[发明专利]基于小波HMT模型的多变量压缩感知重构方法

摘要

本发明公开了一种基于小波HMT模型的多变量压缩感知重构方法，包括如下步骤：对图像进行小波变换，保留低频变换系数，对高频变换系数进行多变量压缩采样，得到多变量测量向量Y；利用现有的MPA算法重构初始图像；计算重构图像的高频变换系数处于大幅值状态的后验状态概率；更新高频变换系数的加权值；利用WMPA算法重构图像；如果未达到指定的重复迭代加权重构次数I=2，返回步骤二；否则，得到原始图像的重构图像。本发明的基于小波HMT模型的多变量压缩感知重构方法重构效果好，对医学图像和自然图像均可适用。

主权项

1.一种基于小波HMT模型的多变量压缩感知重构方法，包括如下步骤：一．对图像进行小波变换，保留低频变换系数，对高频变换系数进行多变量压缩采样，得到多变量测量向量Y：Y=AX，其中X是Ｎ×Q维高频变换系数矩阵，A是K×Ｎ维随机感知矩阵，其中K<<N；二．利用现有的MPA算法重构初始图像；三．计算重构图像的高频变换系数处于大幅值状态的后验状态概率：对重构图像利用现有的EM和Viterbi算法估计HMT模型的参数Θ，计算高频变换系数处于大幅值状态的后验状态概率：，其中，，为变换系数矩阵的当前估计；四．更新高频变换系数的加权值：利用计算的后验状态概率更新高频变换系数的加权值，其中，；其中参数p和δ分别设定为0.5和1e-9；五．利用WMPA算法重构图像：(5a) 利用加权多变量追踪算法WMPA对高频变换系数进行重构； (5b) 将重构的高频变换系数与保留下来的低频变换系数一起进行逆小波变换，得到一幅重构图像；六．如果未达到指定的重复迭代加权重构次数I=2，返回步骤二；否则，得到原始图像的重构图像。