[发明专利]利用组归一化稀疏表示的图像压缩感知重构系统及其方法

摘要

本发明公开了一种利用组归一化稀疏表示的图像压缩感知重构系统及其方法，涉及图像恢复技术领域。本系统包括初始化模块(1)、路由选择模块(2)、规则化均方误差最小模块(3)和图像滤波处理模块(4)；初始化模块(1)、路由选择模块(2)、规则化均方误差最小模块(3)和图像滤波处理模块(4)依次交互，图像滤波处理模块(4)和路由选择模块(2)交互。本发明能改善图像弱小目标及纹理和边缘的恢复效果，有效提升压缩感知图像的重构质量；适用于压缩成像应用。

主权项

1.一种利用组归一化稀疏表示的图像压缩感知重构方法，包括下列步骤：/n①初始化模块(1)接收输入图像的压缩采样值y，并采用压缩感知图像的重构方法，生成压缩感知图像重构的初始估计值z，送入路由选择模块(2)，初始设置布雷格曼距离a＝0、迭代次数t＝0、最大迭代次数J、规则化参数λ和μ；/n②规则化均方误差最小模块(3)根据路由选择模块(2)输入的压缩感知图像重构的估计值z，以及输入图像的压缩采样值y，通过求解得到重构图像的一次更新的估计值x，送入图像滤波处理模块(4)；Φ为测量矩阵，通常选取为随机矩阵，a为布雷格曼距离；/n③图像滤波处理模块(4)对规则化均方误差最小模块(3)输入的重构图像的一次更新的估计值x进行滤波处理，得到重构图像的二次更新的估计值z；/n④更新布雷格曼距离a：a＝a-(x-z)，更新迭代次数t＝t+1；如果迭代次数t不大于设定的最大迭代次数J，则返回到步骤②；否则执行步骤⑤；/n⑤结束运算，输出最后得到的重构图像z；/n所述的步骤①：/n所述的压缩感知图像的重构方法是：/nA、求解输入的图像的压缩采样值y在稀疏字典D下的稀疏系数η为可调整的规则化参数，稀疏字典D可以是离散余弦变换、离散小波变换、或基于学习的字典；/nB、将上述稀疏系数与稀疏字典D相乘，得到图像重构的初始的估计值z为：/n其特征在于：/n所述的步骤③：/na、图像滤波处理模块(4)的图像重叠分块单元(401)接收规则化均方误差最小模块(3)输出的图像x，对x进行重叠分块，得到多个存在像素重叠的图像块x_i，送入图像相似块组生成单元(402)；图像块x_i＝R_i(x)，i＝1,2,…n，n为大于2的整数，表示图像分块的总数，R_i(·)表示提取第i图像块的运算矩阵，图像块大小一般选取为B＝8行×8列；/nb、图像相似块组生成单元(402)对图像重叠分块单元(401)送入的每一图像块x_i，在其所在图像x的规定的邻域窗内，求取其m-1个最相似的图像块，m为40～60之间的正整数，邻域窗的大小为40×40；将该图像块及其相似图像块矢量化后，生成与该图像块对应的数据矩阵A_i，送入变换域去均值软阈值滤波单元(403)；数据矩阵表示提取的第i图像块及其相似块组成的矩阵，为提取第i图像块的相似块组的运算矩阵；/nc、变换域去均值软阈值滤波单元(403)对图像相似块组生成单元(402)送入的每一个数据矩阵A_i，首先由其协方差矩阵生成主成分分析(PCA)变换字典Ψ；然后将变换字典Ψ与数据矩阵A_i相乘得到A_i变换域系数α_i；接下来对α_i依子带对应计算均值ζ_i和方差σ_i，计算阈值进一步对系数α_i按照进行阈值收缩处理；最后对阈值收缩处理后得到的系数进行逆变换，得到滤波处理后的数据矩阵送入图像块像素域求平均单元(404)；这里./表示元素级的点除运算，.*表示元素级的点乘运算，sgn(.)表示元素级的符号提取运算，max(.)表示取最大值运算，abs(.)表示元素级取绝对值运算，ε为避免计算溢出的不为零微小常数，Ψ^-1表示Ψ的逆矩阵，N为原图像的维数；/nd、图像块像素域求平均单元(404)对变换域去均值软阈值滤波单元(403)送入的所有数据矩阵i＝1,2,...,n，通过计算得到重构图像的二次更新的估计值z，送入路由选择模块(2)；这里的R'_Ai为R_Ai的转置，1_B×m为规模为B×m、元素值为1的矩阵，B×m为矩阵的维数。/n