[发明专利]一种基于小波包阈值的图像块压缩感知重构方法

说明书

本发明公开了一种基于小波包阈值的图像块压缩感知重构方法，先对图像按块进行分割，把分割后的每块转化成一列，组成新的图像，然后对新的图像采用最小化二范式的方法，对图像进行压缩迭代重构。对每次的迭代重构结果采用小波包进行小波包分解。把原信号分解在高频和低频两部分，利用低频信息生成阈值，对迭代重构结果进行阈值处理，利用高频信息，生成一个控制因子，来控制阈值。通过多次迭代，得到最后的重构结果。本发明的方法能很好地提高重构结果。

技术领域

本发明涉及图像块压缩感知重构方法，特别是一种基于小包阈值的块压缩感知的图像重构方法。

背景技术

压缩感知是一种新的采样理论，它通过开发信号的稀疏特性，在远小于Nyquist采样率的条件下，用随机采样获取信号的离散样本，然后通过非线性重建算法完美的重建信号。压缩感知理论一经提出，就引起学术界和工业界的广泛关注。它在信息论、图像处理、地球科学、光学、微波成像、模式识别、无线通信、大气、地质等领域受到高度关注，并被美国科技评论评为2007年度十大科技进展。压缩感知理论指出：对可压缩的信号可通过远低于Nyquist标准的方式进行测量数据，仍能够精确地恢复出原始信号。图片或者信号经过某种域值变换(如小波变换，傅里叶变换等)后，要比图片和信号本身要稀疏很多。通过与变换基不相关的测量矩阵来测量信号，再用测量值求解优化问题，就可以实现信号的精确重构。

块压缩感知是在传统的压缩感知方法上发展起来了，先将图像按一定块大小，进行分割，然后对每一块进行重构，最后把重构结果合并。由于块压缩感知技术考虑到图像本身的像素特征，所以在很多情况下，可以得到比传统图像压缩感知技术更好的结果。但是，在块压缩感知算法中，阈值大小，是简单地对原信号进行中值计算而得到。而并没有从频域空间角度去处理，因此，目前现有的图像块压缩感知方法重构效果和重构精度还有待进一步提高。

发明内容

本发明所要解决的技术问题是，针对现有技术不足，频域空间角度出发，提供一种基于小波包阈值的图像块压缩感知重构方法，提高现有图像块压缩感知重构的精度。

为解决上述技术问题，本发明提出一种基于小波包阈值的图像块压缩感知重构方法，包括以下步骤：

一种基于小波包阈值的图像块压缩感知重构方法，包括以下步骤：

步骤一，对需要进行重构的图像基于相同大小的块进行块分割，得到多个子块；

步骤二，将每个子块中的像素点按排列的原顺序依次转换为同一行，形成一个行向量，并将所有子块生成的行向量按原子块在图像中的原顺序转换为同一列，形成新图像；

步骤三，设置高斯随机矩阵，并基于这个高斯随机矩阵形成的采样矩阵来对步骤二得到的新图像进行随机采样，得到相应的采样结果；

步骤四，初始化迭代的相关参数，包括当前迭代次数、第0次迭代结果和迭代结束条件，并设定迭代总次数；其中当前迭代次数初始化为0，第0次迭代结果为步骤三中得到的采样结果乘以采样矩阵的转置矩阵，迭代结束条件为经过迭代总次数后的迭代误差变量小于预设的误差参数；

步骤五，进行循环迭代，先对上一次的迭代结果进行Wiener滤波，然后进行压缩重构，得到压缩重构结果，再设置一个小波正交矩阵，基于该小波正交矩阵对压缩重构结果执行正交变换计算得到正交变换结果，然后对正交变换结果采用wavename小波函数进行小波包分解，得到高频小波包系数和低频小波包系数，并利用低频小波包系数生成阈值，利用高频小波包系数计算阈值控制因子；

步骤六，检查当前迭代结果中每个子向量中的所有元素，当元素小于步骤五中的阈值时，则将该元素重设为0，否则不改变该元素的值，直至遍历迭代结果中的所有子向量；

步骤七，基于步骤五中小波正交矩阵的转置矩阵来对正交变换结果进行正交逆变换计算，然后对迭代结果再进行压缩重构，并基于压缩重构后的迭代结果和压缩重构前的迭代结果计算当前迭代误差，完成一次迭代；