[发明专利]基于结构字典的分块图像压缩感知重建方法

权利要求书

1.一种基于结构字典的分块图像压缩感知重建方法，包括如下步骤：

(1)获取训练样本；

(2)图像块分类

2a)分别计算各个训练样本的方差；

2b)将方差小于平滑阈值的图像块归为平滑类图像块，方差大于平滑阈值的图像块归为非平滑类图像块；

2c)根据梯度计算方法分别计算各个非平滑类图像块中各像素水平方向与垂直方向的梯度，得到梯度矩阵；

2d)对梯度矩阵进行奇异值分解，得到左酉矩阵、对角矩阵和右酉矩阵；

2e)计算对角矩阵中的两个奇异值的差与和，并计算两者的比值；

2f)将比值与不规则阈值进行比较，若比值大于不规则阈值，则将非平滑类图像块归为规则类图像块，否则，归为不规则类图像块；

2g)利用下式计算规则类图像块指向值：

其中，θ为规则类图像指向值，v₁和v₂为主分量，分别代表右酉矩阵的列向量；

2h)将-90°-90°指向的取值范围均分为12个离散区间，将指向值在同一区间内对应的的规则类图像块归为一类；

(3)训练分类字典

3a)将分类得到的平滑类图像块、不规则类图像块及12个不同指向的图像块作为训练样本；

3b)进行字典训练初始化设置；

3c)利用K-Singular Value Decomposition(KSVD)方法进行字典训练，得到对应于各类图像块训练样本的分类冗余字典；

3d)根据余弦基公式，构造余弦基字典；

3e)将分类冗余字典与余弦基字典组成结构字典；

(4)构造观测矩阵

4a)根据压缩感知的低采样特性，在0.2～0.4范围内选择采样率；

4b)将采样率与图像块像素数目相乘，得到对应采样率的观测矩阵维数

4c)随机初始化相应维数的高斯随机矩阵作为观测矩阵；

(5)观测图像块

5a)对原始图像按同样大小进行不重叠的逐次分块处理，并将图像块按列依次拉为列向量，得到原始图像矩阵；

5b)利用观测矩阵对原始图像矩阵进行相乘投影，得到观测值矩阵；

(6)结构字典重建

6a)将观测矩阵与步骤(3)所得的结构字典逐个对应相乘，得到恢复矩阵；

6b)利用正交匹配追踪方法进行分块压缩感知图像重建，得到重建解；

6c)将步骤(3)所得的结构字典与重建解相乘，得到重建图像矩阵；

(7)获取重建误差

将原始图像矩阵与在步骤(3)所得的结构字典下的逐个重建图像矩阵的差平方求和，获得重建误差；

(8)重建图像

8a)将重建误差作为权重，对重建图像矩阵进行加权求和，得到最终重建图像矩阵；

8b)将最终重建图像矩阵进行反分块处理，得到最终的重建图像；

(9)输出重建图像。

2.根据权利要求1所述的基于结构字典的分块图像压缩感知重构方法，其特征在于，步骤(1)中所述的获取训练样本的具体步骤如下：第一步，从数据库中选取具有平滑特征、不规则特征及不同的指向信息等多种结构特征信息的多幅原图像，分别对这些图像进行下采样，得到下采样图像；

第二步，将数据库中选取的多幅原图像与原图像，构成训练样本库；

第三步，将样本库中的图像按同样大小进行不重叠的逐次分块，随机抽取10000～40000个训练图像块，并将其按列依次拉为列向量，作为训练样本。

3.根据权利要求1所述的基于结构字典的分块图像压缩感知重构方法，其特征在于，步骤2b)所述的平滑阈值为10～30。

4.根据权利要求1所述的基于结构字典的分块图像压缩感知重构方法，其特征在于，步骤2c)所述的梯度计算方法是指，将非平滑类图像块中每个像素点的水平分量与垂直分量分别减去其相邻像素点的水平分量与垂直分量，得到该像素点的梯度，所有像素点的梯度构成一个梯度矩阵。