[发明专利]一种多假设预测的分块压缩感知图像处理方法

权利要求书

1.一种多假设预测的分块压缩感知图像处理方法，实现内容分为两个部分：（1）图像采样处理：自适应变采样分块CS处理技术；（2）图像重构处理：多假设预测多尺度分块CS重构处理技术，其特征是： 

一、图像采样处理： 

（1）把一个图像被分成B×B块，这里分块的大小B根据图像重构的速率和重构的质量要求折中决定，按照经验，一般地取B=16,32,64； 

（2）对每个图像块使用一个合适大小的测量矩阵进行采样，在每个图像的分块内，采样时使用9/7双正交3级DWT作为多尺度变换矩阵Ω，Ω进行l级（l=1,2,3）分解时，大小为B×B图像块采样使用随机DCT SRM观测矩阵进行实现，其中，每一级采样使用不同的采样权重进行处理； 

(3)对采样得到的CS数据观测值输出； 

二、图像重构处理： 

（1）根据接收的观测数据y，在DWT域建立分块测量矩阵，并使用DDWT（双树DWT，Dual-tree DWT）作为稀疏基； 

（2）对每个图像子块的周围设置搜索窗，并进行多假设加权正则化Tikhonov预测处理，得到图像重构的先验知识，结合先验知识，解决图像重构时的迭代阈值最小二乘的病态欠定问题； 

（3）在DWT域,调用MS-BCS-SPL算法； 

（4）重构恢复原始图像。 

2.根据权利要求1所述的方法，其特征是图像采样处理的实现过程： 

（1）把大小为N×N的一幅图像x，分成B×B块，根据9/7双正交DWT进行3级分解的变换原理，当l=1,2,3，我们分别选取每一级的块大小为B_l＝16,32,64； 

（2）对每个图像块选取大小为的测量矩阵Ф_l，其中，是l级测量维数，且满足M为CS测量矩阵观测的数值总的维数；K为CS的稀疏度，即非0元素的个数； 

因此，整个图像测量矩阵Ф的大为M_B×B²,整个图像的采样子率为S＝M_B/B²，整个图像的测量矩阵Ф具有对角型结构性矩阵Φ＝diag(Φ_l)，其形式为： 

假设x_l,s,j是第l级子带s上的第j块图像的向量表示，且满足s∈{H,V,D},1≤l≤L（H表示水平方向子带，V为垂直方向子带，D为对角方向子带），那么，CS的采样观测值为： 

y_l,s,j＝Φ_l·x_l,s,j   （2） 

（3）DWT分解不同级采样子率的确定原则：由于不同级的DWT分解对图像重构有不同的重要性，因此，本发明在每一个l级都会调整采样过程以产生不同的采样子率S_l（其中，设置DWT基带子率为全采样子率，S₀＝1），l级的采样子率S_l 定义如下： 

S_l＝W_l·S^/   （3） 

这里，W_l为l级的子率加权系数，整个图像的采样子率由公式（4）确定， 

特别地说明，经过多次实验，子率加权系数W_l通过（5）式确定： 

W_l＝16^L-l+1   （5） 

（4）经过3级采样，得到整个图像的测量观测数据为： 

y＝Φ·x＝{y_l,s,j＝Φ_l·x_l,s,j,l,s＝1,2,3;j＝1,2,...,B²/N²)   （6）。 

3.图像重构处理的实现过程 

（1）根据接收的观测数据y，在DWT域建立分块测量矩阵,使y=ФΩx，这里，当b_l＜B_l时，Ω为9/7双正交3级DWT多尺度变换矩阵；当b_l＝B_l时，Ω为RDWT矩阵，Ф为确定性测量矩阵，具体形式为： 

(2)多假设预测和正则化Tikhonov矩阵处理，对每个图像子块的空间周围设置搜索窗，初始化窗大小为W＝1，并进行多假设加权正则化Tikhonov预测处理，图3说明了一个在搜索空间窗内，对第i个b×b子块进行多假设预测的处理过程，多假设预测的处理数据作为多假设矩阵H_i的列； 

为此，对于第i个图像块重构的信号为： 

                                                 （8） 

其中，多假设矩阵H_i为B²×K维的矩阵，其多假设加权矩阵的列代表了H_i的列的线性组合，Γ为Tikhonov矩阵，λ为加权因子，项的引入说明了先验知识对求解的约束条件，解决了CS重构技术中迭代阈值最小二乘的病态欠定问题，Γ的一种对角矩阵形式如下： 

其中，h_j是H_i的列元素，因此，对于每个块，可以直接由（10）式求解： 

（3）参差信号r的预测：对原始图像数据x进行预测估计，预测估计数据 两个信号的参差为则参差信号r的预测如下： 

（4）图像重构数据的结果通过y我们得到的预测估计数据如下： 

这里，公式(1)-(12)表示本发明提出的多假设预测分块压缩感知的图像处理算法,而MS-BCS-SPL为多尺度分块压缩感知平滑滤波算法。