[发明专利]一种基于LDPC矩阵的光场图像压缩感知方法

摘要

本发明公开了一种基于LDPC矩阵的光场图像压缩感知方法，步骤(1)、建立样本数据集；步骤(2)、利用Matlab对样本数据集中所有的光场图像块文件进行处理，选出方差较大的几组图片，作为后续实验原料；步骤(3)、进得到训练好的K‑SVD字典作为选择出的训练集；步骤(4)、对步骤(3)中训练好的K‑SVD字典进行在线稀疏编码处理；步骤(5)、生成测量矩阵；步骤(6)、利用OMP算法对降采样后的光场图像数据进行重构；步骤(7)、获得重构信号。与现有技术相比，本发明具有简单、高效的特点，实现了降低光场图像传输存储空间的功能，在保证准确率的基础上一定程度上提高了重构的速度，实现了光场信号的降采样处理以及高概率重构。

主权项

1.一种基于LDPC矩阵的光场图像压缩感知方法，其特征在于，该方法包括以下步骤：步骤(1)、建立样本数据集，即从开源的通用光场图像包中选用5组光场图像，建立样本数据集，对光场图像进行分块；步骤(2)、利用Matlab对样本数据集中所有的光场图像块文件进行处理，从光场图像块中选取方差最大的前50000块作为“核心集”；步骤(3)、进行“核心集”处理，即通过“核心集”进行K‑SVD字典训练，训练步骤包括：设定初始字典D₀∈R^n×K，设字典为D_j，其中j表示字典的更新次数；R^n×K表示字典属于一个n×K的向量空间，n和K分别表示字典的行数和列数；对样本数据集中各样本i进行稀疏编码：即利用匹配算法计算每个音频样本s_i的表示向量a_i，求解均方误差方程找到一个最多有T₀个非零项的信号，并且使得限制条件T₀最小；其中T₀是一个固定的预设数量的非零项；更新字典原子，每次更新一列d_k；更新该列的表达系数，使其满足均方误差)的值最小的收敛条件，直到收敛条件停止更新，得到训练好的K‑SVD字典作为选择出的训练集；步骤(4)、对步骤(3)中训练好的K‑SVD字典进行在线稀疏编码处理；步骤(5)、生成测量矩阵，即在LDPC矩阵的基础上，根据采样率R的大小构造相应的测量矩阵，具体生成过程如下：对于一个N×1的一维信号x，N一般为偶数，根据采样率R的大小构造子矩阵，确定子矩阵每一行“1”个数为L，而每一行的“1”根据采样率大小按照将P×Q子矩阵中第K行的“1”连续分布在从(K‑1)×L+1到K×L的列的位置或离散分布在第K列和第K+0.5Q列的位置这两种情况分布，以保证每一列中有且仅有一个“1”存在；构造一个单位矩阵，并依据采样率大小从上述子矩阵或者单位矩阵中随机选取所需的行或者列；选取所需的行或列添加到子矩阵中，使子矩阵的大小等于测量矩阵的大小；通过迭代算法有限次的遍历搜索整个子矩阵中的四边环，并通过改变其中一个“1”的位置来消除存在的四边环，经消除四边环的子矩阵即为测量矩阵；步骤(6)、利用OMP算法对降采样后的光场图像数据进行重构，即在已知y、Φ、D的情况下，通过OMP算法求解公式y＝ΦDa中α的值；其中，D为步骤4中生成的过完备字典，Φ为步骤5中生成的测量矩阵，y为降采样后的光场图像数据；步骤(7)、获得重构信号，即通过计算D、α的乘积得到重构信号s。