[发明专利]基于边缘结构信息的分块压缩感知重构方法

说明书

技术领域

本发明属于图像处理技术领域，特别涉及图像分块压缩感知重构方法，可用于对自然图像和SAR图像进行重构。

背景技术

随着成像技术的改进以及图像分辨率的提高，图像的数据量也在不断扩大，给图像的传输带来了巨大的压力，因此，就需要对图像进行有效的压缩和重构。

美国学者Candés和Donoho在传统的压缩和重构方法基础上于2006年正式提出了压缩感知的概念，如：DONOHO D.Compressed sensing[J]IEEE Trans.Information Theory，2006，52(4)：1289-1306；CANDES E.Compressive sampling[C]//Proceedings of the International Congress of Mathematicians.Madrid，Spain：[s.n.]，2006：1433-1452。其核心思想是将传统压缩过程中的采样与编码过程合并进行，利用信号的稀疏性，以远低于奈奎斯特采样率的速率对信号进行非自适应的测量编码。测量值并非信号本身，而是从高维到低维的投影值。然后在盲目源分离中的求逆思想下，利用信号稀疏分解中已有的重构方法在概率意义上实现信号的精确重构或一定误差下的近似重构。压缩感知的优点在于信号的投影测量数据量远远小于传统采样方法所获的数据量，突破了奈奎斯特采样定理的瓶颈，使得高分辨率信号的采集成为可能。

在此基础上Lu Gan在”Block compressed sensing of natural images”，in Proceedings of the International Conference on Digital Signal Processing，Cardiff，UK，July 2007，pp.403-406一文中提出了基于块采样的自然图像的快速压缩感知。其方法是把原始图像分成若干大小相同的块，对每个小块进行DCT变换，并使用相同的感知矩阵对每个小块进行独立的压缩采样，然后使用最小均方误差线性估计的方法重构每个图像块，再把图像块拼起来得到图像，再经过一系列后处理使得图像的视觉效果提高。这样做主要的优势在于此方法是对每个小块进行独立测量，所以速度快，占用内存小，但是存在的缺点是：后处理虽然去除了块效应，但使图像的边缘变得模糊。

发明内容

本发明目的在于克服已有技术的不足，提出一种基于边缘结构信息的分块压缩感知重构方法，提高重构图像的质量。

实现本发明目的的技术方案是：利用边缘检测得到了边缘初步位置，用有边缘结构信息指导MP算法对边缘位置上的点进行学习，对非边缘位置上的点用广义逆来代替，具体步骤如下：

(1)把一幅图像分成若干个32×32的小块；

(2)对每个小块进行小波变换，保留图像变换后的低频信号，并对高频信号进行压缩采样，得到测量向量y：

y＝A*x，其中x是原始图像的小波变换，A是M×N随机感知矩阵，其中M＜＜N；

(3)把变换后的图像块高频部分全部置零，并与保留下来的低频信息一起进行逆小波变换，将逆变换后的图像块拼接，得到一幅模糊图像，对该模糊图像使用canny算子进行边缘检测，得到图像边缘的初步位置；

(4)把图像边缘的初步位置分成与要重构的图像块相对应的32×32小块，如果图像块对应的边缘的初步位置中不含边缘信息，则认为该图像块中不含边缘，并对不含边缘的每个图像块利用现有的分段正交匹配追踪StOMP算法进行重构；否则认为该块中含有边缘，对含边缘的每个图像块的边缘利用有边缘信息指导的匹配追踪MP算法进行重构，并对该图像块中的非边缘部分用广义逆重构；

(5)将重构的每个图像块拼接在一起，得到原图的重构图。

本发明与现有技术相比具有如下优点：

1.速度快，尤其是在大规模的图像的重构上能显示其优势

本发明由于通过边缘检测得到了边缘的初步位置，因此只需对边缘的初步位置点进行学习，另外本发明是把图像分成小图像块，再将每个图像块进行重构，重构过程中块与块之间没有关联，因而图像块之间可以并行重构，大大加快了重构速度。

2.重构效果好，对自然图像和SAR图像均可适用

本发明由于利用边缘检测来定位边缘初步位置，因而比现有的其他的方法更准确，重构图像的边缘位置效果要更好，且本发明采用了小波变换，重构图中没有块效应，因此重构效果好。

附图说明

图1是本发明的流程图；

图2是基于块采样的自然图像的快速压缩感知与本发明的重构结果对比图；