[发明专利]基于几何结构特征和自相似性的图像压缩感知重构方法

说明书

技术领域

本发明属于图像处理技术领域，具体是一种基于几何结构特征和自相似性的图像压缩感知重构方法。

背景技术

图像的压缩感知重构技术研究从图像的压缩观测中重构出高质量图像。这种技术为图像获取和处理技术提供了全新的思路和处理方法，是当前最为引人关注的新兴技术和研究领域之一。该技术的研究主要包括三个方面：压缩观测技术、图像的稀疏表示和压缩感知重构技术。

压缩观测技术研究用尽量少的压缩观测数据获得重构图像信号所需的全部信息。对于自然图像可以采用分块压缩观测技术。该技术将图像分成大小相等的不重叠的图像块，每个图像块用相同的一个高斯随机观测矩阵进行观测，从而获得图像的分块压缩观测，即一组图像块的观测向量的集合。图像的稀疏表示可以通过构造过完备字典获得。

在“Compressed sensing by collaborative reconstruction on overcomplete dictionary,Signal Processing,2014,vol:103,92–102.”一文中提出了一种图像的压缩感知重构方法。该方法在重构每个图像块时，利用一组与其具有相似性的图像块，以减少单个图像块重构时的不确定性，从而提高图像的重构质量。该方法存在的不足是，仅考虑了图像块之间的相似性，忽略了图像块自身的结构特征，所有图像块均采用同一种重构方式，运行速度慢。

发明内容

本发明为克服上述已有方法的不足，综合利用图像块的几何结构特征和图像块之间的相似性，提出一种基于几何结构特征和自相似性的图像压缩感知重构方法，以提升图像的重构效果。

本发明提供的基于几何结构特征和自相似性的图像压缩感知重构方法，包括图像压缩观测、图像的稀疏表示和压缩感知重构，且利用图像块之间的相似性重构每个图像块，其创新之处在于：还包括结合几何结构特征进行压缩感知重构，步骤包括：

步骤1：估计每个图像块的几何结构特征，判定它的结构类型为光滑图像块、单方向图像块或随机图像块；

步骤2：为每个图像块进行非局部相似匹配，找到一组与其具有相同结构类型的相似图像块，即它的非局部相似块；

步骤3：根据每个图像块的结构类型指定它的稀疏字典或重构方式，分别将各个图像块和它的非局部相似块的压缩观测向量共同作为优化目标，利用同步正交匹配追踪算法重构该图像块：

步骤4：为每个图像块进行非局部和局部相似匹配，找到一组它的局部相似块；

步骤5：每个图像块以及它的非局部相似块和局部相似块已经获得的一组重构估计值组成该图像块的初始解集，分别优化初始解集里的每个解，并从优化后获得的候选解集中选择最优者作为图像块的最终重构估计值；

步骤6：将图像块按顺序拼接起来，得到重构图像。

具体地在步骤1，计算各个图像块的压缩观测向量的方差，设定平滑阈值为所有方差的平均值的0.4倍，将压缩观测向量的方差小于平滑阈值的图像块判定为光滑图像块，其他图像块判定为非光滑图像块；

对非光滑图像块再进行如下判定：将事先得到的过完备字典D中具有相同方向参数的字典原子组成一个方向字典，共得到36个方向字典：D₁,D₂,…,D₃₆；对一个非光滑图像块，以图像块的压缩观测向量为重构目标，分别以D₁,D₂,…,D₃₆为稀疏字典，设定稀疏度为10，利用正交匹配追踪算法进行重构，得到36个重构残差值：R₁,R₂,…,R₃₆；找到其中的最小值R_j，如果R_(j+1)％N和R_(j-1)％N均大于1.2R_j，那么认为该图像块的方向与方向字典D_j的方向一致，并将该非光滑图像块判定为单方向图像块，否则，将该非光滑图像块判定为随机图像块；其中％是取余数操作。

进一步在步骤2，对每个图像块，找出与其具有相同类型的其他图像块，分别计算该图像块的压缩观测向量与这些图像块的压缩观测向量之间的欧式距离，将前n₁个较小的欧式距离对应的图像块作为该图像块的非局部相似块。其中n₁取值为2～5。

进一步在步骤3，包括：