[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

专利信息
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
【权利要求书】:

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

下载完整专利技术内容需要扣除积分,VIP会员可以免费下载。

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。

×

专利文献下载

说明:

1、专利原文基于中国国家知识产权局专利说明书;

2、支持发明专利 、实用新型专利、外观设计专利(升级中);

3、专利数据每周两次同步更新,支持Adobe PDF格式;

4、内容包括专利技术的结构示意图流程工艺图技术构造图

5、已全新升级为极速版,下载速度显著提升!欢迎使用!

请您登陆后,进行下载,点击【登陆】 【注册】

关于我们 寻求报道 投稿须知 广告合作 版权声明 网站地图 友情链接 企业标识 联系我们

钻瓜专利网在线咨询

周一至周五 9:00-18:00

咨询在线客服咨询在线客服
tel code back_top