[發(fā)明專利]基于小波HMT模型的多變量壓縮感知重構(gòu)方法

有效

• 申請?zhí)枺?/td>: 201310025523.7
• 申請日: 2013-01-21
• 公開（公告）號: CN103077510A
• 公開（公告）日: 2013-05-01
• 發(fā)明（設(shè)計(jì)）人: 武嬌;顧興全
• 申請（專利權(quán)）人: 中國計(jì)量學(xué)院
• 主分類號: G06T5/50
• 分類號: G06T5/50
• 代理公司: 杭州浙科專利事務(wù)所(普通合伙) 33213
• 代理人: 吳秉中

1.一種基于小波HMT模型的多變量壓縮感知重構(gòu)方法，包括如下步驟：

一．對圖像進(jìn)行小波變換，保留低頻變換系數(shù)，對高頻變換系數(shù)進(jìn)行多變量壓縮采樣，得到多變量測量向量Y：

Y=AX，其中X是Ｎ×Q維高頻變換系數(shù)矩陣，A是K×Ｎ維隨機(jī)感知矩陣，其中K<<N；

二．利用現(xiàn)有的MPA算法重構(gòu)初始圖像；

三．計(jì)算重構(gòu)圖像的高頻變換系數(shù)處于大幅值狀態(tài)的后驗(yàn)狀態(tài)概率：

對重構(gòu)圖像利用現(xiàn)有的EM和Viterbi算法估計(jì)HMT模型的參數(shù)Θ，計(jì)算高頻變換系數(shù)處于大幅值狀態(tài)的后驗(yàn)狀態(tài)概率：

，其中，，為變換系數(shù)矩陣的當(dāng)前估計(jì)；

四．更新高頻變換系數(shù)的加權(quán)值：

利用計(jì)算的后驗(yàn)狀態(tài)概率更新高頻變換系數(shù)的加權(quán)值

，其中，；

其中參數(shù)p和δ分別設(shè)定為0.5和1e-9；

五．利用WMPA算法重構(gòu)圖像：

(5a)?利用加權(quán)多變量追蹤算法WMPA對高頻變換系數(shù)進(jìn)行重構(gòu)；

?(5b)?將重構(gòu)的高頻變換系數(shù)與保留下來的低頻變換系數(shù)一起進(jìn)行逆小波變換，得到一幅重構(gòu)圖像；

六．如果未達(dá)到指定的重復(fù)迭代加權(quán)重構(gòu)次數(shù)I=2，返回步驟二；否則，得到原始圖像的重構(gòu)圖像。

2.如權(quán)利要求1所述的基于小波HMT模型的多變量壓縮感知重構(gòu)方法，其特征在于：所述利用加權(quán)多變量追蹤算法WMPA對高頻變換系數(shù)進(jìn)行重構(gòu)包括如下步驟：

(5a-1)?初始化：初始化外部迭代次數(shù)l?=?0，逼近系數(shù)矩陣，殘差矩陣Y^(0)?=?Y，迭代終止誤差ε=?10^-5，最大迭代次數(shù)L?=?50；

(5a-2)?計(jì)算殘差相關(guān)U?=?AY^(l)，按照內(nèi)積從大到小的順序，確定標(biāo)識集Z；

(5a-3)?按Z中標(biāo)識順序，依次估計(jì)X^(l)的行向量和殘差矩陣

(5a-3.1)?初始化內(nèi)部迭代次數(shù)n?=?0，殘差矩陣R^(n)?=Y^(l)；

(5a-3.2)?求解子問題，估計(jì)X^(l)的第z_n個(gè)行向量：

，?

其中是A的第z_n個(gè)列向量，，是對角元素為的對角加權(quán)矩陣，方差設(shè)定為1e-4；

(5a-3.3)?更新殘差矩陣：；

(5a-3.4)?如果內(nèi)部迭代次數(shù)n滿足n?≤?N，給迭代次數(shù)n加1，轉(zhuǎn)至步驟(5a-3.2)；

(5a-4)?更新逼近系數(shù)：，更新殘差矩陣：Y^(l+1)?=?R^(N)；

(5a-5)?將連續(xù)兩次殘差矩陣的F-范數(shù)的差的絕對值與迭代終止誤差ε進(jìn)行比較，若或者外部迭代次數(shù)l滿足l?>?L，則停止迭代；否則，給迭代次數(shù)l加1，轉(zhuǎn)至步驟(5a-2)。