压缩感知常见测量矩阵二维图像仿真实验代码

% 本程序实现图像LENA的压缩传感 % 程序作者：沙威，香港大学电气电子工程学系，wsha@eee.hku.hk % 算法采用正交匹配法，参考文献 Joel A. Tropp and Anna C. Gilbert % Signal Recovery From Random Measurements Via Orthogonal Matching % Pursuit，IEEE TRANSACTIONS ON INFORMATION THEORY, VOL. 53, NO. 12, % DECEMBER 2007. % 该程序没有经过任何优化 function Wavelet_OMP clc;clear % 读文件 X=imread('lena256.bmp'); X=double(X); [a,b]=size(X); % 小波变换矩阵生成 ww=DWT(a); % 小波变换让图像稀疏化（注意该步骤会耗费时间，但是会增大稀疏度） X1=ww*sparse(X)*ww'; X1=full(X1); % 随机矩阵生成 M=190; d=16; R= SparseRandomMtx(M,a,d); % 测量 Y=R*X1; % OMP算法 X2=zeros(a,b); % 恢复矩阵 for i=1:b % 列循环 rec=omp(Y(:,i),R,a); X2(:,i)=rec; end % 原始图像 figure(1); imshow(uint8(X)); % 变换图像 %小波变换后的图像 figure(2); imshow(uint8(X1)); %测量值图像 figure(3); imshow(uint8(Y)); % 压缩传感恢复的图像 figure(4); X3=ww'*sparse(X2)*ww; % 小波反变换 X3=full(X3); imshow(uint8(X3)); % 误差(PSNR) errorx=sum(sum(abs(X3-X).^2)); % MSE误差 psnr=10*log10(255*255/(errorx/a/b)) % PSNR dNMSE = nmse(uint8(X),uint8(X3)) %NMSE误差 % OMP的函数 % s-测量；T-观测矩阵；N-向量大小 function hat_y=omp(s,T,N) Size=size(T); % 观测矩阵大小 M=Size(1); % 测量 hat_y=zeros(1,N); % 待重构的谱域(变换域)向量 Aug_t=[]; % 增量矩阵(初始值为空矩阵) r_n=s; % 残差值 for times=1:M/4; % 迭代次数(稀疏度是测量的1/4) for col=1:N; % 恢复矩阵的所有列向量 product(col)=abs(T(:,col)'*r_n); % 恢复矩阵的列向量和残差的投影系数(内积值) end [val,pos]=max(product); % 最大投影系数对应的位置 Aug_t=[Aug_t,T(:,pos)]; % 矩阵扩充 T(:,pos)=zeros(M,1); % 选中的列置零（实质上应该去掉，为了简单我把它置零） aug_y=(Aug_t'*Aug_t)^(-1)*Aug_t'*s; % 最小二乘,使残差最小 r_n=s-Aug_t*aug_y; % 残差 pos_array(times)=pos; % 纪录最大投影系数的位置 if (norm(r_n)<9) % 残差足够小 break; end end hat_y(pos_array)=aug_y; % 重构的向量