[发明专利]一种基于压缩感知的图像处理方法及装置

权利要求书

1.一种基于压缩感知的图像处理方法，其特征在于，包括：

S1，对接收到的二维图像的信号进行小波变换和高斯测量矩阵处理，获得所述二维图像的所有列的测量向量和感知矩阵Θ；

S2，基于所述二维图像的每一列的测量向量y和感知矩阵Θ，利用稀疏度自适应压缩采样匹配追踪算法对原始信号进行重构，其中原子选择进行正则化处理，迭代过程进行变步长处理，获得所述原始信号的稀疏逼近信号

S3，基于所述二维图像的所有列的稀疏逼近信号，重构原始二维图像。

2.如权利要求1所述的方法，其特征在于，S1中所述感知矩阵Θ通过下式获取：

其中，为高斯测量矩阵，ψ为小波变换系数。

3.如权利要求1所述的方法，其特征在于，所述S2进一步包括：

S2.1，设置初始步长S，令初始余量为所述测量向量y，满足r＝y，通过下式计算相关系数u，并选取大于最大相关系数u_max一半的原子索引更新支撑集，

u＝{u_j|u_j＝|<r,Θ_j>|,j＝1,2,...,N}，

其中，u_j为余量与原子Θ_j的内积，Θ_j为所述感知矩阵Θ的第j列，也称原子；

S2.2，当残差r_k满足第一迭代停止条件且不满足第二迭代停止条件时，改变步长并更新支撑集，进行下一次迭代，其中符号表示向上取整。

4.如权利要求3所述的方法，其特征在于，所述S2.1之前还包括：初始化所述稀疏度自适应压缩采样匹配追踪算法的参数，包括：

迭代次数t＝1，初始阶段数k＝1，索引集支撑集大小L＝S，

5.如权利要求3所述的方法，其特征在于，所述S2.1之后还包括：合并索引集Λ＝Λ∪F，并通过下式更新残差r_k：

rk=y-ΘΛs^]]>

其中，y为所述二维图像信号的列向量，为稀疏系数向量，且s为当前步长。

6.如权利要求5所述的方法，其特征在于，S2.2所述第一迭代停止条件为：残差能量||r_k||₂≤ε₁；

所述第二迭代停止条件为：残差能量||r_k||₂≤ε₂；

其中，ε₁与ε₂均为正数，且ε₂＜ε₁。

7.如权利要求5所述的方法，其特征在于，所述S2.2还包括：

当残差r_k不满足第一迭代停止条件时，若满足||r_k||₂≥||r_k-1||₂，则更新支撑集大小L＝L+S、迭代次数t＝t+1和阶段数k＝k+1，进行下一次迭代；

若不满足||r_k||₂≥||r_k-1||₂，则更新索引集Λ、余量r＝r_k和迭代次数t＝t+1，进行下一次迭代。

8.如权利要求5所述的方法，其特征在于，所述S2.2还包括：

当残差r_k满足第一迭代停止条件且满足第二迭代停止条件时，停止迭代，获得所述测量向量y的稀疏逼近信号

9.一种基于压缩感知的图像处理装置，其特征在于，包括：

初始处理模块，用于对接收到的二维图像的信号进行小波变换和高斯测量矩阵处理，获得所述二维图像的所有列的测量向量和感知矩阵Θ；

信号重构模块，用于基于所述二维图像的每一列的测量向量y和感知矩阵Θ，利用稀疏度自适应压缩采样匹配追踪算法对原始信号进行重构，其中原子选择进行正则化处理，迭代过程进行变步长处理，获得所述原始信号的稀疏逼近信号

图像恢复模块，用于基于所述二维图像的所有列的稀疏逼近信号，重构原始二维图像。