[發明專利]基于進化多目標優化的非凸壓縮感知圖像重構方法

有效

• 申請號: 201410029814.8
• 申請日: 2014-01-22
• 公開（公告）號: CN103761755A
• 公開（公告）日: 2014-04-30
• 發明（設計）人: 劉芳;寧文學;李玲玲;焦李成;戚玉濤;郝紅俠;李婉;馬文萍;馬晶晶;尚榮華;于昕
• 申請（專利權）人: 西安電子科技大學
• 主分類號: G06T11/00
• 分類號: G06T11/00
• 代理公司: 西安吉盛專利代理有限責任公司 61108
• 代理人: 張培勛

技術領域

本發明屬于圖像處理技術領域，確切講是涉及基于進化多目標優化的非凸壓縮感知圖像重構方法，用于對醫學圖像和自然圖像進行重構。

背景技術

近幾年，在信號處理領域出現了一種新的數據采集理論“壓縮感知”CS，該理論在數據采集的同時實現壓縮，突破了傳統奈奎斯特采樣定理的限制，為數據采集技術帶來了革命性的變化，使得該理論在壓縮成像系統、軍事密碼學、無線傳感等領域有著廣闊的應用前景。壓縮感知理論主要包括信號的稀疏表示、信號的觀測和信號的重構等三個方面。在信號重構方面，通過求解l₀或l₁范數的優化問題來重構圖像。

Tropp等人在文獻“Joel?A.Tropp,Anna?C.Gilbert,Signal?Recovery?From?Random?Measurements?Via?Orthogonal?Matching?Pursuit”中提出基于正交匹配追蹤的隨機觀測的信號恢復方法。該方法對稀疏信號進行低采樣的隨機觀測，從正交的原子庫中選擇最能匹配信號結構的原子，從而重構出圖像。該方法存在的不足是，在重構過程中使用貪婪思想尋找最優解，并不能保證收斂到全局最優解，從而導致重構出的圖像不夠準確，并且它需要人為指定稀疏度的大小，并不是自適應地尋找適合特定問題的稀疏度，從而導致重構圖像質量不好，另外它對壓縮感知框架強加了有限等距性RIP約束，從某種意義上講，限制了壓縮感知的應用范圍。

Hui?Li等人在文獻“MOEA/D?with?Iterative?Thresholding?Algorithm?for?Sparse?Optimization?Problems”中提出基于分解的多目標進化算法MOEA/D用于稀疏信號恢復的方法。該方法針對一維隨機稀疏信號，將壓縮感知重構中有約束的單目標優化問題轉化為將稀疏度也作為優化目標的多目標優化問題，且通過結合MOEA/D和迭代硬閾值IHT進行壓縮感知優化重構。該方法的不足是，它重構的是一維隨機稀疏信號，并沒有針對圖像來實現該方法，自然就沒有引入圖像的先驗信息來指導，并且IHT也沒有使用位置信息來指導求解，其稀疏度范圍也是人為定的，從而導致重構的圖像質量不好。

另外，對于小波域下的分塊壓縮感知圖像重構方法，其優點是：運算量小，耗時小；其不足之處是：在小波域下，將高頻小波系數進行分塊后，可能會出現某些塊不稀疏或者弱稀疏，從而違背了壓縮感知的理論基礎，導致重構的圖像質量不好。

發明內容

本發明的目的是針對小波域下的分塊壓縮感知圖像重構方法中，可能會出現圖像塊不稀疏或者弱稀疏的缺點，提供一種基于進化多目標優化的非凸壓縮感知圖像重構方法，以便優化圖像重構算法，提高圖像準確重構質量。

實現本發明的技術方案是：基于進化多目標優化的非凸壓縮感知圖像重構方法，其特征是：至少包括如下步驟：

步驟101：輸入測試圖像，對測試圖像進行小波變換，保留低頻小波系數C_l，利用正交隨機高斯觀測矩陣Φ對高頻小波系數每隔8個像素進行分塊打散壓縮采樣，得到每一塊的觀測向量y；

步驟102：利用保留的低頻小波系數C_l，通過小波逆變換、邊緣檢測和分塊打散操作得到對應于高頻小波系數的位置矩陣E，位置矩陣E的每一列e對應于每一塊的觀測向量y；

步驟103：利用位置矩陣E通過統計方法獲取每一塊的塊稀疏度范圍[n,n+120]，其中n是位置矩陣E中對應于觀測向量y的那一列的非零元素個數；

步驟104：對位置矩陣E執行打散塊合并操作，得到分塊打散前的位置矩陣E′；

步驟105：對分塊打散前的位置矩陣E′進行提取疫苗和注射疫苗操作，得到分塊打散前的過渡位置矩陣E″；

步驟106：對分塊打散前的過渡位置矩陣E″執行分塊打散操作，得到新的位置矩陣新的位置矩陣的每一列對應于每一塊的觀測向量y；