[发明专利]一种结合灰度熵和盲反卷积的采样率自适应分块压缩感知方法

权利要求书

1.结合灰度熵和盲反卷积的采样率自适应分块压缩感知方法，其特征在于，先将图像进行三层小波变换，通过低频子带分块求得各图像块的灰度熵H_j，再以灰度熵作为判决条件对高频子带各块自适应分配采样率r_j，同时对低频子带进行盲反卷积处理；然后，对高频子带基于所求得的自适应采样率进行压缩采样，并采用SPL方法充分重建各块细节，最后将盲反卷积后的低频子带图像和压缩重构后的高频子带图像归一化叠加，获得恢复图像用于图像传输，包括以下步骤：

S1、对原始图像进行三层小波分解，将高频子带置零，低频子带逆变换得到近似图像F；

S2、将近似图像F分割成h个大小为B×B的图像块x_j，计算各图像块的灰度熵H_j，j＝1,2,3,···,h；

S3、计算各图像块的自适应采样率r_j；

S4、将低频子带置零，高频子带逆变换得到预重构图像T，并分成h个大小为B×B的图像块；

S5、利用步骤S3获得的自适应采样率r_j，根据M_j＝r_j×B²得到每个图像块的观测值数量，并随机抽取高斯随机矩阵Φ的前M_j行设计出自适应观测矩阵Φ_j，对各图像块降维观测得到观测集合y_j；

S6、对步骤S2的近似图像F进行盲反卷积处理，将低频子带的近似图像F看作图像的退化模糊，令F＝g(m,n)，得到低频子带的退化模糊模型；将图像信息作为随机量，其与另外一组随机量间存在似然关系，采用由随机噪声干扰的量估计最优化策略，并在假定收敛的情况下迭代求解这个最优化问题，所求得的最大值即为盲反卷积后的图像F′和模糊核h(m,n)，低频子带的退化模糊模型g(m,n)为：

g(m,n)＝h[f(m,n)]+z(m,n)

其中，f(m,n)为盲反卷积后的图像F′，h(m,n)为模糊核，z(m,n)为噪声，g(m,n)为低频子带的近似图像F，(m,n)为图像二维空间的坐标；

S7、利用SPL方法对步骤S5的高频子带观测集合y_j进行重构，再与步骤S6的盲反卷积后的低频子带近似图像F′归一化叠加，得到重构的恢复图像。

2.根据权利要求1所述的感知方法，其特征在于，步骤S2中，各图像块的灰度熵H_j计算如下：

其中，i为图像灰度值，为对·从0到255求和，p_i为灰度值i的像素在图像中所占的比例，log₂(·)为对·求以2为底的对数。

3.根据权利要求1所述的感知方法，其特征在于，步骤S3中，各图像块的自适应采样率r_j计算如下：

其中，S为图像整体目标采样率，S_min为最低采样率阈值，h为图像分块数，H_j为各图像块灰度熵，为对·从1到h求和。

4.根据权利要求1所述的感知方法，其特征在于，步骤S5中，观测集合y_j计算如下：

y_j＝Φ_j x_j

其中，y_j为第j个图像块的观测集合，Φ_j为第j个图像块的自适应观测矩阵，x_j为第j个图像块系数。