[发明专利]利用组归一化稀疏表示的图像压缩感知重构系统及其方法

说明书

本发明公开了一种利用组归一化稀疏表示的图像压缩感知重构系统及其方法，涉及图像恢复技术领域。本系统包括初始化模块(1)、路由选择模块(2)、规则化均方误差最小模块(3)和图像滤波处理模块(4)；初始化模块(1)、路由选择模块(2)、规则化均方误差最小模块(3)和图像滤波处理模块(4)依次交互，图像滤波处理模块(4)和路由选择模块(2)交互。本发明能改善图像弱小目标及纹理和边缘的恢复效果，有效提升压缩感知图像的重构质量；适用于压缩成像应用。

技术领域

本发明涉及图像恢复技术领域，尤其涉及一种利用组归一化稀疏表示的图像压缩感知重构系统及其方法。

背景技术

作为近年提出的一种新的信号采样理论，压缩感知(Compressive Sensing, CS)采样理论突破了传统奈奎斯特采样理论的约束，可实现对稀疏信号降维采样的准确重构。该理论自提出以来已得到信号传感、图像处理、无线通信等领域的广泛关注并开始得到应用。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，而压缩感知图像的高质量重构是其成功应用的关键所在。

为了实现压缩感知信号的准确重构，更好提升重构性能，寻找适合采样信号的稀疏表示十分重要；而对于图像信号的压缩感知重构，如何充分利用图像信号具有的局部相似和非局部相似以更好提升对图像的稀疏表示能力，从而进一步有效提升图像重构质量，是近年该领域研究者们一直关注的重要方向，比如基于全变差的方法【[1]Li C,Yin W,Zhang Y.TVAL3:TV minimization by augmented Lagrangian and alternatingdirection algorithms[EB/OL].2013. http://www.caam.rice.edu/optimization/L1/TVAL3/.】，基于多假设的方法【[2]CHEN C,TRAMEL E W.Compressed-sensing recovery ofimages and video using multi-hypothesis predictions[C]//In Proc.45th AsilomarConf.Signals,Syst.,Comput. Pacific Grove,CA,USA,2011.1193-1198.】，基于非局部相似(NLS)的方法【[3]Zhang J,Zhao D,Gao W.Group-based sparse representation forimage restoration[J].IEEE Transactions on Image Processing,2014,23(8):3336-3351.[4] Shen Y F,Zhu Z M,Zhang Y D.Compressed sensing image reconstructionalgorithm based on rank minimization[J].Acta Electronica Sinica,2016,44(3):572-579.[5]Li J, Gao Z,Xiong C,ZhouC.Image compressive sensing recovery basedon weighted structure group sparse representation.Journal on Communications,2017, 38(2):2017041.】，等等。

然而，以往方法大多简单地直接利用图像信号经过某种变换后的稀疏性来约束重构，由此会导致图像中存在的微小而重要的细节信息丢失，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，提供一种利用组归一化稀疏表示的图像压缩感知重构系统及其方法，能够更好地保留图像弱小目标及纹理和边缘等细节信息，从而有效提升重构图像的质量。

本发明的技术思路是：