[发明专利]一种基于通用隐马尔可夫树模型的加权图像压缩感知方法

权利要求书

1.一种基于通用隐马尔可夫树模型的加权图像压缩感知方法，其包括以下步骤：

步骤1、输入图像A,对其进行小波变换，得到A的小波系数矩阵X；

步骤2、通过高斯随机矩阵对所述小波系数矩阵X进行测量，得到测量值矩阵Y；

步骤3、对测量矩阵Y按列进行分块，每一块是一个一维列向量，记第k列为Y_k，分别对每一列进行如下处理；

步骤4、设置迭代次数为i,通过求解P1问题对Y_k进行重建，得到重建初始值

步骤5、根据第i-1次迭代得到的解和uHMT模型参数Θ计算第i次更新的权值

步骤6、将更新的权值用于WP1问题，求解获得第i次更新解

步骤7、当迭代次数达到给定的最大迭代次数时，迭代停止，得到第k列的重建稀疏值否则，重复步骤5和6，直至满足迭代停止准则；

步骤8、k=k+1,重复步骤4至7，直至矩阵Y的所有列都得以重建。将所有列的重建稀疏值重组成稀疏值矩阵

步骤9、对稀疏值进行小波逆变换，得到图像重建值。

2.如权利要求1所述基于通用隐马尔可夫树模型的加权图像压缩感知方法，

其中所述步骤4中的P1问题表示如下：

x~=argxmin||x||1subjecttoΦΨx=y]]>

其中，Φ是测量矩阵，Ψ是小波变换矩阵，y是测量值，argmin表示使得||x||₁最小的x的值，||x||₁表示x的1-范数，subject to 表示x满足这样一个约束条件。