本发明涉及计算机视觉的，尤其涉及一种自适应采样和重建的图像压缩感知方法，以及一种自适应采样和重建的图像压缩感知装置。
背景技术：
1、图像压缩感知是图像处理和计算机视觉中的一项基本且关键的任务。在图像压缩感知中，首先使用线性随机变换对目标信号同时进行采样和压缩，然后可以使用远低于奈奎斯特采样率所需的观测值来重建原始信号。采样矩阵的构造是获得原始信号的内在结构的一个重要关键。将通常设为随机高斯矩阵、泊松矩阵或托普利茨矩阵，对每个图像分量进行均匀采样，可以准确地重建信号。的高质量重构的另一个关键是重建方法，传统的基于优化的重建方法通常利用一些图像先验信息，如小波域的结构稀疏性作为目标函数中的正则化项，然后求解稀疏正则化优化问题。虽然基于优化的重构方法能够获得令人满意的重构结果，但由于其对复杂多样的信号成分缺乏适应性，其性能仍有很大的提升空间。此外，传统优化方法通过迭代步骤求解优化问题还存在着计算复杂度较高、重建时间长等问题。
2、近年来，利用神经网络强大的学习和计算能力，基于深度学习的压缩感知方法能够直接学习从信号观测域到原始信号域的逆映射。尽管基于深度学习的图像压缩感知方法取得了很大进展，但是基于深度学习的方法存在以下几个问题：(1)基于卷积神经网络的模型都是手工设计的，并被训练成一个黑盒子，没有理论上的保证。(2)这些方法平等地对待图像的不同组成成分，忽略了图像分量之间的差异和多尺度子带之间的相关性。
技术实现思路
1、为克服现有技术的缺陷，本发明要解决的技术问题是提供了一种自适应采样和重建的图像压缩感知方法，其能够使得采样时有效适应复杂多样的图像成分，实现不同成分不同对待，进一步提升图像采样性能，实现多尺度小波子带在重建时的结构一致性，增强跨尺度交互能力，提升图像重建性能。
2、本发明的技术方案是：这种自适应采样和重建的图像压缩感知方法，包括以下步骤：
3、(1)基于图像不同组成成分重要性不同进行小波域自适应采样：利用一个多尺度采样矩阵a，对小波系数进行采样得到观测值y，其中使用一个自适应权重分配策略来实现不同成分不同对待
4、y＝a*θ (7)
5、其中θ为小波子带序列；
6、(2)获得观测值以后，将转置矩阵作用at在观测值y上，然后进行逆小波变换(iwt)，获得初始重建图像x0
7、x0＝iwt(at*y) (8)；
8、(3)利用小波树结构信息进行图像重建：引入结构先验信息来构建模型，其描述如下:
9、
10、其中，g表示小波树中的所有父子分组的集合，在第二项中采用加权的l1和l2范数在小波子带内施加稀疏性约束。
11、本发明通过小波域自适应采样可以使得采样时有效适应复杂多样的图像成分，实现不同成分不同对待，进一步提升图像采样性能。通过引入小波树结构化先验知识，实现多尺度小波子带在重建时的结构一致性，增强跨尺度交互能力提升图像重建性能。
12、还提供了一种自适应采样和重建的图像压缩感知装置，该装置包括：
13、图像采样模块，其配置来基于图像不同组成成分重要性不同进行小波域自适应采样：利用一个多尺度采样矩阵a，对小波系数进行采样得到观测值y，其中使用一个自适应权重分配策略来实现不同成分不同对待
14、y＝a*θ (7)
15、其中θ为小波子带序列；
16、初始重建模块，其配置来获得观测值以后，将转置矩阵作用在观测值上，获得初始重建图像x0
17、x0＝iwt(at*y) (8)；
18、图像重建模块，其配置来利用小波树结构信息进行图像重建：引入结构先验信息来构建模型，其描述如下:
19、
20、其中，g表示小波树中的所有父子分组的集合，在第二项中采用加权的l1和l2范数在小波子带内施加稀疏性约束。
1.自适应采样和重建的图像压缩感知方法，其特征在于：该方法包括以下步骤：
2.根据权利要求1所述的自适应采样和重建的图像压缩感知方法，其特征在于：所述步骤(1)包括以下分步骤：
3.根据权利要求2所述的自适应采样和重建的图像压缩感知方法，其特征在于：所述步骤(3)中，变量z和θ在公式(10)的最小化过程中被耦合在一起，同时求解它们是难以处理的，因此将公式(10)划分为两个子问题：θ子问题和z子问题。
4.根据权利要求3所述的自适应采样和重建的图像压缩感知方法，其特征在于：所述步骤(3)中，z子问题等价于求解以下优化问题：
5.根据权利要求4所述的自适应采样和重建的图像压缩感知方法，其特征在于：所述步骤(3)中，θ子问题描述为：
6.根据权利要求5所述的自适应采样和重建的图像压缩感知方法，其特征在于：每个去块效应模块都由6个卷积层组成，在相邻的卷积层之间应用relu激活函数；然后利用逆小波变换将低频和高频相结合，得到第k阶段的重构结果xk，它将前k-1阶段的输出的集合[x0，x1，...，xk]作为去块效应模块的输入；集成前边所有阶段输出信息的去块效应模块用来去除块效应。
7.根据权利要求6所述的自适应采样和重建的图像压缩感知方法，其特征在于：在进行逆小波变换之前使用一个跨域融合注意模块来协同重建高频和低频分量，第k个重建阶段的输出图像的去块效应过程表示为：
8.自适应采样和重建的图像压缩感知装置，其特征在于：该装置包括：图像采样模块，其配置来基于图像不同组成成分重要性不同进行小波域自适应采样：利用一个多尺度采样矩阵a，对小波系数进行采样得到观测值y，其中使用一个自适应权重分配策略来实现不同成分不同对待
