[发明专利]图像重构方法及装置

权利要求书

1.一种图像重构方法，其特征在于，包括：

从预设的超完备字典中获取待重构图像的稀疏表示，实现所述待重构图像的重构，其中，所述超完备字典通过依次对训练样本图像进行多核模糊C均值聚类、K-SVD算法处理得到。

2.根据权利要求1所述的方法，其特征在于，在所述从预设的超完备字典中获取待重构图像的稀疏表示之前，还包括：

S10、对所述训练样本图像进行多核模糊C均值聚类，得到多个图像类；

S11、对各个图像类进行K-SVD算法处理，得到所述各个图像类对应的字典；

S12、将所述各个图像类对应的字典合并成所述超完备字典。

3.根据权利要求2所述的方法，其特征在于，所述S10，包括：

S100、初始化隶属度矩阵；

S101、计算隶属度矩阵，计算公式为其中，

m∈[1，∞)为加权指数，C为聚类中心的数量，u_ic为隶属度矩阵中的元素，表示所述训练样本图像中像素点x_i属于第c个聚类中心v_c的隶属度，ψ(x)＝w₁ψ₁(x)+w₂ψ₂(x)+…+w_Mψ_M(x)，ψ(x)为多个核函数ψ_k(x)k∈[1,2,…,M]的线性组合，w_k k∈[1,2,…,M]为权重，M为大于1的整数，N为所述训练样本图像中像素点的数量，κ_k(x_i,x_j)＝ψ_k(x_i)^Tψ_k(x_j)；

S102、计算最新得到的隶属度矩阵U^(t)与该最新得到的隶属度矩阵U^(t)前一次得到的隶属度矩阵U^(t-1)的差值的矩阵范数||U^(t)-U^(t-1)||，判断所述矩阵范数是否小于预设的数值，若小于所述数值，则执行步骤S103，否则，则执行步骤S101；

S103、根据最终得到的隶属度矩阵以及该隶属度矩阵对应的聚类中心对所述训练样本图像进行聚类，得到多个图像类。

4.一种图像重构装置，其特征在于，包括：

重构单元，用于从预设的超完备字典中获取待重构图像的稀疏表示，实现所述待重构图像的重构，其中，所述超完备字典通过依次对训练样本图像进行多核模糊C均值聚类、K-SVD算法处理得到。

5.根据权利要求4所述的装置，其特征在于，还包括：

聚类单元，用于在所述重构单元工作之前，对所述训练样本图像进行多核模糊C均值聚类，得到多个图像类；

处理单元，用于对各个图像类进行K-SVD算法处理，得到所述各个图像类对应的字典；

合并单元，用于将所述各个图像类对应的字典合并成所述超完备字典。

6.根据权利要求5所述的装置，其特征在于，所述聚类单元，具体用于执行如下步骤：

S100、初始化隶属度矩阵；

S101、计算隶属度矩阵，计算公式为其中，

m∈[1，∞)为加权指数，C为聚类中心的数量，u_ic为隶属度矩阵中的元素，表示所述训练样本图像中像素点x_i属于第c个聚类中心v_c的隶属度，ψ(x)＝w₁ψ₁(x)+w₂ψ₂(x)+…+w_Mψ_M(x)，ψ(x)为多个核函数ψ_k(x)k∈[1,2,…,M]的线性组合，w_k k∈[1,2,…,M]为权重，M为大于1的整数，N为所述训练样本图像中像素点的数量，κ_k(x_i,x_j)＝ψ_k(x_i)^Tψ_k(x_j)；

S102、计算最新得到的隶属度矩阵U^(t)与该最新得到的隶属度矩阵U^(t)前一次得到的隶属度矩阵U^(t-1)的差值的矩阵范数||U^(t)-U^(t-1)||，判断所述矩阵范数是否小于预设的数值，若小于所述数值，则执行步骤S103，否则，则执行步骤S101；

S103、根据最终得到的隶属度矩阵以及该隶属度矩阵对应的聚类中心对所述训练样本图像进行聚类，得到多个图像类。