[发明专利]一种自适应的多尺度分块压缩感知采样方法有效

专利信息
申请号: 201610116709.7 申请日: 2016-03-01
公开(公告)号: CN105761290B 公开(公告)日: 2018-11-27
发明(设计)人: 陈志铭;高巍;高东红;史玥婷;荣政 申请(专利权)人: 北京理工大学
主分类号: G06T9/00 分类号: G06T9/00
代理公司: 暂无信息 代理人: 暂无信息
地址: 100081 北京市*** 国省代码: 北京;11
权利要求书: 查看更多 说明书: 查看更多
摘要:
搜索关键词: 一种 自适应 尺度 分块 压缩 感知 采样 方法
【权利要求书】:

1.一种自适应的多尺度分块压缩感知采样方法,其特征在于包括以下步骤:

步骤1,对原图像进行三层小波分解,得到小波域图像;

所述的小波分解采用9/7正交小波分解,分解方式是:

首先,将原图像分解为第一级的低频系数子带和三个高频系数子带;

接着,将第一级分解的低频子带进行进一步分解,得到下一层的低频及高频子带,而由第一级分解获得的三个高频子带的数据将不再参与分解;

最后,按照此方式再进行一步分解,即可得到三层小波分解后的小波域图像;

步骤2,提取步骤1得到的小波域图像中的高频系数进行分层、分子带、分块;

所述的分层是指将小波域图像按照三层分解方式分为三层;

所述的分子带是指除低频部分外,得到九个水平、垂直及对角高频子带;

所述的分块是指将各子带分成64个大小相同且不重叠的图像块;

步骤3,提取步骤1得到的小波域图像中的低频系数,对低频系数进行小波逆变换得到预估计图像,将预估计图像分块分成64个大小相同且不重叠的图像块;

步骤4,计算步骤3得到的预估计图像各块的灰度熵和所有图像块的灰度熵之和;

各图像块的灰度熵用Hj表示,j表示第j个图像块,j=1,2,…64;灰度熵的计算公式为:

其中,pi表示图像中灰度值为i的像素在整个图像中所占的比例,由灰度直方图获得;

步骤5,利用如下经验公式将各块灰度熵转换为初步自适应采样率:

其中,rj表示第j个图像块的初步自适应采样率,S表示预设的目标采样率,h表示分块数目,为了防止初步自适应采样率过低,最低采样率的阈值设置为Smin,取值为:

步骤6,对步骤3得到的预估计图像各块利用图像块的梯度信息进行方向估计;

所述的方向估计的详细步骤为:

(6.1)对每个图像块的梯度矩阵G进行奇异值分解:

其中U是N×2维的正交矩阵,S是2×2维矩阵,表示主方向上的能量,v1与v2相互正交,v1表示梯度场主方向,v2表示图像块的主方向;

(6.2)利用奇异值s1和s2之间的差值对图像块的方向显著性进行判断:

R∈[0,1],R的值大表示图像块的方向性较显著;反之,R的值小则说明图像的方向性并不明显;

当R→0时,表示图像块不具有明显的方向性;当R≥τ时,图像块有明确的主方向,其中τ为判断方向显著性的阈值;

(6.3)对那些主方向非常明确的图像块,利用下式计算各块的主方向角θ:

θ=180/π·arctan(v22/v21)

(6.4)按照(6.3)得到的主方向角对各图像块的主方向进行判断,方向角和方向的关系规定如下:

步骤7,将步骤5得到的初步自适应采样率按照步骤6得到的方向信息对各层各子带各图像块进行采样率的分配:主方向明确的图像块按主方向分配采样率,没有明确主方向的图像块平均分配采样率;低频系数全采样;

所述的采样率分配的详细步骤为:

(7.1)求各层子采样率Sl,j,即第l层各子带的第j个图像块的采样率:

利用已求得的第j个图像块的初步自适应采样率rj作为该图像块各层子采样率的目标采样率,应用如下公式求解Sl,j

Sl,j=WlS' (1)

Wl=16L-l+1 (3)

其中,rj和Wl已知,通过式(2)可以很容易地解出S',再利用式(1)就能求出Sl,j,这个求解过程会产生一个或多个Sl,j>1;因此,需要修改求解方式和步骤来保证各层的Sl,j≤1;由式(1)和(2)求得S'和S1,j后,检查是否有S1,j>1,若是,设置S1,j=1,若否,保留S1,j的值;按此法继续依次求解S2,j、S3,j,使得所有解均小于等于1;

(7.2)求各层各子带中各图像块的采样率Sl,s,j,即第l层,l=1,2,3,第s子带,s∈H,V,D,第j个图像块的采样率:

利用(7.1)中获得的各层子采样率Sl,j和步骤6得到的方向性,对各层各子带中各图像块分配采样率,假设第j个图像块的方向性是水平方向,那么水平方向的子带应多采样,垂直和对角方向的子带应少采样,若第j个图像块没有明确的主方向,那么各个方向的图像块平均分配该层采样率;

步骤8,计算各层各子带各图像块的观测矩阵Φl,s,j

首先,利用(7.2)获得的各层各子带中各图像块的采样率Sl,s,j计算出每个对应块的自适应观测数目Ml,s,j,计算方法是

接着,由高斯分布N(0,1)构造的随机高斯矩阵正交化得到一个Bl×Bl维正交变换的随机矩阵

最后,Φl,s,j由从矩阵中随机抽取的Ml,s,j个行向量构成;

步骤9,将步骤8得到的观测矩阵Φl,s,j代入式计算各层各子带各图像块的观测集合;

其中,表示小波域内l层子带s的第j个图像块,yl,s,j表示相应的观测集合;

步骤10,采用平滑投影Landweber重构方法恢复图像;

重构过程由投影和滤波交替迭代进行,直到达到停止迭代的条件。

下载完整专利技术内容需要扣除积分,VIP会员可以免费下载。

该专利技术资料仅供研究查看技术是否侵权等信息,商用须获得专利权人授权。该专利全部权利属于北京理工大学,未经北京理工大学许可,擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作,请联系【客服

本文链接:http://www.vipzhuanli.com/pat/books/201610116709.7/1.html,转载请声明来源钻瓜专利网。

×

专利文献下载

说明:

1、专利原文基于中国国家知识产权局专利说明书;

2、支持发明专利 、实用新型专利、外观设计专利(升级中);

3、专利数据每周两次同步更新,支持Adobe PDF格式;

4、内容包括专利技术的结构示意图流程工艺图技术构造图

5、已全新升级为极速版,下载速度显著提升!欢迎使用!

请您登陆后,进行下载,点击【登陆】 【注册】

关于我们 寻求报道 投稿须知 广告合作 版权声明 网站地图 友情链接 企业标识 联系我们

钻瓜专利网在线咨询

周一至周五 9:00-18:00

咨询在线客服咨询在线客服
tel code back_top