨ′Δcj重构ΔX的该列Δxj的稀疏变换域系数Δcj，然后解算ΔxRj＝Ψ′ΔcRj；或采用TV(minimization of total variation)算法基于min||Δxj||TV s.t.Δyj＝ΦΔxj重构ΔX的该列Δxj，最后取得该列的重构结果ΔxRj；步骤五：输出重构信号ΔXR和时相t2的影像Xt2＝Xt1+ΔXR。...

【技术特征摘要】

【专利技术属性】
技术研发人员：程涛，
申请(专利权)人：程涛，广西科技大学，
类型：发明
国别省市：广西;45