[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

摘要

本发明提出了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，其将基于uHMT模型的迭代加权L1最小化算法应用于图像的压缩感知重建，根据自然图像的自身特性，采用uHMT模型代替HMT模型，直接给出模型参数，省去计算量较大的训练步骤，有效降低图像重建的计算复杂度。同时，由于权值的计算方法对重建精度有很大影响，通过本发明给出的改进的权值计算方法既将刻画小波系数的uHMT模型引入了图像重建，又降低了出现排斥模型现象的可能性，从而提高了图像的重建精度。

主权项

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。