MATLAB中的二维稀疏图像重建：基于匹配追踪的自适应算法仿真

资 源 简 介

该项目利用MATLAB实现了基于二维匹配追踪（MP）算法的自适应稀疏图像重建。系统通过迭代方式，在每一步选择字典中最匹配当前残差的二维原子，实现对原始图像的逐步逼近与高效重构。该仿真系统适用于图像分析与稀疏表示研究。

详 情 说 明

二维稀疏图像重建的匹配追踪算法仿真系统

项目介绍

本项目实现一种基于二维匹配追踪（Matching Pursuit, MP）的自适应图像重建算法。系统通过迭代地选择字典中最匹配当前残差的二维原子（子图像），逐步逼近原始图像。每次迭代中，算法计算图像残差与字典原子的内积，选出最优匹配项并更新残差，最终用少量关键原子高精度重建图像。支持自定义迭代次数、误差阈值及原子字典类型，可视化迭代过程中的重建效果与残差收敛情况。

功能特性

• 自适应图像重建：通过贪婪迭代算法选择最优匹配原子，实现图像的稀疏重建
• 灵活字典配置：支持DCT、Gabor小波、随机矩阵等多种二维原子字典类型
• 参数可定制：可调整原子尺寸、最大迭代次数、收敛误差阈值等关键参数
• 重建质量评估：基于峰值信噪比（PSNR）的量化评估体系
• 可视化监控：实时显示重建效果、残差图像及收敛曲线

使用方法

1. 准备输入图像：加载单通道灰度图像（矩阵格式，如512×512 double类型）
2. 设置字典参数：指定原子尺寸（如8×8）、字典类型（DCT/Gabor/随机矩阵）
3. 配置算法参数：设定最大迭代次数（默认100）、收敛误差阈值（默认1e-3）
4. 执行重建算法：运行主程序开始迭代重建过程
5. 分析输出结果：

- 查看重建图像及其与原图的对比 - 分析残差收敛曲线和PSNR变化趋势 - 获取重构报告（原子数量、最终PSNR值、相对误差）

系统要求

• MATLAB R2018b或更高版本
• Image Processing Toolbox
• 支持的操作系统：Windows/Linux/macOS

文件说明

主程序文件实现了系统的核心控制逻辑，包括图像数据预处理、字典生成初始化、匹配追踪迭代执行、重建结果可视化与性能评估等完整流程。具体整合了参数配置界面、原子匹配搜索机制、残差更新计算、收敛条件判断以及多维度输出展示功能，为用户提供一站式的稀疏重建仿真体验。