龙图腾网&IPTOP
- 微信扫码登录
- 账号密码登录
- 短信登录/注册
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！
摘要：本发明属于压缩感知技术，提供一种基于MOD‑FMLM‑SBL算法的图像压缩感知重构方法，包括图像据采集步骤、图像压缩步骤、图像传递步骤和图像恢复步骤；在图像传递步骤的感知过程中，消除了噪声精度参数取值对感知过程的影响，只关注超参数向量的估计，同时信源向量获得了更具稀疏诱导性的先验分布，并且感知过程通过有更低复杂度的计算方式实现，从而实现快速高效的稀疏信号重构，成功实现了性能更好的图像的压缩感知重构。
主权项：1.一种基于MOD-FMLM-SBL算法的图像压缩感知重构方法，其特征在于，包括以下步骤：图像据采集步骤：数据采集方采集待传递图像并发送至数据发送方；图像压缩步骤：数据发送方对待传递图像进行小波变换获取得到的小波系数，利用测量矩阵对小波系数进行压缩采样获得观测向量y；图像传递步骤：数据发送方将观测向量y及对应的测量矩阵Φ作为感知过程的输入，通过感知得到稀疏重构的小波系数，并将稀疏重构的小波系数发送至数据接收方从而完成图像传递；图像恢复步骤：数据接收方对稀疏重构的小波系数，通过逆小波变换恢复得到图像；其中，感知过程具体为：1求得MOD-FMLM-SBL算法中用于确定信源向量w的超参数向量α，其中α中第i个元素αi表示为： 其中，M为观测向量y的长度，中间值si、qi、gi分别为： α-i为移除了α中第i个元素αi之后的超参数向量，C-i为将中间量C中第i列移除后得到的矩阵，为观测矩阵Φ的第i列，k为噪声向量Gamma分布的逆尺度参数，中间量C＝I+ΦA-1ΦT，I为单位矩阵，A是大小为N*N的对角矩阵，其第i个对角元素为αi；2将αi＝∞对应信源向量w的第i个元素更新为0，从而将对应观测矩阵Φ中第i列删除，当依次对i＝1,2,…N完成步骤1与步骤2；3根据超参数向量α对信源向量w进行稀疏重构得到信源向量的估计值将信源向量的估计值作为稀疏重构的小波系数。
全文数据：
权利要求：
百度查询： 电子科技大学 一种基于MOD-FMLM-SBL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。
主营中国专利交易买卖与专利转让许可,高校科技成果推广与科技成果转化,知识产权运营管理与平台开发,科技人才专家库与科技猎头等科技服务
开放平台
担保交易
惠及多方
会员特惠
专属平台
适合多方
数据共享
功能齐全
皖公网安备 34010402703815号