[发明专利]基于脊波字典的多目标遗传优化压缩感知图像重构方法

摘要

本发明公开了一种基于脊波字典的多目标遗传优化压缩感知图像重构方法，主要解决现有重构方法，由于稀疏度预估不准确而导致图像重构不准确的问题，其实现过程为：1)判别图像块结构，将图像块标记为光滑，单方向和多方向；2)对不同类型的图像块所对应的观测向量聚类，并为每一类图像块构造初始种群；3)对当前种群执行基于不同基因位置变长编码的交叉，基于先验信息的新个体的插入和多点变异操作；4)计算当前种群的非支配解集，并计算拐点作为最优解；5)以最优解计算图像块的估计值，按顺序拼接成整幅图像。本发明能够找到较适合图像块的稀疏度，并找到该稀疏度下最优的原子组合，重构质量好，鲁棒性高，可用于自然图像和医学图像的重构。

主权项

1.一种基于脊波字典的多目标遗传优化压缩感知图像重构方法，其特征是：包括如下步骤：(1)接收发送方发送的正交随机高斯观测矩阵Φ和对图像分块压缩采样得到的每一块的观测向量y；(2)根据按方向组织的脊波过完备字典对每个观测向量y所对应的图像块进行结构判别，将图像块标记为光滑块、单方向块和多方向块，并记录单方向块的方向：(3)对光滑块，单方向块，多方向块对应的观测向量分别用近邻传播聚类AP算法进行聚类；(4)对每一类观测向量对应的图像块，设置种群大小为N，设当前进化代数为I，设置种群中每个个体由两个目标的编码对组成，其中第一个目标对应要重构块的稀疏度，即重构原子组合中原子的个数，第二个目标对应要重构图像块的字典原子组合，根据要重构图像块被标记的类别和对应的脊波子字典对种群个体进行初始化，并计算种群中每个个体的适应度值，得到初始种群；(5)对当前种群个体执行基于不同基因位置变长编码的交叉操作，并更新相应种群个体的第一个目标，得到交叉后的种群；(6)对当前交叉后的种群执行基于先验信息的新个体的插入操作，得到新种群并计算新种群个体的适应度值；(7)对当前新种群个体的第二个目标执行多点变异操作；(8)根据新种群每个个体的第一个目标和对应的适应度值，计算非支配解集F；(9)根据非支配解集F中新种群个体的数目，均匀的选择下一代种群个体；(10)判断当前种群迭代次数I是否达到最大迭代次数或者达到适应度要求，如果达到迭代次数或适应度要求则根据种群的非支配解集F，找到拐点所在的种群个体，作为最优个体然后执行步骤(11)；否则迭代次数增1，即I＝I+1，返回步骤(5)；(11)根据最优个体的第二个目标，计算所有图像块的估计值，并按分块顺序拼成一个完整的图像输出。