一種非稀疏圖像壓縮感知盲重建的方法
【技術領域】
[0001] 本發明涉及壓縮感知應用技術領域，尤其涉及一種非稀疏圖像壓縮感知盲重建的 方法。
【背景技術】
[0002] 匹配追蹤類算法（貪婪算法）和凸優化算法是壓縮感知的兩大類典型算法，前者 算法效率高，但對數據稀疏度有較高要求；后者同等條件下可取得較好的重建質量，但算法 相當耗時。
[0003] 因此，對壓縮感知應用技術領域的相關方案進行改進，使其可以提高算法的速度、 克服對稀疏度的苛刻限制且適用于非稀疏圖像成為如今的研宄重點。
【發明內容】
[0004] 本發明的目的是提供一種非稀疏圖像壓縮感知盲重建的方法，提高了計算效率， 可實現某些應用中的實時性要求，并對原始投影圖像沒有稀疏度要求，大大提高系統的適 用范圍。
[0005] 本發明的目的是通過以下技術方案實現的：
[0006] 一種非稀疏圖像壓縮感知盲重建的方法，該方法包括：
[0007] 設置一稀疏左乘變換矩陣W對圖像數據X進行稀疏左乘變換：
【主權項】
1. 一種非稀疏圖像壓縮感知盲重建的方法，其特征在于，該方法包括： 設置一稀疏左乘變換矩陣W對圖像數據X進行稀疏左乘變換： ^' -WX^X=W'X'=W'WX，則其壓縮感知投影Y表示為Y=OX=owlx= 0'wx= 0'X' ；其中，為左乘變換矩陣W的逆變換且為稀疏實矩陣；〇)' =ow'd)'的 列向量為?列向量的線性組合； 若圖像數據X為非稀疏圖像數據，則能夠采用〇'并結合匹配追蹤類算法得到稀疏左 乘變換后的數據X'，從而恢復出變換前圖像數據X，實現非稀疏圖像壓縮感知盲重建。
2. 根據權利要求1所述的方法，其特征在于，所述圖像數據X為一維列向量數據，若為 二維圖像陣列，則通過重排得到對應的一維列向量數據。
3. 根據權利要求1所述的方法，其特征在于， 左乘變換矩陣W與其逆變換矩陣F1均通過矩陣左乘的形式實現，其包括： 在一級變換情況下，左乘變換矩陣矩陣W表示為行變換和列變換的形式:W=WeWK，W。和WK均為一維變換，其中的1/2抽樣通過稀疏變換矩陣相鄰行的濾波器系數移位實現； 逆變換矩陣F1表示為行變換和列變換的形式:W<=W'W、，其插值通過將濾波器系數 分為兩個系數序列，分別形成稀疏變換矩陣W'或WA的相鄰兩行來實現。
4. 根據權利要求3所述的方法，其特征在于， 當左乘變換矩陣W與其逆變換矩陣F1用于多尺度幾何變換時，左乘變換矩陣W與其逆 變換矩陣F1除了采用水平和垂直方向上的行變換和列變換外，還包括其他方向的變換； 對于n個方向變換，左乘變換矩陣W表示為W=WdlWd2. . . ，逆變換矩陣r1表示為F1 =w、? ? ?W
5. 根據權利要求3所述的方法，其特征在于， 當左乘變換矩陣W與其逆變換矩陣F1用于提升小波變換時，在通過矩陣左乘的形式構 造左乘變換矩陣W與其逆變換矩陣F1時，還增加了Lazy小波變換環節，同時增加了預測和 更新系數矩陣的構造方法。
6. 根據權利要求1或2所述的方法，其特征在于，利用稀疏左乘變換矩陣W對圖像數 據X進行稀疏左乘變換時，還包括邊緣效應的處理方法：對圖像數據的列和行分別進行邊 緣處理，在數據向量中，間隔增加邊緣數據點。
【專利摘要】本發明公開了一種非稀疏圖像壓縮感知盲重建的方法，該方法包括：設置一稀疏左乘變換矩陣W對圖像數據X進行稀疏左乘變換：則Y＝ΦX＝ΦW-1WX＝Φ'WX＝Φ'X'；其中，W-1為左乘變換矩陣W的逆變換且為稀疏實矩陣；Φ'＝ΦW-1，Φ'的列向量為Φ列向量的線性組合；若圖像數據X為非稀疏圖像數據，則能夠采用Φ'并結合匹配追蹤類算法得到稀疏左乘變換后的數據X'，從而恢復出變換前圖像數據X，實現非稀疏圖像壓縮感知盲重建。通過采用本發明公開的方法，提高了計算效率，可實現某些應用中的實時性要求，并對原始投影圖像沒有稀疏度要求，大大提高系統的適用范圍。
【IPC分類】G06T11-00
【公開號】CN104809749
【申請號】CN201510214491
【發明人】倪林
【申請人】中國科學技術大學
【公開日】2015年7月29日
【申請日】2015年4月29日