1.一种基于原始对偶和安德森加速的图像重建方法,其特征在于,包括如下步骤:步骤1:收集采样数据,建立信号模型;
步骤2:求解加入l1范数与TV范数后的极值,解值提供对图像x的估计;
步骤3:采用原始对偶法展开范数并引入新的迭代变量;
步骤4:采用近端梯度下降法计算变量的估计值;
步骤5:利用步骤4得到的估计值进行安德森加速,迭代数次,获得重建图像x;
步骤1中,最小二乘LS解决问题的形式:
其中,||·||为欧氏范数;为积分算子的离散化,收集了被错误损坏的测量值;根据数据y建立信号模型:y=Hx0+v
其中,表示一个未知的二维图像,该图像有N个像素,条目已按字典顺序重新排序,收集了所有的干扰;设图像x0是稀疏的分段常数,v的每一项都是一个均匀分布白噪声随机变量的实现;
步骤2中,图像重建中的解是x0的差近似值,其中表示H的Moore-Penrose伪逆;采用压缩感知全变分正则化,即:式中,是用于增强信号稀疏性的l1范数,||x||TV是用于保持边缘正则化的TV范数,定义为:其中,其中,σ2为方差,Δij为第i个点和第j个点之间的物理或特征空间距离的函数;
步骤3中,对于给定的任何范数||·||,它的对偶范数被定义为||x||*=max||z||≤1
2.根据权利要求1所述的一种基于原始对偶和安德森加速的图像重建方法,其特征在于,步骤4中,采用近端梯度下降法计算x,Z,h变量的估计值;先引入一个散度算子div,因此得:
并且,给定任意凸函数h,其近邻算子定义为:x(K),h(K),Z(K)表示一个指示函数,表示为:采用近端梯度下降法,问题解决框架如下:
3.根据权利要求2所述的一种基于原始对偶和安德森加速的图像重建方法,其特征在于,步骤5中,将前m次迭代的结果作为下一次迭代的条件,先设置一个不动点迭代:(x(k+1),h(k+1),Z(k+1))=g(x(k),h(k),Z(k))其中,g(·)={g1(·),g2(·),g3(·)},则:让
在第k次迭代中作为残差向量,均值定义为其中,zi表示Z的第i列向量;利用先前的m个迭代来构造一个新的迭代,该迭代收敛到点(x(k+1),h(k+1),Z(k+1)),涉及找到一个系数向量使得为解决约束优化问题,得其中,Qk是一个mk×mk的矩阵,其中第(i,j)个元素然后,定义拉格朗日量:对L(α,λ)中的α进行求导,令结果为零,得到因为1Tα=1,所以得到了约束优化问题的解:得到各个参数的下一次迭代为:
经过迭代,获得重建图像x。
4.一种基于原始对偶和安德森加速的图像重建系统,基于权利要求1-3任一项所述的方法,其特征在于,包括如下模块:信号模型建立模块:收集采样数据,建立信号模型;
图像估计模块:求解加入l1范数与TV范数后的极值,解值提供对图像x的估计;
范数展开模块:采用原始对偶法展开范数并引入新的迭代变量;
变量计算模块:采用近端梯度下降法计算变量的估计值;
图像重建模块:利用得到的估计值进行安德森加速,迭代数次,获得重建图像x。