一種漸進(jìn)式正則化自適應(yīng)匹配追蹤方法【專利摘要】本發(fā)明屬于圖像信號(hào)處理領(lǐng)域，具體涉及一種用于信號(hào)或者圖像重建的漸進(jìn)式正則化自適應(yīng)匹配追蹤方法。本發(fā)明包括：初始參數(shù)定義，利用余量與傳感矩陣的每一列的內(nèi)積計(jì)算相關(guān)系數(shù)；對(duì)J中索引值對(duì)應(yīng)原子的相關(guān)系數(shù)進(jìn)行正則化；更新支撐集，并進(jìn)行余量更新等。本發(fā)明更合理的設(shè)計(jì)了稀疏度的迭代步長，保證了迭代能夠漸進(jìn)式地逼近信號(hào)的真實(shí)稀疏度，提高了迭代的收斂性及信號(hào)重建的質(zhì)量?！緦＠f明】一種漸進(jìn)式正則化自適應(yīng)匹配追蹤方法【
技術(shù)領(lǐng)域：
】[0001]本發(fā)明屬于圖像信號(hào)處理領(lǐng)域，具體涉及一種用于信號(hào)或者圖像重建的漸進(jìn)式正則化自適應(yīng)匹配追蹤方法?！?br>背景技術(shù)：
】[0002]近幾年出現(xiàn)的壓縮傳感理論（如CANDESE.Compressivesampling[A].ProceedingsoftheInternationalCongressofMathematicians[C].Madrid,Spain,2006,3:1433-1452；D0N0H0D.L.Compressedsensing[J]·IEEETrans.OnInformationTheory.2006,52(4):1289-1306.)，將信號(hào)的采樣與壓縮過程合二為一，在進(jìn)行數(shù)據(jù)采集時(shí)，只需要獲取很少的觀測值，然后利用重構(gòu)算法就能夠精確恢復(fù)出原信號(hào)。該理論一經(jīng)提出，就引起了學(xué)術(shù)界的轟動(dòng)，國內(nèi)外眾多學(xué)者紛紛開展了相關(guān)領(lǐng)域的研究。[0003]信號(hào)的重建是壓縮傳感理論的關(guān)鍵內(nèi)容，D0N0H0DL,ELADM,andTEMLYAK0VVN在((Stablerecoveryofsparseovercompleterepresentationsinthepresenceofnoise))IEEETransactionsonInformationTheory,2006，52(I):6-18中指出匹配追蹤類方法能夠有效地應(yīng)用于壓縮傳感的信號(hào)重建并具有一定的穩(wěn)定性。在此基礎(chǔ)上引入的正交化和正則化過程，保證了迭代的最優(yōu)性，減少了迭代次數(shù)。而自適應(yīng)匹配追蹤算法(THONGTDo,GANLu,NGUYENetal.Sparsityadaptivematchingpursuitalgorithmforpracticalcompressedsensing.AsilomarConferenceonSignals,Systems,andComputers,PacificGrove,California,2008,10:581-587.)可以在信號(hào)稀疏度未知的情況下獲得較好的重建效果，且具有較快的速度。劉亞新，趙瑞珍，胡紹海等在電子與信息學(xué)報(bào)的《用于壓縮感知信號(hào)重建的正則化自適應(yīng)匹配追蹤算法》中將上述各種思想融合起來提出了正則化自適應(yīng)匹配追蹤算法。正則化自適應(yīng)匹配追蹤算法增強(qiáng)了信號(hào)重建的理論依據(jù)同時(shí)不需要預(yù)先估計(jì)信號(hào)的稀疏度，但其迭代步長的設(shè)置不甚合理，跨越式的步長迭代很難保證信號(hào)重建過程的收斂性?！?br/>發(fā)明內(nèi)容】[0004]本發(fā)明的目的在于提供一種可提高信號(hào)稀疏度迭代的收斂性，并獲得高質(zhì)量的重建信號(hào)的漸進(jìn)式正則化自適應(yīng)匹配追蹤方法。[0005]本發(fā)明的目的是這樣實(shí)現(xiàn)的：[0006](I)初始參數(shù)定義,定義測量值為y,重建信號(hào)為I初始余量:Ttl=y,傳感矩陣為O，初始步長size古O,初始稀疏度K。=size,索引值集合Λ=0，J=0,Λ=0，支撐集ΦΛ，迭代次數(shù)η=I,迭代階段Stage=I,閾值I為E1、閾值2為ε2、閾值3為ε3;[0007](2)利用余量r與傳感矩陣Θ的每一列的內(nèi)積計(jì)算相關(guān)系數(shù)，在相關(guān)系數(shù)中尋找Ktl個(gè)最大值對(duì)應(yīng)的索引值存入J中；[0008](3)對(duì)J中索引值對(duì)應(yīng)原子的相關(guān)系數(shù)進(jìn)行正則化，并將正則化結(jié)果存入集合Jtl中；[0009](4)更新支撐集ΦΛ，應(yīng)用最小二乘法估算得到信號(hào)的估計(jì)值；，并進(jìn)行余量更新；[0010](5)若IIw1II(ε:，執(zhí)行步驟6，否則，令η=η+1，重新執(zhí)行步驟2;[0011](6)若IIrnM2Sε2，則停止迭代，否則執(zhí)行步驟7;【權(quán)利要求】1.一種漸進(jìn)式正則化自適應(yīng)匹配追蹤方法，其特征在于：(1)初始參數(shù)定義，定義測量值為y，重建信號(hào)為i,初始余量a=y,傳感矩陣為?,初始步長size關(guān)0,初始稀疏度KQ=size,索引值集合A=0,J=0,=0，支撐集①A，迭代次數(shù)n=1,迭代階段stage=l,閾值1為￡工、閾值2為e2、閾值3為e3;(2)利用余量r與傳感矩陣?的每一列的內(nèi)積計(jì)算相關(guān)系數(shù)，在相關(guān)系數(shù)中尋找&個(gè)最大值對(duì)應(yīng)的索引值存入J中；(3)對(duì)J中索引值對(duì)應(yīng)原子的相關(guān)系數(shù)進(jìn)行正則化，并將正則化結(jié)果存入集合1中；(4)更新支撐集OA，應(yīng)用最小二乘法估算得到信號(hào)的估計(jì)值Y,并進(jìn)行余量更新；(5)若llHill(h，執(zhí)行步驟6，否則，令n=n+l，重新執(zhí)行步驟2;(6)若||rn||2≤e2，則停止迭代，否則執(zhí)行步驟7;(7)若||rn||2≤e3，則令，size^,K0=K0+size,n=n+1,stage=stage+l,執(zhí)行步驟2,否則令Kq=K0+size,n=n+1,stage=stage+l,執(zhí)行步驟2。【文檔編號(hào)】G06T11/00GK103489207SQ201310452181【公開日】2014年1月1日申請(qǐng)日期:2013年9月29日優(yōu)先權(quán)日:2013年9月29日【發(fā)明者】卞紅雨,吳菊,張志剛,孫慧娟申請(qǐng)人:哈爾濱工程大學(xué)