分块压缩感知程序运行显示dwt的参数不足，不会，求解

Question

% 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，[e-mail]
% 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('D:\用户目录\我的文档\MATLAB\New Folder\lena bmp 标准测试图像.bmp');
X=double(X);
[a,b]=size(X);
size_kuai=16*4;
X2=zeros(size_kuai); % 恢复矩阵
X3=zeros(a,b); % 恢复矩阵
% 小波变换矩阵生成
ww=DWT(size_kuai);
% 随机矩阵生成
M=12*4;
R=randn(M,size_kuai);

tic
for i_x=1:ceil(a/size_kuai)
for i_y=1:ceil(b/size_kuai)
XX=X((i_x-1)*size_kuai+1:i_x*size_kuai,(i_y-1)*size_kuai+1:i_y*size_kuai);
% 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(XX)*ww';
X1=full(X1);
% 测量
Y=R*X1;
% OMP算法
for i=1:size_kuai % 列循环

rec=omp_fenkuai(Y(:,i),R,size_kuai);
X2(:,i)=rec;
end
X3((i_x-1)*size_kuai+1:i_x*size_kuai,(i_y-1)*size_kuai+1:i_y*size_kuai)=ww'*sparse(X2)*ww; % 小波反变换
end
end
X3=full(X3);
use_time=toc

% 原始图像
figure(1);
imshow(uint8(X));
title('原始图像');
% 压缩传感恢复的图像
figure(2);
imshow(uint8(X3));
title('分块恢复的图像');

% 误差(PSNR)
errorx=sum(sum(abs(X3-X).^2)); % MSE误差
psnr=10*log10(255*255/(errorx/a/b)) % PSNR

% OMP的函数
% s-测量；T-观测矩阵；N-向量大小
function hat_y=omp_fenkuai(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)<40) % 残差足够小
break;
end
end
hat_y(pos_array)=aug_y; % 重构的向量

% 程序作者：沙威，香港大学电气电子工程学系，[e-mail]
% 参考文献：小波分析理论与MATLAB R2007实现，葛哲学，沙威，第20章 小波变换在矩阵方程求解中的应用（沙威、陈明生编写）.
D:\用户目录\我的文档\MATLAB\New Folder\lena bmp 标准测试图像.bmp
% 构造正交小波变换矩阵，图像大小N*N，N=2^P，P是整数。

function ww=dwt(N)

[h,g]= wfilters('sym8','d'); % 分解低通和高通滤波器

% N=256; % 矩阵维数(大小为2的整数幂次)
L=length(h); % 滤波器长度
rank_max=log2(N); % 最大层数
rank_min=double(int8(log2(L)))+1; % 最小层数
ww=1; % 预处理矩阵

% 矩阵构造
for jj=rank_min:rank_max

nn=2^jj;

%  构造向量
p1_0=sparse([h,zeros(1,nn-L)]);
p2_0=sparse([g,zeros(1,nn-L)]);

%  向量圆周移位
for ii=1:nn/2
    p1(ii,:)=circshift(p1_0',2*(ii-1))';
    p2(ii,:)=circshift(p2_0',2*(ii-1))';
end

%  构造正交矩阵
w1=[p1;p2];
mm=2^rank_max-length(w1);
w=sparse([w1,zeros(length(w1),mm);zeros(mm,length(w1)),eye(mm,mm)]);
ww=ww*w;

clear p1;clear p2;

end

Answer 1

https://wenku.baidu.com/view/a4e0291b10a6f524ccbf850b.html