[发明专利]利用加权结构组稀疏规则的图像压缩感知重构系统及方法

说明书

本发明公开了一种利用加权结构组稀疏规则的图像压缩感知重构系统及方法，涉及图像恢复技术领域。本系统是：初始化模块、路由选择模块、规则化均方误差最小模块和图像滤波处理模块依次交互，图像滤波处理模块和路由选择模块交互。图像滤波处理模块包括依次交互的图像重叠分块单元、图像相似块组生成单元、变换域加权软阈值滤波单元和图像块像素域求平均单元。本发明的第一阶段，采用图像压缩感知重构方法得到压缩感知图像的重构的初始估计值；第二阶段，利用图像具有的非局部自相似性,采用加权结构组稀疏表示规则化的优化，通过多次的迭代提升压缩感知图像重构的质量。本发明能改善图像纹理和图像边缘的恢复效果，有效提升压缩感知图像的重构质量。

技术领域

本发明涉及图像恢复技术领域，尤其涉及一种利用加权结构组稀疏规则的图像压缩感知重构系统及方法。

背景技术

早在2006年被Donoho等人提出的压缩感知(Compressive Sensing,CS)理论，突破了传统奈奎斯特采样定理的约束，可实现对稀疏信号的降维采样，从而实现信号采样与压缩的同时完成。压缩感知图像的重构旨在对图像压缩感知得到的降维采样值进行恢复，复原原始图像。图像压缩感知在遥感图像、医学成像等领域具有广泛的应用前景。

尽管基于稀疏变换(如离散余弦变换、离散小波变换等)或学习字典的传统图像压缩感知重构方法已经取得了较好的成功，但是研究者们仍然在不断探求图像信号潜在的更有效稀疏表示，以期在低采样率下得到更好的重构图像质量【参见文献：[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.】。

近年来，将自然图像信号存在非局部相似的先验用于图像恢复得到了广泛关注，也为实现压缩感知图像的有效重构提供了一种新的思路【参见文献：[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，以往这些方法主要利用了对图像相似块组在变换域对不同系数采用相同阈值滤波以改善重构图像质量，因此存在过度平滑图像细节信号或是不能有效去除噪声信号的问题，从而难以得到满意的重构效果。

发明内容

本发明的目的是为了克服上述背景技术的不足，提供一种利用加权结构组稀疏规则的图像压缩感知重构系统及方法，能够在有效减少重构图像存在的噪声干扰的同时，更好地恢复图像纹理和边缘等细节信息，从而有效提升重构图像的质量。