基于图像结构模型的压缩感知图像重构方法.pdf

(19)中华人民共和国国家知识产权局*CN102024266A*(12)发明专利申请(10)申请公布号CN102024266A(43)申请公布日2011.04.20(21)申请号201010530913.6G06T5/00(2006.01)(22)申请日2010.11.04(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)发明人刘芳焦李成王爽刘子僖戚玉涛侯彪马文萍尚荣华郝红侠朱亚萍(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.G06T11/00(2006.01)权利要求书2页说明书6页附图5页(54)发明名称基于图像结构模型的压缩感知图像重构方法(57)摘要本发明公开了一种基于图像结构模型的压缩感知图像重构方法。主要解决现有方法没有考虑图像结构信息，盲目迭代的问题，其实现过程是：输入图像A，对其进行傅里叶变换，得到输入图像A的傅里叶系数矩阵X1；按照傅里叶系数低频全采的变密度采样模型，对傅里叶系数矩阵X1进行采样，得到观测向量f；对观测向量f进行傅里叶逆变换，得到变换图像X2；对变换图像X2进行边缘检测，得到边缘检测图像X3；对边缘检测图像X3进行Wavelet变换和Curvelet变换，找出边缘位置和大系数的位置，并根据所得到的位置，在变换图像X2中找到相对应的系数；进行基于Wavelet-curvelet框架的SplitBregman重构算法迭代次20次，最后得到所需要的重构图像。本发明具有图像重构精度更高，效果更好，时间更少的优点。CN10246ACCNN102024266102024280AA权利要求书1/2页1.一种基于图像结构模型的压缩感知图像重构方法，包括如下步骤：(1)输入图像A，对其进行傅里叶变换，得到输入图像A的傅里叶系数矩阵X1；(2)按照傅里叶系数低频全采的变密度采样的模型，对傅里叶系数矩阵X1进行采样，得到观测向量f；(3)对观测向量f进行傅里叶逆变换，得到变换图像X2；(4)对变换图像X2，用Canny算子进行边缘检测，得到边缘检测图像X3；(5)先对边缘检测图像X3进行Wavelet变换，找出边缘位置；再对边缘检测图像X3进行Curvelet变换，找出大系数的位置；(6)根据步骤(5)中得到的位置，在变换图像X2中找到相对应的系数，进行基于Wavelet-curvelet框架的SplitBregman重构算法迭代次20次，最后得到所需要的重构图像。2.根据权利要求1所述的基于图像结构模型的压缩感知图像重构方法，其中步骤(2)所述的按照傅里叶系数低频全采的变密度采样的模型，对傅里叶系数矩阵X1进行采样，得到观测向量f，按如下步骤进行：(2a)设定采样模型是取值仅为0或1的矩阵，将值为1的点作为采样点，根据输入图像A的大小设定矩阵B，若A的大小为m×m，则设矩阵B大小为m×m且取值全为0，设一个以坐标值为(0.5×m，0.5×m)的点a作为圆心，以0.3×0.3×m为半径r的圆，将圆内所有点都作为采样点，将矩阵B中这些位置上的点值设为1；(2b)对于步骤(2a)中圆外的采样点用变密度采样来确定，采样密度大小为：其中r为圆外一点b到圆心a的距离长度，R是以圆心a为起点通过点b，以图像边缘为终点的线段长度；(2c)将步骤(2a)和(2b)重复500次，取500次的平均值作为最终的采样矩阵M；(2d)用(2c)中得到的采样矩阵M点乘步骤(1)中得到的傅里叶系数矩阵X1，得到观测向量f。3.根据权利要求1所述的基于图像结构模型的压缩感知图像重构方法，其中步骤(5)所述的对边缘检测图像X3进行Wavelet变换，找出边缘位置，是通过对边缘检测图像X3进行Wavelet变换，得到系数矩阵C1，从该系数矩阵C1中找出其中的非零系数位置作为边缘位置。4.根据权利要求1所述的基于图像结构模型的压缩感知图像重构方法，其中步骤(5)所述的对边缘检测图像X3进行Curvelet变换，找出大系数的位置，是通过对边缘检测图像X3进行Curvelet变换，得到系数矩阵C2，该系数矩阵C2为各个尺度各个方向上的系数，所有系数的平均值记为CM，若系数值大于作为大系数，找出其中大系数位置，然后保留该位置信息。5.根据权利要求1所述的基于图像结构模型的压缩感知图像重构方法，其中步骤(6)中涉及的对在变换图像X2中找到相对应的系数并进行迭代，按如下步骤进行：(6a)先对变换图像X2进行Wavelet变换得到系数矩阵Cw；再对变换图像X2进行Curvelet变换得到系数矩阵Cc；2CCNN102024266102024280AA权利要求书2/2页(6b)根据步骤(5)中得到的边缘位置，对系数矩阵Cw中边缘位置上的系数进行迭代，而对Cw中其它位置上的系数在每次迭代中保持不变