[發(fā)明專利]在多變量觀測(cè)下基于邊緣約束的圖像重構(gòu)方法

有效

• 申請(qǐng)?zhí)枺?/td>: 201510097078.4
• 申請(qǐng)日: 2015-03-05
• 公開(kāi)（公告）號(hào): CN104700436B
• 公開(kāi)（公告）日: 2017-10-24
• 發(fā)明（設(shè)計(jì)）人: 劉芳;李婉;李玲玲;郝紅俠;焦李成;楊淑媛;尚榮華;張向榮;馬文萍
• 申請(qǐng)（專利權(quán)）人: 西安電子科技大學(xué)
• 主分類號(hào): G06T9/00
• 分類號(hào): G06T9/00
• 代理公司: 陜西電子工業(yè)專利中心61205
• 代理人: 王品華,朱紅星

1.一種在多變量觀測(cè)下基于邊緣約束的圖像重構(gòu)方法，其特征在于：包括如下步驟：

(1)接收方接收?qǐng)D像發(fā)送方發(fā)送的正交隨機(jī)高斯觀測(cè)矩陣Φ、低頻小波分解系數(shù)L、水平高頻子帶多變量測(cè)量矩陣Y₁、垂直高頻子帶多變量測(cè)量矩陣Y₂和對(duì)角高頻子帶多變量測(cè)量矩陣Y₃，將三個(gè)高頻子帶多變量測(cè)量矩陣統(tǒng)一用Y表示；

(2)根據(jù)接收的觀測(cè)矩陣Φ、低頻小波分解系數(shù)L和高頻子帶多變量測(cè)量矩陣Y，通過(guò)邊緣檢測(cè)和相關(guān)性的指導(dǎo)得到非零系數(shù)組索引集合：

(2.1)將接收的低頻小波分解系數(shù)L和三個(gè)全部為零的高頻子帶進(jìn)行小波逆變換，得到邊緣模糊圖像；

(2.2)對(duì)邊緣模糊圖像進(jìn)行邊緣檢測(cè)，得到邊緣位置；

(2.3)提取邊緣模糊圖像中對(duì)應(yīng)邊緣位置的像素得到模糊邊緣；

(2.4)對(duì)模糊邊緣進(jìn)行一層小波變換，得到模糊邊緣小波高頻系數(shù)和模糊邊緣小波低頻系數(shù)；將模糊邊緣小波高頻系數(shù)絕對(duì)值大于閾值h的位置設(shè)為1，小于閾值h的位置設(shè)為0得到初始模糊位置矩陣，將初始模糊位置矩陣按照多變量矩陣的形式排列成M×Q維的多變量模糊位置矩陣E，其中M為Φ的列數(shù)，Q為Y的列數(shù)，閾值h＝0.2；

(2.5)根據(jù)觀測(cè)矩陣Φ的轉(zhuǎn)置和高頻子帶多變量測(cè)量矩陣Y相乘得到的相關(guān)性矩陣Φ^T*Y,將該相關(guān)性矩陣的絕對(duì)值|Φ^T*Y|和多變量模糊位置矩陣E進(jìn)行加權(quán)求和，得到系數(shù)重要性矩陣V＝|Φ^T*Y|+w*E，其中w為加權(quán)系數(shù)；

(2.6)將系數(shù)重要性矩陣V的每一行相加，得到系數(shù)重要性向量，將系數(shù)重要性向量中最大的c個(gè)元素的索引取出構(gòu)成非零系數(shù)組索引集合u＝{s₁,s₂,...,s_i,...,s_c}，其中i＝1,2,...,c，s_i代表第i個(gè)非零系數(shù)組的索引，c為小于M的整數(shù)；

(3)初始化外部迭代次數(shù)t＝1，模型求解迭代總次數(shù)為N₁，系數(shù)求解迭代總次數(shù)為N₂；初始化待重構(gòu)小波高頻系數(shù)矩陣和總疊加結(jié)果O均為M×Q維的零矩陣，其中M為Φ的列數(shù)，Q為Y的列數(shù)；初始化待重構(gòu)小波高頻系數(shù)矩陣的每一行均服從基礎(chǔ)協(xié)方差矩陣Ω的多變量高斯分布；初始化殘差的每一行均服從殘差協(xié)方差矩陣Π的多變 量高斯分布；

