[发明专利]基于图像信息含量差异的自适应压缩感知重构方法

摘要

本发明公开了一种基于图像信息含量差异的自适应压缩感知重构方法。该方法首先对输入的原始图像进行分块处理；然后依据所定义的图像信息含量差异系数计算图像块的采样因子，接着根据采样因子的值采用所提出的自适应图像分块采样分配方案计算图像块对应的采样数；在采集端对图像进行采样时采用部分哈达玛矩阵作为图像块的测量矩阵，根据各图像块所分配的采样数对其进行采样；最后在解码端根据采样得到的图像信号采用正交匹配追踪算法等重构算法重构出图像块并按一定方式组合成完整的图像。与现有对图像块均采用相同采样率进行采样的图像处理方法相比，本发明能够有效利用图像信息含量差异对图像块进行采样，有效优化采样资源和提高图像的重构质量。

主权项

1.一种基于图像信息含量差异的自适应压缩感知重构方法，其特征在于，包括：步骤1：图像预处理输入大小为I_C×I_R的原始图像，并把所述原始图像划分成n＝(I_C×I_R)/B²个互不重叠且大小为B×B的图像块，各图像块记为x_l，其中l用来表示图像块的编号且l∈[1,n]；n表示图像块的分块数量；I_C和I_R分别表示图像的高度和宽度，B表示图像块的宽度和高度；步骤2：根据所述图像块的灰度值矩阵计算所述图像块的采样因子，包括：将大小为B×B图像块的灰度值矩阵表示为I，在像素域中，假设空间位置为(i,j)的像素点为当前像素点，记g(i,j)表示空间位置为(i,j)的像素点的灰度值；计算当前像素点与所有相邻像素点的灰度值差值的标准差，记为σ_(i,j)；其中相邻像素点的描述如下：在矩阵I中，假设空间位置为(k,t)的像素点为当前像素点的相邻像素点，则i、j、k和t满足如下公式表述的关系：另外σ_(i,j)可以依据如下公式计算：其中N_(i,j)表示与当前像素点相邻的像素点个数；ε_(k,t)表示空间位置为(k,t)的像素点与当前像素点灰度值差值的绝对值，且ε_(k,t)＝abs(g(k,t)‑g(i,j))，abs表示取绝对值函数；μ_(i,j)表示由当前像素点灰度值计算得到的所有ε_(k,t)的均值；以此式计算得到图像块中所有像素点的σ_(i,j)值，定义图像块所有σ_(i,j)值的和为图像块信息含量差异系数f，即：f＝∑σ_(i,j)所述的图像块信息含量差异系数f的值可以用来反映图像块所含信息量的大小；对整幅图像进行分块采样时，采用上述方式计算得到的f值作为各图像块分配采样数的依据，即对于编号为l的图像块的信息含量差异系数记为f_l，f_l的值越大说明其所对应的图像块分配的采样数越大；为了更好地使用所述的f_l来衡量各图像块所含信息量的多少，对f_l的值进行如下公式的规范化：f_l＝(f_l‑f_min)/(f_max‑f_min)其中f_min表示取各图像块中值最小的图像块信息含量差异系数，f_max表示取各图像块中值最大的图像块信息含量差异系数；根据以上计算公式可知f_l的取值范围：0≤f_l≤1；本发明中所述的采样因子的值取各图像块规范后的图像块信息含量差异系数值；步骤3：基于所述采样因子采用所提出的自适应图像分块采样分配方案计算各图像块所对应的采样数，包括：第一步：基础分配为每一个所述图像块分配一个基础采样数，各图像块所分配的基础采样数相等且取值均为1，此时有m_l＝1，其中l对应图像块的编号，且l∈[1,n]；第二步：按序分配(a)采用如下公式计算整幅图像所需的总采样数，总采样数记为M；M＝round(r·I_C·I_R)其中I_C和I_R分别表示图像的高度和宽度，round表示四舍五入函数，r表示图像总的采样率；(b)将计算得到所有图像块的采样因子组成的集合记为F₀，且F₀＝{f_l|l∈[1,n]}，其中l表示F₀中元素的下标，F₀中某一元素对应图像块的编号与其下标相同，对F₀按元素值大小进行降序排序后得到集合F₁，有F₁＝{f_p|p∈[1,n]}，其中f_p表示F₀排序后的元素值；p表示F₁中元素的下标；(c)按如下的公式计算总的剩余采样数，总的剩余采样数记为△；其中l对应图像块的编号，m_l为图像块的采样数，从步骤(c)到步骤(h)表示的是分配图像块采样数的迭代过程，该过程的功能是将剩余采样数分配给相应的图像块，用q表示迭代轮次，q的初始值设为1；(d)判断是否需要对剩余采样数进行分配操作，若△＝0，则说明所有图像块的采样数已经分配完成，直接执行第三步，直接取得各图像块采样数的集合；若△≠0，则对剩余采样数进行采样数分配操作，顺序执行如下步骤：(e)依据步骤(b)计算得到的集合F₁更新当前采样因子对应图像块的采样数，此时当前采样因子的值取集合F₁中第q个元素的值，其对应图像块的编号用index表示，index的值取集合F₁中第q个元素的下标且取值范围为index∈[1,n]，则当前采样因子又可以表示为f_index，其对应图像块的采样数记为m_index；根据如下公式计算当前采样因子f_index对应图像块分配的采样数：S_num＝round(△·f_index)其中S_num表示当前要分配给图像块的采样数，round表示四舍五入函数；(f)根据所述的S_num按如下方式更新当前采样因子f_index对应图像块的采样数；其中m_index表示编号为index的图像块x_index所对应的采样数；(g)由于更新后m_index的值有可能超过图像块采样数的上界B²，因此还需要根据m_index的取值情况对其值进行微调，调整规则如下：(h)更新迭代轮次q，有q＝q+1；跳转到步骤(c)执行下一次迭代；第三步：返回各图像块的采样数情况；至此对图像块采样数进行分配的过程结束；步骤4：图像块测量矩阵的构造构造一个大小为B²×B²的哈达玛矩阵作为测量矩阵Φ；根据步骤3计算得到的采样数m_l构造各图像块所需的测量矩阵Φ_l，其中l对应图像块的编号，具体的构造方式是：各图像块的测量矩阵的行数为m_l，列数为B²；最终得到各图像块的测量矩阵并表示为：Φ₁，Φ₂，...，Φ_n，其中n为步骤1所得的图像块分块数量；步骤5：图像块采样根据步骤4得到图像块测量矩阵Φ₁，Φ₂，...，Φ_n，由如下的方式计算各图像块灰度值的测量值：y_l＝Φ_lX_l其中y_l表示灰度值测量值，X_l表示图像块x_l的灰度值矩阵的向量化形式，其中l对应图像块的编号，且l∈[1,n]；步骤6：图像重构根据步骤5得到的灰度值测量值y_l，其中l对应图像块的编号，采用正交匹配追踪算法OMP算法作为重构算法，分别对得到的灰度值测量值y_l进行重构得到所对应的重构图像块；将所有重构图像块进行组合得到完整的重构图像；到此图像分块采样和重构的过程结束。