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！
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。
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