[發明專利]一種基于結構化觀測和方向指導的匹配追蹤重構方法

有效

• 申請號: 201710707264.4
• 申請日: 2017-08-17
• 公開（公告）號: CN107483058B
• 公開（公告）日: 2019-10-22
• 發明（設計）人: 劉芳;李婉;李婷婷;古晶;郝紅俠;焦李成;馬文萍;陳璞花
• 申請（專利權）人: 西安電子科技大學
• 主分類號: H03M7/30
• 分類號: H03M7/30;G06K9/46;G06K9/62
• 代理公司: 西安通大專利代理有限責任公司 61200
• 代理人: 徐文權

1.一種基于結構化觀測和方向指導的匹配追蹤重構方法，其特征在于，根據圖像的素描圖定義可素描塊和不可素描塊；對于可素描塊采用基于素描方向指導的聚類，不可素描塊采用灰度聚類；觀測時，對不可素描塊中的光滑圖像塊類采用基于素描表示的結構化觀測，對非光滑圖像塊類采用多測量向量觀測；采用基于素描表示和方向指導的OMP算法進行重構得到重構圖像，包括以下步驟：

S1、數據發送方將原始圖像分為不重疊等大的圖像塊，并且根據圖像的素描特性將圖像塊分為單方向圖像塊、多方向圖像塊、紋理圖像塊和光滑圖像塊四種類型；

S2、采用基于方向指導的聚類方法對單方向圖像塊進行聚類，得到單方向圖像塊的聚類結果，具體為：

S21、對單方向圖像塊的方向做修改，使圖像塊的方向信息和結構化的過完備脊波冗余字典的方向信息相吻合，過完備脊波冗余字典的原子劃分為36個方向θ_l∈{θ⁽¹⁾,...,θ^(l),...,θ⁽³⁶⁾}，θ^(l)＝(l-1)π/36，l＝1,2,...,36，將單方向圖像塊的方向k向過完備脊波冗余字典的36個方向靠攏，得到單方向圖像塊的主方向如下：

其中，表示|k-θ^(l)|取最小值時θ^(l)的取值；

S22、將具有相同主方向的單方向圖像塊劃分為一類，這樣單方向圖像塊根據各自不同的主方向劃分為36組，做為36個子方向類；

S23、將步驟S22中每個子方向類中的圖像塊根據其灰度特征進行第二次聚類，得到單方向圖像塊的聚類結果；

S3、采用基于方向分布特征的聚類方法對多方向圖像塊進行聚類，得到多方向圖像塊的聚類結果，具體為：

S31、將多方向塊對應的素描塊分為不重疊的大小為4×4的統計窗口；

S32、通過一個方向池化操作得到每個統計窗口的方向，方向池化的具體操作為：

如果在統計窗口中只有一個方向的素描線，那么該窗口的方向為素描線對應的方向；

如果在一個統計窗口中包含多個方向的素描線，那么在4×4統計窗口中最長的素描線段的方向作為該窗口的方向，素描線段在統計窗口中的像素數作為其長度；該素描塊中所有統計窗口的方向組成對應圖像塊的方向統計分布特征向量β＝[β₁,...,β_j...,β_J]，其中，β_j是對應圖像塊中第j個統計窗口的方向，J為每個圖像塊中統計窗口的數目，如果第j個窗口中沒有素描線通過那么對應的β_j＝0；

