申请/专利权人：南京航空航天大学

申请日：2020-12-10

公开（公告）日：2024-05-17

公开（公告）号：CN112529826B

主分类号：G06T5/50

分类号：G06T5/50

优先权：

专利状态码：有效-授权

法律状态：2024.05.17#授权;2021.04.06#实质审查的生效;2021.03.19#公开

摘要：本发明公开了一种截断式张量贝叶斯多光谱图像压缩感知重构方法，用于提高多光谱图像压缩感知重构精度和速度。本发明建立了原数据的张量稀疏先验概率模型和采样噪声的先验概率模型，将高维压缩感知重构为题转化为最大后验估计问题。对此，本发明采用迭代法依次更新估计值和概率模型超参数，在每次迭代完成后，对稀疏先验模型超参数进行由大到小的排序，当排序结果相对于前一次迭代后没有变化，则停止迭代，并基于张量最小二乘原理得到最终重构结果。与传统高维贝叶斯重构相比，本发明方法在不影响重构精度的前提下，明显降低了迭代所需次数，提升了高维压缩感知重构效率，可应用于航天遥感和物质探测等实际工程领域。

主权项：1.截断式张量贝叶斯多光谱图像压缩感知重构方法，其特征在于，该方法针对稀疏信号各维度建立II型拉普拉斯先验概率分布模型，针对采样噪声建立多元高斯先验概率分布模型，其中，II型拉普拉斯先验概率分布由两级构成，第一级为超参数为{γj}的多元高斯分布，第二级为针对γj建立的超参数为κj的伽马分布；基于上述II型拉普拉斯先验概率分布模型，高维压缩感知重构问题转化为最大后验估计问题，其求解方法如下：采用迭代方法依次更新稀疏系数张量和{γj}、{κj}，在每次迭代完成后，对{γj}中的元素按降序排列，若排序结果相对于前一次迭代没有变化且当前迭代次数大于最小迭代次数、或总迭代次数达到设定上限，则停止迭代；停止迭代后，取出{γj}排序后前kj个元素对应的支撑集，根据各维度支撑集、感知字典和原图像的测量值，采用张量最小二乘法求解出重构结果；求解最大后验估计问题的方法具体步骤如下：步骤1、计算第j个维度的感知字典Dj＝ΦjΨj；初始化{γj}、{κj}以及多元高斯先验概率分布模型的方差超参数λ，初始化稀疏系数张量设定最大迭代次数tmax、最小迭代次数tmin以及第j个维度稀疏度kj，其中Φj与Ψj分别为第j个维度测量矩阵与稀疏字典，j＝1,2,…,ξ，ξ为原图像的维数；步骤2、若当前迭代次数t未达到tmax，则执行以下子步骤：步骤2.1、使用张量贝叶斯算法更新{γj},{κj},λ；步骤2.2、对于第j个维度，将{γj}中的元素按降序排列，第t次迭代时排序后各元素对应的支撑集记为步骤2.3、若ttmin且对所有j＝1,2,…,ξ有则退出步骤2；步骤3、记υj为中前kj个元素支撑集集合，Bj＝Dj0,υj；步骤4、计算最小二乘张量其中Y为原图像的测量值，×j表示对第j个维度做矩阵乘法，表示伪逆；步骤5、得到更新的稀疏系数张量即步骤6、得到原图像的重构结果

全文数据：

权利要求：

百度查询： 南京航空航天大学 截断式张量贝叶斯多光谱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。

阅读全文 双屏查看 官方信息 专利公告 收藏专利 下载PDF 下载WORD