买专利卖专利找龙图腾,真高效! 查专利查商标用IPTOP,全免费!专利年费监控用IP管家,真方便!
申请/专利权人:电子科技大学
摘要:本发明针对高维信号压缩感知重构问题,在现有的模式耦合稀疏贝叶斯学习PCSBL算法基础上,将信号中的先验信息与后验概率看作因子图中的消息,采用近似消息传递AMP框架改进了重构的计算效率,提出了一种基于消息传递的模式耦合稀疏贝叶斯学习AMP‑PCSBL算法的图像压缩感知重构方法,解决了现有PCSBL算法效率较低,不适合对高维信号进行压缩重构的问题,将计算复杂度从降低到了图像压缩重构实验证明AMP‑PCSBL算法能够在保持重构性能不变的情况下,大幅提升计算效率,实现快速高效的高维块稀疏图像信号重构。
主权项:1.一种基于AMP-PCSBL算法的图像压缩感知重构方法,包括步骤:图像压缩步骤:数据发送方将图像数据的像素矩阵展开,将得到的灰度值向量作为原始信号x,利用高斯随机测量矩阵A对原始信号x进行压缩采样得到观测向量y;图像传输步骤:数据发送方将观测向量y和随机测量矩阵A传输给数据接收方;图像重构步骤:数据接收方从观测向量y和高斯随机测量矩阵A中得到灰度值向量x的估计值,从而通过像素重组得到重构图像;其中,数据接收方从观测向量y和高斯随机测量矩阵A中得到灰度值向量x的估计值的方法为:1初始化:设置误差门限和最大迭代次数,设置当前迭代次数t=0,设重构估计值各元素的初始值设置变量zm的初始值设置观测信号的方差σ2的初始值σ20和各因子节点的方差Cn的初始值设置超参数γ的第1位元素γ0以及第N+2位元素γN+1不变,γ0=γN+1=0,第n位元素γn的初始值序号n=1,…,N,N为原始信号的维度,ym为观测向量y的第m个元素,序号m=1,…,M,M为观测信号y的维度,上标·表示迭代更新次数;设置参数a、b、c和d,在取值范围[0,1]内设耦合系数β;2更新重构信号: 其中,Amn为高斯随机测量矩阵A中第m行n列的元素;3更新参数: 其中,||·||2为L2范数;4更新t=t+1,重复以上2-3步,直到满足误差限制或达到最大迭代次数,输出作为灰度值向量x的估计值。
全文数据:
权利要求:
百度查询: 电子科技大学 一种基于AMP-PCSBL算法的图像压缩感知重构方法
免责声明
1、本报告根据公开、合法渠道获得相关数据和信息,力求客观、公正,但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解,仅供参考使用,不能作为本公司承担任何法律责任的依据或者凭证。