[发明专利]一种基于结构化观测和方向指导的匹配追踪重构方法

摘要

本发明公开了一种基于结构化观测和方向指导的匹配追踪重构方法，主要解决低采样率下压缩感知图像重构不准确和低鲁棒的问题，其实现过程为：根据图像的素描图，定义了可素描块和不可素描块；对于可素描块采用基于素描方向指导的聚类，不可素描块采用灰度聚类；观测时，对不可素描块中的光滑图像块类采用基于素描表示的结构化观测，对非光滑图像块类采用多测量向量观测；重构时，采用基于素描表示和方向指导的OMP算法得到重构图像，本发明与传统观测下的OMP方法相比，具有重构图像质量高，鲁棒性好的优点，可用于自然图像的重构。

主权项

1.一种基于结构化观测和方向指导的匹配追踪重构方法，其特征在于，根据图像的素描图定义可素描块和不可素描块；对于可素描块采用基于素描方向指导的聚类，不可素描块采用灰度聚类；观测时，对不可素描块中的光滑图像块类采用基于素描表示的结构化观测，对非光滑图像块类采用多测量向量观测；采用基于素描表示和方向指导的OMP算法进行重构得到重构图像，包括以下步骤：S1、数据发送方将原始图像分为不重叠等大的图像块，并且根据图像的素描特性将图像块分为单方向图像块、多方向图像块、纹理图像块和光滑图像块四种类型；S2、采用基于方向指导的聚类方法对单方向图像块进行聚类，得到单方向图像块的聚类结果，具体为：S21、对单方向图像块的方向做修改，使图像块的方向信息和结构化的过完备脊波冗余字典的方向信息相吻合，过完备脊波冗余字典的原子划分为36个方向θ_l∈{θ⁽¹⁾,...,θ^(l),...,θ⁽³⁶⁾}，θ^(l)＝(l‑1)π/36，l＝1,2,...,36，将单方向图像块的方向k向过完备脊波冗余字典的36个方向靠拢，得到单方向图像块的主方向如下：其中，表示|k‑θ^(l)|取最小值时θ^(l)的取值；S22、将具有相同主方向的单方向图像块划分为一类，这样单方向图像块根据各自不同的主方向划分为36组，做为36个子方向类；S23、将步骤S22中每个子方向类中的图像块根据其灰度特征进行第二次聚类，得到单方向图像块的聚类结果；S3、采用基于方向分布特征的聚类方法对多方向图像块进行聚类，得到多方向图像块的聚类结果，具体为：S31、将多方向块对应的素描块分为不重叠的大小为4×4的统计窗口；S32、通过一个方向池化操作得到每个统计窗口的方向，方向池化的具体操作为：如果在统计窗口中只有一个方向的素描线，那么该窗口的方向为素描线对应的方向；如果在一个统计窗口中包含多个方向的素描线，那么在4×4统计窗口中最长的素描线段的方向作为该窗口的方向，素描线段在统计窗口中的像素数作为其长度；该素描块中所有统计窗口的方向组成对应图像块的方向统计分布特征向量β＝[β₁,...,β_j...,β_J]，其中，β_j是对应图像块中第j个统计窗口的方向，J为每个图像块中统计窗口的数目，如果第j个窗口中没有素描线通过那么对应的β_j＝0；S33、根据图像块的方向统计分布特征，计算两个图像块之间的差异性，具体为：S331、计算第a个图像块的方向统计分布特征向量β^a和第b个图像块的方向统计分布特征向量β^b之间的角度差异向量D(β^a，β^b)如下：其中，表示第a个图像块中第j个统计窗口的方向，表示第b个图像块中第j个统计窗口的方向，表示角度差异向量D(β^a，β^b)的第j个分量；S332、根据两个角度方向统计分布特征向量之间的角度差异向量计算两个图像块之间的差异性如下：S34、根据步骤S32中提出的图像块的方向统计分布特征向量和步骤S33中提出的图像块之间的差异性计算方法，对多方向图像块进行聚类，得到多方向块的第一次聚类结果；S35、对多方向图像块第一次聚类后的每一类根据其灰度特征进行第二次聚类，得到多方向图像块的最终聚类结果；S4、采用聚集灰度特征对纹理图像块和光滑图像块进行聚类，得到纹理图像块和光滑图像块的聚类结果；S5、根据图像采样率r，光滑图像块的数目n₁，非光滑图像块的数目n₂，光滑图像块类的数目C₁，非光滑图像块类的数目C₂，计算得到光滑图像块的采样率非光滑图像块的采样率为S6、对每一类图像块进行观测，得到每一类的图像块的随机观测数据，如果第i类图像块X_i为非光滑图像块类，即为单方向图像块类、多方向图像块类或纹理图像块类，采用随机高斯测量矩阵Φ对该类进行多测量向量观测得到随机观测数据，观测率为步骤S5中计算得到的非光滑块的采样率；如果第i类图像块X_i为光滑图像块类，则采用基于素描表示的结构化观测得到随机观测数据，具体步骤如下：S61、第i类图像块X_i为光滑图像块类，对该类中每一个图像块进行随机伯努利采样(0、1采样)并叠加，其中同一类中图像块的采样位置互不重叠，得到叠加结果其中，是哈达姆乘积，表示第i类中第j个图像块的随机伯努利采样矩阵，并且同一类中的随机伯努利采样矩阵相加等于一个全采样矩阵，x_j表示第i类图像块中的第j个图像块；S62、对叠加结果进行了第二次随机高斯采样，得到第i类光滑类的随机观测数据为其中，Φ_smooth∈R^M×N(M＜＜N)为光滑类的高斯随机观测矩阵；S7、将每一类图像块的随机观测数据集合{Y₁,Y₂...,Y_i,...,Y_C}，如果第i类图像块X_i的随机观测数据，类别索引向量l＝(l₁,l₂,...,l_n,...,l_N)，其中，l_n是第n个图像块x_n所属的类，l_n∈{1,2,...,C}，和方向信息向量z＝(z₁,z₂,...,z_i,...,z_C)发送给接接收方，其中，z_i表示第i类图像块的方向信息，如果第i类图像块X_i为光滑块，则z_i＝0，如果第i类图像块X_i为纹理块或多方向块，则z_i＝37，如果第i类图像块X_i为单方向类，且主方向等于θ^(l)，则z_i等于主方向对应的索引l；S8、接收方根据每一类图像块的随机观测数据集合{Y₁,Y₂...,Y_i,...,Y_C}和方向信息向量z＝(z₁,z₂,...,z_i,...,z_C)，使用基于素描表示和方向指导的正交匹配追踪算法得到图像块的估计值，具体步骤如下：S81、接收方根据接收到的数据，判断每一类图像块的结构类型，并构造相应的过完备冗余字典；S82、如果第i类图像块为光滑图像块类，则根据对应的随机观测数据Y_i，则在对应的过完备冗余字典下，应用正交匹配追踪重构算法得到光滑块的估计值；S83、如果第i类图像块为非光滑图像块类，分别在其对应的过完备冗余字典下，根据对应的多观测矩阵，利用同步正交匹配追踪重构算法得到每一类非光滑块的估计值；S9、将所有图像块的估计值按照类别索引向量l＝(l₁,l₂,...,l_n,...,l_N)提供的信息重新拼接成一整幅重构图像输出。