[發明專利]基于分層高斯混合模型的統計壓縮感知圖像重構方法

有效

• 申請號: 201610110804.6
• 申請日: 2016-02-29
• 公開（公告）號: CN105787895B
• 公開（公告）日: 2018-08-28
• 發明（設計）人: 武嬌;曹飛龍
• 申請（專利權）人: 中國計量學院
• 主分類號: G06T5/00
• 分類號: G06T5/00;G06T5/50;G06T3/40
• 代理公司: 杭州浙科專利事務所(普通合伙) 33213
• 代理人: 杜立

1.基于分層高斯混合模型的統計壓縮感知圖像重構方法，包括如下步驟：

(1)將圖像分成8×8的無重疊的子圖像塊，對每個子圖像塊以Q/D的采樣率進行壓縮采樣，得到測量{y₁，...，y_N}：

y_n＝Φx_n，其中x_n是第n個子圖像塊像素值，Φ是Q×D維高斯隨機矩陣，D＝64；

(2)由黑白邊緣圖像生成K-1個初始的方向高斯分布利用DCT變換生成第K個方向高斯分布μ_k的初始值設定為0，K設定為19；

(3)在混合模型第一層，由測量y_n計算子圖像塊x_n在K個高斯模型下的MAP估計和對數后驗概率：

比較將子圖像塊聚成K類：

第n個子圖像塊被分到第類，

(4)在混合模型第二層，對每個聚類中的子圖像塊，選擇具有最大對數后驗概率的J個高斯分布的混合模型作為先驗分布，利用EM算法從壓縮測量迭代地學習高斯混合模型，并重構屬于每個聚類的子圖像塊得到相應的重構子圖像塊其中是第k個聚類中子圖像塊的標識集，k＝1，...，K；

(5)使用重構子圖像塊更新K個方向高斯分布的均值向量和協方差矩陣：

其中∈₀＝10^-5是正則化參數；

(6)如果未達到指定的迭代重構次數I＝10，返回步驟(3)；否則，將重構的子圖像塊拼在一起，得到原始圖像的重構圖像。

2.根據權利要求1所述的基于分層高斯混合模型的統計壓縮感知圖像重構方法，其中步驟(4)中所述的對每個聚類中的子圖像塊進行混合分量選擇和使用EM迭代算法進行重構，按照如下步驟進行：

(1)計算參數矩陣：

C_k＝Φ∑_kΦ^T+σ²I，k＝1，...，K

其中σ²是噪聲方差，設定為10^-4；

(2)對第個k聚類，計算

以降序排列

選擇與前J個最大值對應的高斯分布作為混合分量，構成x_n的混合先驗分布J設定為12；

(3)初始化：初始化EM算法的迭代次數l＝0，初始殘差初始參數最大迭代次數l_max＝2，迭代終止誤差∈=10^-5；

(3.1)E-步計算后驗期望:

(3.2)M-步更新混合模型參數：

(3.3)更新子圖像塊x_n的重構：

(3.3)更新殘差：

(3.4)將連續兩次殘差矩陣的2-范數的差的絕對值與迭代終止誤差∈進行比較，若或者迭代次數l達到最大值l_max，則停止迭代，輸出子圖像塊x_n的重構否則，給迭代次數l加1，轉至步驟(3.1)。