1.基于字典学习和稀疏表示的欠采样信号高分辨率重构方法,其特征在于:所述方法的具体步骤如下:
步骤一:提取训练样本集数据段:对原始高、低分辨率信号样本集进行预处理,对高分辨率信号去除低分辨率信号,对低分辨率信号进行滤波处理,分别在高、低分辨率信号中相对应的位置上提取各自的数据段,构成数据集;
步骤二:低分辨率训练信号降维:为减少后续训练及重构阶段的计算量,对滤波后得到的低分辨率信号进行降维处理;
步骤三:字典学习:将降维得到的低分辨率信号作为字典训练的输入,通过训练过程,得到稀疏表示系数和低分辨率字典Dl,依据稀疏表示的相似性得到高分辨率字典Dh;
步骤四:提取测试样本集数据段:对输入给定欠采样信号中低分辨率信号进行滤波处理,并在指定位置提取数据段;
步骤五:低分辨率测试信号降维:对测试样本提取的数据段进行特征降维处理,以减少稀疏编码过程的计算量;
步骤六:对降维数据段进行稀疏编码,得到稀疏表示向量,并将稀疏表示向量构成的矩阵和训练得到的高分辨率字典Dh相乘,计算得到逼近的欠采样信号的高分辨率重构结果;
步骤七:重构结果:将上述重构的数据段放到正确的位置,再对重叠部分求均值,最后加上输入的欠采样信号。
2.根据权利要求1所述的基于字典学习和稀疏表示的欠采样信号高分辨率重构方法,其特征在于:步骤一中所述的高分辨率信号去除低分辨率信号,采用高、低分辨率信号直接相减的方法。
3.根据权利要求1所述的基于字典学习和稀疏表示的欠采样信号高分辨率重构方法,其特征在于:步骤三中所述的高分辨率字典,根据以下公式进行计算:根据得到的稀疏表示系数qk按列组成矩阵Q,高分辨率图像块 作为列构造矩阵Ph,则高分辨率字典公式为:为:
+
Dh=PhQ
其中,k表示位置,Ph为逼近的欠采样信号的高分辨率重构结果。
4.根据权利要求1所述的基于字典学习和稀疏表示的欠采样信号高分辨率重构方法,其特征在于:步骤五中所述的进行特征降维,是利用训练阶段降维的变换矩阵B进行降维处理。
5.根据权利要求1所述的基于字典学习和稀疏表示的欠采样信号高分辨率重构方法,其特征在于:步骤六中所述的将稀疏表示向量构成的矩阵Q和训练得到的高分辨率字典Dh相乘,计算得到逼近的欠采样信号的高分辨率重构结果,其计算公式为Ph=DhQ。