S33、根據圖像塊的方向統計分布特征，計算兩個圖像塊之間的差異性，具體為：

S331、計算第a個圖像塊的方向統計分布特征向量β^a和第b個圖像塊的方向統計分布特征向量β^b之間的角度差異向量D(β^a，β^b)如下：

其中，表示第a個圖像塊中第j個統計窗口的方向，表示第b個圖像塊中第j個統計窗口的方向，表示角度差異向量D(β^a，β^b)的第j個分量；

S332、根據兩個角度方向統計分布特征向量之間的角度差異向量計算兩個圖像塊之間的差異性如下：

S34、根據步驟S32中提出的圖像塊的方向統計分布特征向量和步驟S33中提出的圖像塊之間的差異性計算方法，對多方向圖像塊進行聚類，得到多方向塊的第一次聚類結果；

S35、對多方向圖像塊第一次聚類后的每一類根據其灰度特征進行第二次聚類，得到多方向圖像塊的最終聚類結果；

S4、采用聚集灰度特征對紋理圖像塊和光滑圖像塊進行聚類，得到紋理圖像塊和光滑圖像塊的聚類結果；

S5、根據圖像采樣率r，光滑圖像塊的數目n₁，非光滑圖像塊的數目n₂，光滑圖像塊類的數目C₁，非光滑圖像塊類的數目C₂，計算得到光滑圖像塊的采樣率非光滑圖像塊的采樣率為

S6、對每一類圖像塊進行觀測，得到每一類的圖像塊的隨機觀測數據，如果第i類圖像塊X_i為非光滑圖像塊類，即為單方向圖像塊類、多方向圖像塊類或紋理圖像塊類，采用隨機高斯測量矩陣Φ對該類進行多測量向量觀測得到隨機觀測數據，觀測率為步驟S5中計算得到的非光滑塊的采樣率；如果第i類圖像塊X_i為光滑圖像塊類，則采用基于素描表示的結構化觀測得到隨機觀測數據，具體步驟如下：

S61、第i類圖像塊X_i為光滑圖像塊類，對該類中每一個圖像塊進行隨機伯努利采樣(0、1采樣)并疊加，其中同一類中圖像塊的采樣位置互不重疊，得到疊加結果

其中，是哈達姆乘積，表示第i類中第j個圖像塊的隨機伯努利采樣矩陣，并且同一類中的隨機伯努利采樣矩陣相加等于一個全采樣矩陣，x_j表示第i類圖像塊中的第j個圖像塊；

S62、對疊加結果進行了第二次隨機高斯采樣，得到第i類光滑類的隨機觀測數據為其中，Φ_smooth∈R^M×N(M＜＜N)為光滑類的高斯隨機觀測矩陣；

S7、將每一類圖像塊的隨機觀測數據集合{Y₁,Y₂...,Y_i,...,Y_C}，如果第i類圖像塊X_i的隨機觀測數據，類別索引向量l＝(l₁,l₂,...,l_n,...,l_N)，其中，l_n是第n個圖像塊x_n所屬的類，l_n∈{1,2,...,C}，和方向信息向量z＝(z₁,z₂,...,z_i,...,z_C)發送給接接收方，其中，z_i表示第i類圖像塊的方向信息，如果第i類圖像塊X_i為光滑塊，則z_i＝0，如果第i類圖像塊X_i為紋理塊或多方向塊，則z_i＝37，如果第i類圖像塊X_i為單方向類，且主方向等于θ^(l)，則z_i等于主方向對應的索引l；

S8、接收方根據每一類圖像塊的隨機觀測數據集合{Y₁,Y₂...,Y_i,...,Y_C}和方向信息向量z＝(z₁,z₂,...,z_i,...,z_C)，使用基于素描表示和方向指導的正交匹配追蹤算法得到圖像塊的估計值，具體步驟如下：

S81、接收方根據接收到的數據，判斷每一類圖像塊的結構類型，并構造相應的過完備冗余字典；

S82、如果第i類圖像塊為光滑圖像塊類，則根據對應的隨機觀測數據Y_i，則在對應的過完備冗余字典下，應用正交匹配追蹤重構算法得到光滑塊的估計值；

S83、如果第i類圖像塊為非光滑圖像塊類，分別在其對應的過完備冗余字典下，根據對應的多觀測矩陣，利用同步正交匹配追蹤重構算法得到每一類非光滑塊的估計值；

S9、將所有圖像塊的估計值按照類別索引向量l＝(l₁,l₂,...,l_n,...,l_N)提供的信息重新拼接成一整幅重構圖像輸出。