[發(fā)明專利]一種基于壓縮感知的影像兩步重構(gòu)法

有效

• 申請(qǐng)?zhí)枺?/td>: 201510280212.4
• 申請(qǐng)日: 2015-05-28
• 公開（公告）號(hào): CN104867167B
• 公開（公告）日: 2017-12-29
• 發(fā)明（設(shè)計(jì)）人: 程濤
• 申請(qǐng)（專利權(quán)）人: 程濤;廣西科技大學(xué)
• 主分類號(hào): G06T9/00
• 分類號(hào): G06T9/00
• 代理公司: 暫無信息
• 代理人: 暫無信息

1.一種基于壓縮感知的影像兩步重構(gòu)法，其特征是：所述方法的過程為：

步驟一：輸入測量矩陣Φ，稀疏變換基Ψ，時(shí)相t1和t2的測量數(shù)據(jù)Y_t1、Y_t2，時(shí)相t1的影像X_t1，其中Φ∈R^M×N，Ψ∈R^N×N，Y_t1,Y_t2,ΔY∈R^M×L，X_t1,X_t2,ΔX∈R^N×L，C_t1,C_t2,ΔC∈R^N×L，M＜N，j∈[1,L]，令Y_t1＝ΦX_t1，Y_t2＝ΦX_t2，ΔY＝Y(jié)_t2-Y_t1，ΔX＝X_t2-X_t1，ΔC＝C_t2-C_t1，ΔY＝ΦΔX，ΔY＝ΦΨ′ΔC，其中C_t1＝ΨX_t1，C_t2＝ΨX_t2；

步驟二：采用OMP或其他l₀算法，基于min||Δx_j||₀s.t.Δy_j＝ΦΔx_j逐列重構(gòu)ΔX的各列，取得每列的重構(gòu)結(jié)果Δx_Rj和ΔX的重構(gòu)結(jié)果ΔX_R，其中Δx_j是ΔX的第j列；

步驟三：設(shè)定臨界值cri1，判斷ΔX_R各列的如果是，則屬于不確定區(qū)域；否則屬于確定區(qū)域，其中是ΔX_R兩列間的相關(guān)系數(shù)，是ΔY兩列間的相關(guān)系數(shù)；

步驟四：提取ΔX中不確定區(qū)域列號(hào)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，基于min||Δc_j||₀s.t.Δy_j＝ΦΨ′Δc_j，Δc_j是ΔC的第j列，Ψ′是Ψ的轉(zhuǎn)置矩陣，或采用BP(Basis Pursuit)或其他l₁算法，基于min||Δc_j||₁s.t.Δy_j＝ΦΨ′Δc_j重構(gòu)ΔX的該列Δx_j的稀疏變換域系數(shù)Δc_j，然后解算Δx_Rj＝Ψ′Δc_Rj；或采用TV(minimization of total variation)算法基于min||Δx_j||_TV s.t.Δy_j＝ΦΔx_j重構(gòu)ΔX的該列Δx_j，最后取得該列的重構(gòu)結(jié)果Δx_Rj；

步驟五：輸出重構(gòu)信號(hào)ΔX_R和時(shí)相t2的影像X_t2＝X_t1+ΔX_R；以上其他l₀算法指的是ROMP(Regularized orthogonal matching pursuit)、StOMP(Stagewise orthogonal matching pursuit)、SP(Subspace pursuit)、CoSaMP(Compressive sampling matching pursuit)和MP(Matching pursuit)算法的其中之一；以上其他l₁算法指的是GPSR(Gradient projection for sparse reconstruction)算法。

2.根據(jù)權(quán)利要求1所述的一種基于壓縮感知的影像兩步重構(gòu)法，其特征在于步驟三中設(shè)定默認(rèn)臨界值cri1為9％。