opencv实现正交匹配追踪算法OMP

//dic: 字典矩阵；

//signal :待重构信号（一次只能重构一个信号，即一个向量）

//min_residual: 最小残差

//sparsity:稀疏度

//coe:重构系数

//atom_index:字典原子选择序号

//返回最后的残差

float OMP(    Mat& dic,Mat& signal,float min_residual,int sparsity,Mat& coe,vector<int>& atom_index)



{

    if(signal.cols>1)

    {

        cout<<"wrong signal"<<endl;

        return -1;

    }

    signal=signal/norm(signal);  //信号单位化

    Mat temp(1,dic.cols,5);

    for(int i=0;i<dic.cols;i++)

    {

        temp.col(i)=norm(dic.col(i));  //每个原子的模长

    }

    divide(dic,repeat(temp,dic.rows,1),dic); //字典原子单位化

    Mat residual = signal.clone();  //初始化残差

    coe.create(0, 1, CV_32FC1);  //初始化系数

    Mat phi;    //保存已选出的原子向量

    float max_coefficient;

    unsigned int atom_id;  //每次所选择的原子的序号



    for(;;)

    {

        max_coefficient = 0;

        //取出内积最大列

        for (int i = 0; i <dic.cols; i++)

        {

            float coefficient = (float)dic.col(i).dot(residual); 



            if (abs(coefficient) > abs(max_coefficient))

            {

            max_coefficient = coefficient;

            atom_id = i;

            }

        }

        atom_index.push_back(atom_id); //添加选出的原子序号        

        Mat& temp_atom= dic.col(atom_id); //取出该原子

        if (phi.cols == 0)

            phi = temp_atom;

        else

            hconcat(phi,temp_atom,phi); //将新原子合并到原子集合中（都是列向量）

        

        coe.push_back(0.0f);    //对系数矩阵新加一项

        solve(phi, signal,coe, DECOMP_SVD);    //求解最小二乘问题



        residual = signal - phi*coe;  //更新残差

        float res_norm = (float)norm(residual);



        if (coe.rows >= sparsity || res_norm <= min_residual) //如果残差小于阈值或达到要求的稀疏度，就返回

        {

            return res_norm;

        }

    }

}