基于多随机测量迭代像素判决的压缩感知稳健重构方法

摘要

本发明属于噪声条件下的压缩感知重构处理领域，具体涉及一种基于多随机测量迭代像素判决的压缩感知稳健重构方法，具体包括，获取成像区域图像，对成像区域图像进行成像网格划分，根据成像模型构造稀疏字典；生成初始测量矩阵，并从原始数据中获取初始观测数据；通过随机抽取初始测量矩阵若干行组成测量子矩阵，并计算获得观测子集，根据测量子矩阵、稀疏字典和观测子集计算正则化参数，进一步求解稀疏系数，根据TSC算法，得到稀疏系数的估计值，当稀疏系数满足初始化判决门限值后，即得到了压缩感知稳健重构的图像结果，本发明利用噪声的随机性通过多次随机测量及TSC处理，采用自适应迭代处理，有效改善了CS对含噪信号的重构质量。

主权项

一种基于多随机测量迭代像素判决的压缩感知稳健重构方法，其特征在于包括以下步骤：(S1)获取成像区域图像，对成像区域图像进行成像网格划分，根据成像模型构造稀疏字典Ψ；生成初始测量矩阵Φ₀，并从原始数据x中获取初始观测数据y₀，即：y₀＝Φ₀x；定义l表示重构序号，初始化l＝1，l取值为自然数；初始化判决门限ε_S与ε_SD的值；(S2)随机抽取Φ₀若干行组成测量子矩阵Φ_l，计算获得观测子集y_l，即y_l＝Φ_ly₀；(S3)若l等于1，则根据Φ_l、Ψ及y_l的值和GCV算法计算正则化参数λ，若l值不等于1，则进入第(S4)步骤；(S4)将Φ_l、Ψ、y_l、λ代入min(||Φ_lΨs_l‑y_l||₂+λ||s_l||₁)公式，求解得到稀疏系数s_l；(S5)若l等于1时，则l值增加1后，返回步骤(S2)进行迭代重构；若l不等于1，根据时间序列聚类算法，得到稀疏系数s的估计值，即：其中，TSC表示时间序列聚类算法；计算当前图像稀疏度与前一次图像稀疏度两者差的对数值△I_S，其中，表示第l次重构得到的中所有元素的值超过均值的个数；计算当前图像标准差与前一次图像标准差两者之差的对数值△I_SD，其中，表示第l次重构得到的的标准差；如果△I_S≤ε_S且△I_SD≤ε_SD，迭代终止，所获取的即为压缩感知稳健重构的图像结果；否则，则l值增加1后，返回步骤(S2)。