[發明專利]一種壓縮感知圖像重建方法、裝置、電子設備及存儲介質

在審

• 申請號: 202210593970.1
• 申請日: 2022-05-27
• 公開（公告）號: CN115034980A
• 公開（公告）日: 2022-09-09
• 發明（設計）人: 郝連旺
• 申請（專利權）人: 燕山大學
• 主分類號: G06T5/00
• 分類號: G06T5/00;G06T5/10;G06T5/50;G06N3/04
• 代理公司: 大連東方專利代理有限責任公司 21212
• 代理人: 陳麗;李洪福

1.一種壓縮感知圖像重建方法，其特征在于，所述方法包括：

獲取待重建圖像的卡通紋理分解模型，卡通紋理分解模型包括卡通部分和紋理部分；所述卡通部分采用各向同性全變差圖像恢復定義法建模；所述紋理部分采用基于非凸優化的卷積字典學習模型建模；

引入輔助參數將所述卡通部分的正則化項采用各向同性全變差范數先驗知識展開，得到優化模型；

分別更新所述優化模型中紋理部分的稀疏系數和紋理字典，分別更新所述優化模型中卡通部分的光滑參數和輔助參數；

根據所述更新后的卡通部分和紋理部分，使用確定重建圖像，其中x為重建圖像，表示將D_Lα_i置于第i個位置，并將其余項填充為零；D_L為更新后的紋理字典，α_i為更新后的稀疏稀疏，x_C為更新后的卡通部分。

2.根據權利要求1所述的方法，其特征在于，所述卡通紋理分解模型為：

其中，Φ∈R^M×N表示測量矩陣，表示待重建圖像的紋理部分，D_L∈R^n×m表示紋理字典，{α_i}∈R^m表示對應的稀疏系數，表示將D_Lα_i置于第i個位置，并將其余項填充為零；x_C∈R^N表示待重建圖像的卡通部分，使用各向同性全變差圖像恢復定義法建模，用||x_C||_TV表示；λ₁,λ₂,λ₃表示正則化項系數；b為初始輸入數據，Ω₁(x)＝||x||₀，表示一個零稀疏約束；Ω₂是一個指示函數的形式，表示為：其中，集合C是用于限制字典元素長度的單位范數球，意味著對于D_L的任意一列D_L[:,j]滿足

3.根據權利要求2所述的方法，其特征在于，所述優化函數為：

其中，d_υ和d_h為輔助變量；d_υ＝D_υx_C，d_h＝D_hx_C。

4.根據權利要求3所述的方法，其特征在于，更新所述優化模型中紋理部分的稀疏系數，包括：

將稀疏系數的更新視為卷積基追蹤去噪問題；

使用近端梯度下降算法求解所述卷積基追蹤去噪問題，得到更新后的稀疏系數：

其中，η₁為步長，

5.根據權利要求3所述的方法，其特征在于，更新所述優化模型中紋理部分的紋理字典，包括：

將所述紋理字典更新為：

其中，根據克羅內克積德性質求解。

6.根據權利要求3所述的方法，其特征在于，更新所述優化模型中卡通部分的光滑參數，包括：

將光滑參數x_C的更新視為優化問題：

其中，η₄＝λ₄^-1；d_υ和d_h為輔助變量；μ表示松弛參數；B為一個凸集；λ_3,max是的最大特征值；

利用廣義加速近端梯度方法求解所述優化問題，得到更新后的光滑參數x_C：

其中，廣義加速近端梯度方法的加速策略包括：

定義和如下：

其中，是一個連續可微函數；prox為近端函數。