[发明专利]一种基于分块向量内积的图像压缩感知编码及归一化方法

权利要求书

1.一种基于分块向量内积的图像压缩感知编码及归一化方法，其特征在于，包括如下步骤：

步骤1：根据输入的图像，生成修正非负高斯随机观测矩阵，并确定图像和观测矩阵大小；

步骤2：对图像和观测矩阵进行相同的2×2分块处理；

步骤3：将每一个图像块和观测矩阵块拉成列向量，并对它们对应做内积计算，计算结果按照原图像块顺序排列，得到采样后的特征矩阵；

步骤4：输入剩余的p-1幅图像，对每幅图像按照步骤1-3的方法进行处理，得到p个采样后特征矩阵；

步骤5：对步骤4中得到的每个特征矩阵求统计均值，并获得所有特征矩阵统计均值的平均值对每个原图像矩阵求统计均值，并获得所有原图像矩阵统计均值的平均值根据获得的平均值，得到以及并进行高斯曲线拟合，得到拟合函数；

步骤6：利用高斯拟合函数对特征矩阵进行高斯拟合归一化处理，得到压缩感知编码归一化图像；

所述p表示输入的总图像数。

2.根据权利要求1所述的一种基于分块向量内积的图像压缩感知编码及归一化方法，其特征在于，所述的步骤1中，根据输入图像，生成修正非负高斯随机观测矩阵大小，并确定图像和高斯观测矩阵大小的具体步骤为：

步骤1.1：根据输入图像尺寸,随机生成一个相同大小的高斯随机观测矩阵Φ，使该矩阵中的每一个元素Φ_i,j相互独立且均服从均值为0、方差为1/M的高斯分布：

步骤1.2：对高斯随机观测矩阵Φ进行如下变换，即得到一个与图像尺寸大小相同的修正非负高斯随机观测矩阵Ψ：

其中，min(Φ)、max(Φ)分别表示矩阵Φ中最小、最大的元素值；

步骤1.3：判断输入图像的行列数是否均为2的倍数，若是2的倍数，保留原图和生成的观测矩阵，若不是2的倍数，根据步骤1.4进行处理；

步骤1.4：分别复制图像和观测矩阵的最后一行、最后一列，将图像和观测矩阵的行列数补成2的倍数，将得到的图像和矩阵分别作为原图和观测矩阵；其中，若行列数均为奇数，则复制图像、观测矩阵的最后一个元素填充补齐后的图像、观测矩阵的最后一个元素。

3.根据权利要求1所述的一种基于分块向量内积的图像压缩感知编码及归一化方法，其特征在于，所述的步骤2中，对图像和观测矩阵进行相同的2×2分块处理的具体步骤为：

将输入图像I和由步骤1得到的观测矩阵Ψ尺寸大小记为H×W，其中H表示图像的高，W表示图像的宽；分别对图像I和观测矩阵Ψ进行2×2大小的图像分块操作，分别得到(H/2)×(W/2)个大小为2×2的图像块观测矩阵块

其中，

4.根据权利要求1所述的一种基于分块向量内积的图像压缩感知编码及归一化方法，其特征在于，所述步骤3中，将每一个图像块和观测矩阵块拉成列向量，并对它们对应做内积计算，计算结果按照原图像块顺序排列，得到采样后特征矩阵的具体步骤为：

步骤3.1：对由步骤2得到的每个图像块观测矩阵块拉成列向量

步骤3.2：对所有对应位置的图像块和观测矩阵块拉成的列向量做内积运算：

步骤3.3：将所有块的内积运算结果K_i′,j′按照其原来所有块的对应位置排列成一个大小为(H/2)×(W/2)的特征矩阵K：