[发明专利]基于二阶L0最小化及边缘先验的图像重建方法在审
申请号: | 201810788927.4 | 申请日: | 2018-07-18 |
公开(公告)号: | CN109035358A | 公开(公告)日: | 2018-12-18 |
发明(设计)人: | 李丹 | 申请(专利权)人: | 南京航空航天大学 |
主分类号: | G06T11/00 | 分类号: | G06T11/00;G06T7/13;G06T7/42 |
代理公司: | 南京经纬专利商标代理有限公司 32200 | 代理人: | 葛潇敏 |
地址: | 210016 江*** | 国省代码: | 江苏;32 |
权利要求书: | 查看更多 | 说明书: | 查看更多 |
摘要: | |||
搜索关键词: | 最小化 图像重建 多变量 小波逆变换 先验 低频数据 低频图像 先验信息 原始图像 二阶 重建 高频系数矩阵 边缘提取 采样机制 高频数据 视觉效果 小波变换 小波系数 重建图像 降采样 求解 稀疏 置零 测量 图像 | ||
1.一种基于二阶L0最小化及边缘先验的图像重建方法,其特征在于包括如下步骤:
步骤1,对原始图像进行小波变换,然后使用多变量采样机制对原始图像进行测量,得到全部的低频数据CLL和降采样的高频数据YLH,YHL,YHH;
步骤2,对低频数据CLL和置零的高频小波系数进行小波逆变换,得到低频图像XLL;
步骤3,使用第一阶L0梯度最小化对低频图像XLL进行边缘提取,获取多变量边缘先验信息ELH,EHL,EHH;
步骤4,在多变量边缘先验信息的约束下,使用第二阶L0最小化求解图像稀疏重建问题,得到重建高频系数矩阵RecXLH,RecXHL,RecXHH;
步骤5,对CLL,RecXLH,RecXHL,RecXHH进行小波逆变换,得到重建图像RecX。
2.如权利要求1所述的基于二阶L0最小化及边缘先验的图像重建方法,其特征在于:所述步骤3的具体过程是:
3-1)输入:图像XLL;参数λ:介于0和1之间的正则化参数,用于平衡估计误差和稀疏度的权重;参数β0:初始自动调整参数;参数βmax:最大自动调整参数限度值;参数k:更新自动调整参数因子;
3-2)初始化:S=XLL,β=β0,i=0;
3-3)第i次循环;
3-3-1)基于式使用Si得到最小最优解其中,δx、δy分别为图像S在x和y方向的梯度算子;hp、vp分别为与δxS和δyS相对应的辅助变量;
3-3-2)基于式使用得到最小最优解Si+1,其中,F(X)为图像X的快速傅里叶变换;h,v分别为辅助变量;
3-3-3)更新参数β=k*β,其中,k为更新因子;
3-4)输出平滑图像S*;
3-5)对S*进行边缘提取得到边缘图像Xedge;
3-6)对边缘图像Xedge进行小波变换,并对高频系数部分进行多变量形式变换,获得多变量边缘先验信息集合ELH,EHL,EHH。
该专利技术资料仅供研究查看技术是否侵权等信息,商用须获得专利权人授权。该专利全部权利属于南京航空航天大学,未经南京航空航天大学许可,擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作,请联系【客服】
本文链接:http://www.vipzhuanli.com/pat/books/201810788927.4/1.html,转载请声明来源钻瓜专利网。