[发明专利]应用于结构光图像的超稀疏CS融合算法

说明书

本发明公开了一种应用于结构光图像的超稀疏CS融合方法，步骤一：当结构光设备拍摄的图像为细节不清晰或者细节缺失的多幅图像时，将图像传输至计算机；步骤二：将每幅图像进行小波分解；步骤三：将压缩感知框架下分解的较大小波系数，进行压缩感知压缩，压缩后的超稀疏系数通过绝对值最大化进行融合；融合基的选取采用coif4小波基；步骤四：通过正交匹配追踪方法，经过迭代运算，实现超稀疏系数融合后的CS图像恢复；步骤五：将恢复后的图像通过电信号传输回机构光成像仪，以供继续机械操作。实现了在信号稀疏或近似稀疏的条件下的进行欠采样，再通过基于压缩感知的最佳融合方法对缺损结构光图像进行高概率还原。

技术领域

本发明涉及图像欠采样融合处理领域，尤其涉及应用于结构光图像的超稀疏CS融合方法。

背景技术

结构光成像目前的成像方法往往会受到一些因素的制约。如基于傅里叶条纹分析的成像方法，由于只需要获取一帧图像就能全场重建被测物体面形，非常适合于动态场景。但其缺点集中表现在计算量大，频域混频、泄漏等因素使误差较大。近两年有学者提出了结构光照明荧光显微成像系统，显著提升了成像速度和图像分辨率。但若要进一步提高计算准确度，则必须考虑更加复杂的算法且花费更多计算时间。另外，在双目视觉中由于镜头移动，对焦不同，出现遮挡物等使得照片存在部分模糊或者图片信息缺失现象。已有的压缩感知融合处理的小波基选取并不全面，没有考虑最新小波基。应用范围没有涉及到结构光图像处理领域。

发明内容

发明目的

本发明的目的是解决目前结构光成像系统速度慢精度低、对信息欠缺图像采样要求较高的问题。实现在信号稀疏或近似稀疏的条件下的进行欠采样，再通过基于压缩感知的最佳融合方法对缺损结构光图像进行高概率还原。

技术方案

应用于结构光图像的超稀疏CS融合方法，其特征在于：本方法的实施过程分为以下五个步骤：

步骤一：当结构光设备拍摄的图像为细节不清晰或者细节缺失的多幅图像时，将图像传输至计算机；

步骤二：将每幅图像进行小波分解，以信息熵、互信息量、峰值信噪比和平均梯度为评价标准评价出的最佳小波稀疏基coif5进行图像稀疏投影，将图像数值分解成较大的稀疏系数，其它大部分系数变成与零大小相当；

压缩感知理论中，存在实值有限长一维离散时间信号，即原信号f∈R^N*1，其中R是任意实数，N*1是N行1列信号；在从1到N的小波稀疏基下展开，其中ψ_i是第i个小波稀疏基；原信号f得到如(1)所示：

其中第i个小波系数是第i个小波稀疏基的转置；Φ是M，M<<N，阶测量矩阵，其中M是M维，N是N维，M和N是自然数；之后得到小于原信号f长度的投影y，矩阵表示稀疏化如(2)所示，投影如式(3)所示：

f＝Ψθ (2)

y＝Φf (3)

其中θ是小波系数，Ψ是小波稀疏基，将(2)式带入(3)式，得到总的降维测量矩阵A：

y＝ΦΨθ＝Aθ (4)

由于M<<N，若Φ满足一致不确定性原则或约束等容特性，可将0范数l₀重构问题等效为1范数l₁最小化问题，如式(5)所示，进而高精确地重构f，在y＝Aθ约束下解最小化1范数；

其中为最小化1范数求和；

步骤三：将压缩感知框架下分解的较大小波系数，进行压缩感知压缩，压缩后的超稀疏系数通过绝对值最大化进行融合；融合基的选取采用coif4小波基；