[發(fā)明專利]利用加權(quán)結(jié)構(gòu)組稀疏規(guī)則的圖像壓縮感知重構(gòu)系統(tǒng)及方法

有效

• 申請?zhí)枺?/td>: 201610957543.1
• 申請日: 2016-11-03
• 公開（公告）號: CN106651974B
• 公開（公告）日: 2019-08-16
• 發(fā)明（設(shè)計）人: 熊承義;高志榮;李佳;龔忠毅;周城
• 申請（專利權(quán)）人: 中南民族大學(xué)
• 主分類號: G06T9/00
• 分類號: G06T9/00;G06T5/10;G06T11/00
• 代理公司: 武漢宇晨專利事務(wù)所 42001
• 代理人: 黃瑞棠

本發(fā)明公開了一種利用加權(quán)結(jié)構(gòu)組稀疏規(guī)則的圖像壓縮感知重構(gòu)系統(tǒng)及方法，涉及圖像恢復(fù)技術(shù)領(lǐng)域。本系統(tǒng)是：初始化模塊、路由選擇模塊、規(guī)則化均方誤差最小模塊和圖像濾波處理模塊依次交互，圖像濾波處理模塊和路由選擇模塊交互。圖像濾波處理模塊包括依次交互的圖像重疊分塊單元、圖像相似塊組生成單元、變換域加權(quán)軟閾值濾波單元和圖像塊像素域求平均單元。本發(fā)明的第一階段，采用圖像壓縮感知重構(gòu)方法得到壓縮感知圖像的重構(gòu)的初始估計值；第二階段，利用圖像具有的非局部自相似性,采用加權(quán)結(jié)構(gòu)組稀疏表示規(guī)則化的優(yōu)化，通過多次的迭代提升壓縮感知圖像重構(gòu)的質(zhì)量。本發(fā)明能改善圖像紋理和圖像邊緣的恢復(fù)效果，有效提升壓縮感知圖像的重構(gòu)質(zhì)量。

技術(shù)領(lǐng)域

本發(fā)明涉及圖像恢復(fù)技術(shù)領(lǐng)域，尤其涉及一種利用加權(quán)結(jié)構(gòu)組稀疏規(guī)則的圖像壓縮感知重構(gòu)系統(tǒng)及方法。

背景技術(shù)

早在2006年被Donoho等人提出的壓縮感知(Compressive Sensing,CS)理論，突破了傳統(tǒng)奈奎斯特采樣定理的約束，可實(shí)現(xiàn)對稀疏信號的降維采樣，從而實(shí)現(xiàn)信號采樣與壓縮的同時完成。壓縮感知圖像的重構(gòu)旨在對圖像壓縮感知得到的降維采樣值進(jìn)行恢復(fù)，復(fù)原原始圖像。圖像壓縮感知在遙感圖像、醫(yī)學(xué)成像等領(lǐng)域具有廣泛的應(yīng)用前景。

盡管基于稀疏變換(如離散余弦變換、離散小波變換等)或?qū)W習(xí)字典的傳統(tǒng)圖像壓縮感知重構(gòu)方法已經(jīng)取得了較好的成功，但是研究者們?nèi)匀辉诓粩嗵角髨D像信號潛在的更有效稀疏表示，以期在低采樣率下得到更好的重構(gòu)圖像質(zhì)量【參見文獻(xiàn)：[1]MUN S,FOWLERJ E.Block compressed sensing of images using directional transforms.IEEEInternational Conference on Image Processing.Cairo,Egypt:IEEE Press,2009,3021-3024；[2]CHEN C,TRAMEL E W.Compressed-sensing recovery of images andvideo using multi-hypothesis predictions,In Proc.45th Asilomar Conf.Signals,Syst.,Comput.Pacific Grove,CA,USA,2011.1193-1198.】。

近年來，將自然圖像信號存在非局部相似的先驗(yàn)用于圖像恢復(fù)得到了廣泛關(guān)注，也為實(shí)現(xiàn)壓縮感知圖像的有效重構(gòu)提供了一種新的思路【參見文獻(xiàn)：[3]ZHANG J,ZHAO D,ZHAO C.Image compressive sensing recovery via collaborative sparsity.IEEEJ.Emerg.Sel.Topics Circuits Syst,2012,2(3):380–391；[4]ZHANG J,ZHAO D,JIANGF.Structural group sparse representation for image compressive sensingrecovery.In Proc.IEEE DCC,Snowbird,UT,USA,2013.331–340；[5]SHEN Y F,ZHU Z M,ZHANG Y D.Compressed sensing image reconstruction algorithm based on rankminimization.Acta Electronica Sinica,2016,44(3):572-579.】。但是，以往這些方法主要利用了對圖像相似塊組在變換域?qū)Σ煌禂?shù)采用相同閾值濾波以改善重構(gòu)圖像質(zhì)量，因此存在過度平滑圖像細(xì)節(jié)信號或是不能有效去除噪聲信號的問題，從而難以得到滿意的重構(gòu)效果。

發(fā)明內(nèi)容

本發(fā)明的目的是為了克服上述背景技術(shù)的不足，提供一種利用加權(quán)結(jié)構(gòu)組稀疏規(guī)則的圖像壓縮感知重構(gòu)系統(tǒng)及方法，能夠在有效減少重構(gòu)圖像存在的噪聲干擾的同時，更好地恢復(fù)圖像紋理和邊緣等細(xì)節(jié)信息，從而有效提升重構(gòu)圖像的質(zhì)量。