[發(fā)明專利]基于結(jié)構(gòu)字典的分塊圖像壓縮感知重建方法

有效

• 申請?zhí)枺?/td>: 201210155980.3
• 申請日: 2012-05-18
• 公開（公告）號: CN102708576A
• 公開（公告）日: 2012-10-03
• 發(fā)明（設(shè)計）人: 楊淑媛;焦李成;陳義光;劉芳;侯彪;王爽;馬文萍;齊智峰;謝冬梅
• 申請（專利權(quán)）人: 西安電子科技大學(xué)
• 主分類號: G06T11/00
• 分類號: G06T11/00
• 代理公司: 陜西電子工業(yè)專利中心 61205
• 代理人: 田文英;王品華

技術(shù)領(lǐng)域

本發(fā)明屬于圖像處理技術(shù)領(lǐng)域，更進(jìn)一步涉及一種壓縮感知理論框架下的基于結(jié)構(gòu)字典的分塊壓縮感知圖像重建方法，可用于壓縮觀測下各類自然圖像的高質(zhì)量重構(gòu)。

背景技術(shù)

為了得到高分辨率的圖像，傳統(tǒng)的圖像獲取方法中需要增加傳感器的數(shù)目，這會增大成像設(shè)備的成本與體積。壓縮感知理論是近幾年在信號處理領(lǐng)域發(fā)展起來的一種新的信息獲取與處理方法，它對稀疏或可壓縮信號同時進(jìn)行采樣與壓縮，使用低分辨的傳感設(shè)備就可以在終端精確重建信號，從而解決了傳統(tǒng)乃奎斯特采樣中對采樣速率要求的瓶頸問題。

在二維圖像壓縮感知重建中，如果對原始圖像整體進(jìn)行采樣，需要較高的計算復(fù)雜度與硬件代價。之后發(fā)展起來的分塊圖像壓縮感知重建方法先把圖像分為固定大小的圖像塊，對所有的圖像塊進(jìn)行隨機投影，逐塊重建后再聚合成原圖像。此時，分塊重建具有易于運輸和存儲等優(yōu)點，是實現(xiàn)圖像壓縮感知的一個重要進(jìn)步。

西安電子科技大學(xué)的專利申請“基于核回歸的壓縮感知圖像重構(gòu)方法”(公開號：CN102332153A，申請?zhí)枺?01110268034.5，申請日：2011年9月13日)中公開了一種基于核回歸的壓縮感知圖像重構(gòu)方法。該方法首先對圖像進(jìn)行分塊，利用正交匹配追蹤OMP算法和冗余離散余弦(DCT)字典對這些圖像塊進(jìn)行初步重構(gòu)，然后對圖像運用核回歸方法得到圖像小塊的局部信息，利用鄰域圖像塊加權(quán)得到圖像小塊的非局部信息，最后利用圖像小塊的局部信息和非局部信息通過最小二乘求解得到重構(gòu)圖像小塊，對所有圖像小塊重復(fù)此類操作，獲得最終SAR高分辨重建圖像。該專利申請存在的不足是，對不同圖像塊進(jìn)行初步重構(gòu)時采用的字典是單一的冗余離散余弦字典，但不同的圖像塊一般具有不同的結(jié)構(gòu)特征，從而對具有不同結(jié)構(gòu)特征的圖像塊不能進(jìn)行最稀疏的表示，影響重建效果；另外，該專利有對具有紋理信息的圖像重建效果不理想的缺點。

發(fā)明內(nèi)容

本發(fā)明的目的在于針對現(xiàn)有壓縮感知重構(gòu)技術(shù)中采用單一字典，難以最稀疏的表示具有不同結(jié)構(gòu)特征圖像塊的缺點，而影響圖像的最終重建效果的缺點，提出一種基于結(jié)構(gòu)字典的分塊圖像壓縮感知重構(gòu)方法。

本發(fā)明的思路是，首先基于圖像塊的結(jié)構(gòu)特征對圖像塊分進(jìn)行類，然后以每類圖像塊作為訓(xùn)練樣本，利用K-Singular?Value?Decomposition(KSVD)字典訓(xùn)練方法訓(xùn)練得到冗余字典與余弦基字典組成結(jié)構(gòu)字典，最后在分塊圖像壓縮感知重建時，利用基于重建誤差加權(quán)求和的方法獲得最終圖像。

本發(fā)明的實現(xiàn)的具體步驟如下：

(1)獲取訓(xùn)練樣本；

(2)圖像塊分類

2a)分別計算各個訓(xùn)練樣本的方差；

2b)將方差小于平滑閾值的圖像塊歸為平滑類圖像塊，方差大于平滑閾值的圖像塊歸為非平滑類圖像塊；

2c)根據(jù)梯度計算方法分別計算各個非平滑類圖像塊中各像素水平方向與垂直方向的梯度，得到梯度矩陣；

2d)對梯度矩陣進(jìn)行奇異值分解，得到左酉矩陣、對角矩陣和右酉矩陣；

2e)計算對角矩陣中的兩個奇異值的差與和，并計算兩者的比值；

2f)將比值與不規(guī)則閾值進(jìn)行比較，若比值大于不規(guī)則閾值，則將非平滑類圖像塊歸為規(guī)則類圖像塊，否則，歸為不規(guī)則類圖像塊；

2g)利用下式計算規(guī)則類圖像塊指向值：

其中，θ為規(guī)則類圖像指向值，v₁和v₂為主分量，分別代表右酉矩陣的列向量；

2h)將-90°～90°指向的取值范圍均分為12個離散區(qū)間，將指向值在同一區(qū)間內(nèi)對應(yīng)的的規(guī)則類圖像塊歸為一類；

(3)訓(xùn)練分類字典

3a)將分類得到的平滑類圖像塊、不規(guī)則類圖像塊及12個不同指向的圖像塊作為訓(xùn)練樣本；

3b)進(jìn)行字典訓(xùn)練初始化設(shè)置；

3c)利用KSVD方法進(jìn)行字典訓(xùn)練，得到對應(yīng)于各類圖像塊訓(xùn)練樣本的分類冗余字典；

3d)根據(jù)余弦基公式，構(gòu)造余弦基字典；

3e)將分類冗余字典與余弦基字典組成結(jié)構(gòu)字典；

(4)構(gòu)造觀測矩陣

4a)根據(jù)壓縮感知的低采樣特性，在0.2～0.4范圍內(nèi)選擇采樣率；

4b)將采樣率與圖像塊像素數(shù)目相乘，得到對應(yīng)采樣率的觀測矩陣維數(shù)

4c)隨機初始化相應(yīng)維數(shù)的高斯隨機矩陣作為觀測矩陣；

(5)觀測圖像塊

5a)對原始圖像按同樣大小進(jìn)行不重疊的逐次分塊處理，并將圖像塊按列依次拉為列向量，得到原始圖像矩陣；