[发明专利]一种基于压缩感知的图像处理方法及装置

说明书

技术领域

本发明涉及图像处理领域，更具体地，涉及一种基于压缩感知的图像处理方法及装置。

背景技术

在图像的传输过程中，通常传输之前需要对图像进行采样，然后进行传输。在接收方需要根据采样数据对原始图像进行重构。

传统的奈奎斯特理论表明，当采样频率至少为信号带宽的两倍时才可以精确重构原始信号。该方法的缺点是采样率和复杂度太高，并且很多冗余信息在采样后会被丢弃，造成了资源的浪费。针对以上缺点，一种全新的信号处理理论，即压缩感知理论于2006年被提出。对于许多实际信号，例如图像信号，当以某种适当的基函数来表示时，由于其系数大多数接近于零或等于零，因此信号是稀疏或可压缩的。将采样与压缩合并为一个环节，不仅会提高效率，而且也节约了成本。

目前已有的压缩感知重构算法中，好多都需要稀疏度作为先验条件，比如正交匹配追踪(Orthogonal Matching Pursuit,OMP)，正则化匹配追踪(Regularized Orthogonal Matching Pursuit,ROMP)，分段正交匹配追踪(Stage wise Orthogonal Matching Pursuit,StOMP)，压缩采样匹配追踪(Compressed Sampling Matching Pursuit,CoSaMP)。当然，也有的算法不需要这个先验条件，如稀疏度自适应匹配追踪(Sparsity Adaptive Matching Pursuit,SAMP)，正则化稀疏度自适应匹配追踪(Regularized Adaptive Matching Pursuit,RAMP)，稀疏度自适应压缩采样匹配追踪(Sparsity Adaptive Compressed Sampling Matching Pursuit,SACSMP)。以上重构算法各有缺点，或者在稀释度估计不精确时会影响重构精度，或者重构耗时较长影响用户体验等等，最终影响重构质量。

发明内容

本发明提供一种克服上述问题或者至少部分地解决上述问题的基于压缩感知的图像处理方法及装置。

根据本发明的一个方面，提供一种基于压缩感知的图像处理方法，包括：

S1，对接收到的二维图像的信号进行小波变换和高斯测量矩阵处理，获得所述二维图像的所有列的测量向量和感知矩阵Θ；

S2，基于所述二维图像的每一列的测量向量y和感知矩阵Θ，利用稀疏度自适应压缩采样匹配追踪算法对原始信号进行重构，其中原子选择进行正则化处理，迭代过程进行变步长处理，获得所述原始信号的稀疏逼近信号

S3，基于所述二维图像的所有列的稀疏逼近信号，重构原始二维图像。

根据本发明的另一个方面，还提供一种基于压缩感知的图像处理装置，包括：

初始处理模块，用于对接收到的二维图像的信号进行小波变换和高斯测量矩阵处理，获得所述二维图像的所有列的测量向量和感知矩阵Θ；

信号重构模块，用于基于所述二维图像的每一列的测量向量y和感知矩阵Θ，利用稀疏度自适应压缩采样匹配追踪算法对原始信号进行重构，其中原子选择进行正则化处理，迭代过程进行变步长处理，获得所述原始信号的稀疏逼近信号以及

图像恢复模块，用于基于所述二维图像的所有列的稀疏逼近信号，重构原始二维图像。

本发明提出一种基于压缩感知的图像处理方法及装置，提出一种改进的稀疏度自适应压缩采样匹配追踪算法，原子选择进行正则化处理，迭代过程进行变步长处理，将二维图像信号的每一列向量作为输入信号进行重构处理，还原原始图像；相对于现有技术，效率更高，并且基于变步长处理进一步缩短了迭代次数，可以得到最逼近的稀疏度信号，解决信号重构耗时较长以及稀疏度估计不准确的问题。

附图说明

图1为本发明实施例一种基于压缩感知的图像处理方法流程图；

图2为本发明实施例改进的稀疏度自适应压缩采样匹配追踪算法流程图；

图3为本发明实施例稀疏度K对重构性能影响的仿真示意图；

图4为本发明实施例测量次数对重构性能影响的仿真示意图。

具体实施方式

下面结合附图和实施例，对本发明的具体实施方式作进一步详细描述。以下实施例用于说明本发明，但不用来限制本发明的范围。

如图1所示，一种基于压缩感知的图像处理方法，包括：

S1，对接收到的二维图像的信号进行小波变换和高斯测量矩阵处理，获得所述二维图像的所有列的测量向量和感知矩阵Θ；