(4)根據(jù)觀測(cè)矩陣Φ、高頻子帶多變量測(cè)量矩陣Y、基礎(chǔ)協(xié)方差矩陣Ω、殘差協(xié)方差矩陣Π和非零系數(shù)組索引集合u，通過(guò)吉布斯采樣方法計(jì)算待重構(gòu)小波高頻系數(shù)矩陣

(4.1)初始化迭代次數(shù)i＝1；

(4.2)根據(jù)基礎(chǔ)協(xié)方差矩陣Ω、殘差協(xié)方差矩陣Π、觀測(cè)矩陣Φ得到待重構(gòu)小波高頻系數(shù)矩陣的第s_i行的協(xié)方差矩陣：

其中為觀測(cè)矩陣Φ的第s_i列，為的轉(zhuǎn)置

(4.3)根據(jù)殘差協(xié)方差矩陣Π、觀測(cè)矩陣Φ和待重構(gòu)小波高頻系數(shù)矩陣第s_i行的協(xié)方差矩陣得到待重構(gòu)小波高頻系數(shù)矩陣第s_i行的均值向量：

其中為觀測(cè)矩陣Φ的第k列，x_k為待重構(gòu)小波高頻系數(shù)矩陣的第k行，其中k為大于等于1小于等于M且不等于s_i的整數(shù)；

(4.4)根據(jù)待重構(gòu)小波高頻系數(shù)矩陣第s_i行的均值向量和協(xié)方差矩陣建立對(duì)應(yīng)的多變量高斯模型，計(jì)算待重構(gòu)小波高頻系數(shù)矩陣的第s_i行系數(shù) 其中，表示隨機(jī)生成一個(gè)服從均值向量為協(xié)方差矩陣為的多變量高斯分布的向量；

(4.5)將迭代次數(shù)i與非零系數(shù)組索引集合u元素個(gè)數(shù)c進(jìn)行比較：如果迭代次數(shù)i＜c，則迭代次數(shù)i自加1，返回步驟(4.2)，否則，輸出待重構(gòu)小波高頻系數(shù)矩陣

(5)根據(jù)待重構(gòu)小波高頻系數(shù)矩陣計(jì)算基礎(chǔ)協(xié)方差矩陣Ω和殘差協(xié)方差矩陣Π：

其中參數(shù)a₀為Q維常數(shù)向量，向量每個(gè)元素的值均為0.000001，*為相乘操作，·^T為轉(zhuǎn)置操作，·^-1為求逆操作，diag(·)操作表示將括號(hào)內(nèi)矩陣的對(duì)角線元素取出組成向量，Gamma(·,·)操作表示生成一個(gè)以括號(hào)內(nèi)第一項(xiàng)為形狀參數(shù)，括號(hào)內(nèi)第二項(xiàng)為尺度參數(shù)的伽馬分布的向量，其中括號(hào)內(nèi)的兩項(xiàng)與產(chǎn)生的向量均為Q維，diag0(·)操作表示產(chǎn)生一個(gè)方陣，方陣的對(duì)角線元素為括號(hào)內(nèi)的向量元素，非對(duì)角線元素為0；

(6)將外部迭代次數(shù)t與模型求解迭代總次數(shù)N₁進(jìn)行比較：如果外部迭代次數(shù)t≤N₁，則t＝t+1，返回步驟(4)，否則執(zhí)行步驟(7)；

(7)設(shè)上代疊加結(jié)果等于總疊加結(jié)果O，將外部迭代次數(shù)t分別與模型求解迭代總次數(shù)N₁和系數(shù)求解迭代總次數(shù)N₂進(jìn)行比較：如果外部迭代次數(shù)N₁＜t＜N₁+N₂，則計(jì)算總疊加結(jié)果外部迭代次數(shù)t＝t+1，返回步驟(4)，否則計(jì)算總疊加結(jié)果計(jì)算最終重構(gòu)小波高頻系數(shù)矩陣執(zhí)行步驟(8)；

(8)根據(jù)保留的低頻小波分解系數(shù)L和最終重構(gòu)小波高頻系數(shù)矩陣進(jìn)行小波逆變換，得到原圖的重構(gòu)圖。