[发明专利]一种基于梯度分块自适应测量的压缩感知方法

摘要

本发明涉及一种基于梯度分块自适应测量的压缩感知方法。该方法包括：将不重叠的基础块作为图像的划分单元，利用图像的垂直方向和水平方向的梯度计算每个基础块的平滑度，根据平滑度将图像分割成尺寸不均匀的图像块并且计算各图像块的测量率；按照图像块尺寸分类选择测量矩阵分别对各图像块进行测量，得到测量值；解码端引入向量夹角作为相似性判断标准，采用非局部低秩正则化压缩感知重构算法进行重构。本发明设计了一种不均匀分块自适应测量压缩感知方法，使其解码图像具有鲁棒性并且获得更好的重构效果。

主权项

1.一种基于梯度分块自适应测量的压缩感知方法，其特征在于，包括如下步骤：包括如下步骤：(1)输入待处理图像，其中，待处理图像的数字化矩阵为X∈Rm×n，m、n分别为图像矩阵的行数和列数；(2)对图像进行分块，基于图像梯度分成d个不均匀的图像块，对所有的图像块展开成列向量xj，其中j＝{1,2,...,d}，组合成一个列向量x＝[x1；x2；...；xd]；(3)根据压缩图像所需的采样率M和每个块的平滑度分配每个块的测量率Mj,j＝{1,2,...,d}；(4)将元素数量相同的块分成一类，生成同尺寸的高斯随机正交矩阵，结合每个块的测量率Mj，选择高斯随机正交矩阵的前round(Mj×length(xj))行作为测量矩阵φj；对数据进行测量，得到测量值y＝Φx＝diag(φ1,φ2,...,φd)[x1；x2；...；xd]；(5)利用测量值、块测量率、行分割位置和测量矩阵对原信号进行重构，采用非局部低秩正则化压缩感知重构算法进行求解，输出重构图像。