[发明专利]基于测量域显著检测模型的自适应压缩感知图像编码方法

权利要求书

1.一种基于测量域显著检测模型的自适应压缩感知图像编码方法，其特征在于，该方法包括：

步骤a、将尺寸为N＝I_r×I_c的图像x分成n个尺寸为B×B的块，其中B取16，第i个图像块记为列向量形式x_i，其中i＝1，2，...，n，n＝N/B²；

步骤b、设定图像总测量率S，确定总测量次数M为

M＝N×S

式中N为图像总像素数，预设初始测量次数M₀：

式中round[·]为四舍五入算子，生成尺寸为M₀×B²的高斯随机测量矩阵Φ_B0，计算长度为M₀的各块初始测量向量y_0i：

y_0i＝Φ_B0x_i

式中下标i从1取至n；

步骤c、利用各块的初始测量向量y_0i在测量域实施显著检测，计算各块的归一化显著度w_i，包括：

步骤c1、利用初始测量向量y_0i，计算各块显著度ξ_i：

式中||·||₂代表计算输入向量的l₂范数，下标j从1取至n；

步骤c2、对块显著度ξ_i作归一化，如下：

式中Max[·]取输入集合元素的最大值，Min[·]取输入集合元素的最小值。

步骤d、根据归一化块显著度w_i，自适应设定各块的测量次数M_i：

M_i＝round[w_i·(M-nM₀)+M₀]

并根据各块测量次数M_i，构造相应的高斯随机测量矩阵Φ_Bi，计算各块的测量向量y_i：

y_i＝Φ_Bix_i

步骤e、解码端收到各块的测量向量y_i，计算y_i的长度M_i，重新估算归一化块显著度

步骤f、以归一化块显著度估计值加权图像重建模型的目的函数，建立自适应全局重建模型：

式中||·||₁代表计算输入向量的l₁范数，正则化参数λ，取0.3，图像变换矩阵Ψ采用滤波器长度为4的Daubechies正交小波，利用梯度投影方法通过求解自适应全局重建模型，生成最终的重建图像