基于盲压缩感知的图像重构方法.pdf

(19)中华人民共和国国家知识产权局*CN103400349A*(12)发明专利申请(10)申请公布号(10)申请公布号CNCN103400349103400349A(43)申请公布日2013.11.20(21)申请号201310307305.2(22)申请日2013.07.20(71)申请人西安电子科技大学地址710071陕西省西安市太白南路2号(72)发明人王勇吴超田洪伟张凤郑娜楚天许录平(74)专利代理机构陕西电子工业专利中心61205代理人王品华朱红星(51)Int.Cl.G06T5/00(2006.01)G06T9/00(2006.01)权权利要求书2页利要求书2页说明书7页说明书7页附图4页附图4页(54)发明名称基于盲压缩感知的图像重构方法(57)摘要本发明公开了一种基于盲压缩感知模型的图像重构方法，主要解决传统压缩感知只能对稀疏信号进行观测，且重构图像质量较差的问题。其实现步骤是：(1)对输入图像进行冗余变换，获得冗余矩阵；(2)对冗余矩阵在观测矩阵下进行压缩观测；(3)根据压缩观测的结果，利用OMP算法进行自适应更新稀疏矩阵；（4）根据更新后的稀疏矩阵，利用奇异值分解方法更新稀疏基；（5）将更新后的稀疏矩阵和稀疏基相乘得到重构后的图像冗余矩阵；（6）将重构后的图像冗余矩阵通过冗余逆变换获得重构图像；通过图像的峰值信噪比对重构图像进行评估。本发明具有重构图像质量高，对噪声抑制效果好的优点，可应用于图像去噪和图像压缩。CN103400349ACN10349ACN103400349A权利要求书1/2页1.一种基于盲压缩感知的图像重构方法，包括以下步骤：（1）设输入图像矩阵为I、冗余矩阵为X，对输入图像I进行冗余变换,获得冗余矩阵X（2）设观测矩阵为A，根据盲压缩感知模型得出对图像信号重构的模型为：其中P、S分别为X的稀疏基、稀疏矩阵，||||F表示求矩阵的F-范数，利用A对冗余矩阵X进行压缩观测，得到观测后的矩阵B＝A*X；（3）设冗余矩阵X的初始化稀疏基为P、稀疏矩阵为S，利用OMP算法更新稀疏矩阵S，使其满足：其中si为S的第i列，且i取S的任意一列，k为si的稀疏度，D＝A*P,*为乘号，||||F表示求矩阵的F-范数，||||0表示求向量的零范数;（4）利用奇异值分解方法更新稀疏基P，使其满足：（5）将更新后的稀疏基和更新后的稀疏矩阵S相乘，得到重构后的冗余矩阵X_r，即X_r＝P*S，其中Pi'为更新后的P的子块，i=1…2L；（6）对重构后的冗余矩阵X_r进行冗余逆变换，求出重构后的图像矩阵I_r；（7）采用图像的峰值信噪比PSNR作为评价指标对重构图像I_r进行评估，若重构图像的PSNR大于等于峰值信噪比阈值v，则输出重构图像I_r，若不满足返回（3）重复执行，该峰值信噪比阈值v根据不同图像和加入噪声值的不同设定。2.根据权利要求1所述的基于盲压缩感知的图像重构方法，其中步骤（1）所述的对输入图像I进行冗余变换得到冗余矩阵X，按如下步骤进行：（1a）从输入图像I的(i,j)像素点开始，取p*q的图像块，即取出从i到i+p-1行、从j到j+q-1列的图像块，其中i从1到c-p+1，j从1到d-q+1，c为输入图像I的行数，d为输入图像I的列数；（1b）将取出的图像块的每一列按顺序首尾相接得到列向量，并将所有的列向量再进行顺序组合，得到冗余矩阵X。3.根据权利要求1所述的基于盲压缩感知的图像重构方法，其中所述步骤（2）中对观测矩阵A进行分块，表示为：n*nLn*nLA＝[A1,...,Aj,Aj+1...,A2L]，其中A∈R，R表示A属于n*nL实矩阵，[AjAj+1]为n*n的服从高斯分布的正交单位化矩阵，其中Aj、Aj+1分别为观测矩阵A的第j、j+1块，j取1到2L的任意奇数，L为A的压缩比，即A的块数。4.根据权利要求1所述的基于盲压缩感知的图像重构方法，其中步骤（4）所述的利用2CN103400349A权利要求书2/2页奇异值分解方法更新稀疏基P，按如下步骤进行：（4a）将稀疏基P分为大小为的子块，即P∈RnL*nL；将稀疏矩阵S分为大小为的子块，即S∈RnL*d，其中n为观测矩阵A的列数，L为观测矩阵A的压缩比，e为冗余矩阵X的列数；（4b）对P中的子块Pi初始化，即利用离散余弦基公式DCT产生m1*m1的第一变换阵DC1和m2*m2的第二变换阵DC2，其中并对两个变换阵求K积，得到Pi，其中i=1…2L，L为A的压缩比：（4c）依次对Pi进行更新：首先，令其中，Sj为稀疏矩阵S的第j块，Aj为观测矩阵A的第j块，Pj为稀疏基P的第j块，j为1到2L，j不等于i；TTT然后，对Si(Bi)Ai进行奇异值分解，得到分解后的结果为：Si(Bi)Ai＝U*M*V，其中SiT为稀疏矩阵S的第i块，A