[发明专利]图像恢复策略、计算机设备及可读存储介质

说明书

本发明属于计算成像技术领域，具体涉及一种图像恢复策略、计算机设备及可读存储介质，在块压缩感知成像系统中，建立多种实际系统模型与理论模型对应关系的转换方式；分别根据上述转换方式执行信号恢复过程得到对应的一维信号，再将一维信号逆向整合为对应的二维恢复图像；将上述多种转换方式对应的二维恢复图像中的对应像素取均值融合处理，得到最终的恢复图像。本发明对同一次压缩感知编码成像过程，分别采用不同方式进行整合处理与信号恢复，从多个角度来恢复同一幅图像，进而通过获得的多幅图像取均值融合的方式获得更优的图像质量。

技术领域

本发明属于计算成像技术领域，具体涉及一种图像恢复策略、计算机设备及可读存储介质。

背景技术

近年来发展起来的压缩感知理论挑战了信号处理领域的传统认知，它指出：基于其稀疏属性，能够从少量的采样中高概率的精确重构得到原始信号，打破了奈奎斯特-香农采样定理的约束，对面临日益增长压力的信号处理领域带来了新思路。

作为压缩感知理论在成像系统中的典型应用，Marco F.Duarte等人率先提出了一种单像素相机，其基于DMD器件实现了单像素压缩感知编码成像。但随着图像规模的增大，编码采样次数急剧增加，进而导致采样时间增加，同时图像重构的计算复杂度也急剧上升。为缓解上述问题，人们提出了块压缩感知系统，其将目标图像分解成若干块，对每个子块进行并行压缩感知，降低了系统采样时间与图像重构的计算复杂度，提升了系统成像的实时性。

但在图像恢复过程中始终存在一个问题，即在实际成像系统中成像目标、单次观测编码器件编码阵列均为二维矩阵，而压缩感知理论模型中测量矩阵与待观测信号均为一维列向量，因此这里需要考虑实际系统模型与理论模型的矩阵变换。在块压缩感知成像系统中，探测器与编码器件存在严格对应关系，设一个探测器像元对应r×c规模的编码器件阵列，则以实际系统中某一分块b为例，设分块目标图像为

编码模板为其中p表示第p次编码观测，共进行m次观测，观测结果为Y^b，则整个观测过程可表述为：

其中sum(·)为取矩阵内各元素的和，为测量结果矩阵Y^b的第i行第j列元素。

为了进行图像恢复，需要将上述过程与理论模型建立对应转换关系，其中采样测量矩阵Φ^b中元素计算方式整理如下：

待测信号矩阵X^b中元素计算方式整理如下：

完成上述矩阵对应变换后，就可根据理论模型进行图像重构了。

由前面所述的块压缩感知系统的理论模型与实际系统的对应关系可以看出，理论模型中是将二维图像信号整合为一维信号进行计算处理的，而二维图像块按不同方式整合成一维信号时，无论在时域内还是在稀疏变换域内，其信号特性均是不同的，因此这导致了不同整合方式下图像恢复质量的差异。

发明内容

针对以上问题，在相同压缩感知观测前提下，为尽可能多挖掘采样数据中蕴含的图像信息，本发明旨在提出一种图像恢复策略。

为解决上述技术问题，本发明采用的一个技术方案是：提供一种图像恢复策略，包括

在块压缩感知成像系统中，建立多种实际系统模型与理论模型对应关系的转换方式；

分别根据上述转换方式执行信号恢复过程得到对应的一维信号，再将一维信号逆向整合为对应的二维恢复图像；

将上述多种转换方式对应的二维恢复图像中的对应像素取均值融合处理，得到最终的恢复图像。

进一步的，所述信号恢复过程具体为，根据对应的实际系统模型与理论模型对应关系的转换方式，将二维图像信号与编码阵列整合为一维列向量。