[发明专利]基于盲压缩感知的图像重构方法

摘要

本发明公开了一种基于盲压缩感知模型的图像重构方法，主要解决传统压缩感知只能对稀疏信号进行观测，且重构图像质量较差的问题。其实现步骤是：(1)对输入图像进行冗余变换，获得冗余矩阵；(2)对冗余矩阵在观测矩阵下进行压缩观测；(3)根据压缩观测的结果，利用OMP算法进行自适应更新稀疏矩阵；（4）根据更新后的稀疏矩阵，利用奇异值分解方法更新稀疏基；（5）将更新后的稀疏矩阵和稀疏基相乘得到重构后的图像冗余矩阵；（6）将重构后的图像冗余矩阵通过冗余逆变换获得重构图像；通过图像的峰值信噪比对重构图像进行评估。本发明具有重构图像质量高，对噪声抑制效果好的优点，可应用于图像去噪和图像压缩。

主权项

一种基于盲压缩感知的图像重构方法，包括以下步骤：（1）设输入图像矩阵为I、冗余矩阵为X，对输入图像I进行冗余变换,获得冗余矩阵X（2）设观测矩阵为A，根据盲压缩感知模型得出对图像信号重构的模型为： min | | B - AX | | F 2 = min P , S | | B - APS | | F 2 其中P、S分别为X的稀疏基、稀疏矩阵，||||F表示求矩阵的F‑范数，利用A对冗余矩阵X进行压缩观测，得到观测后的矩阵B＝A*X；（3）设冗余矩阵X的初始化稀疏基为P、稀疏矩阵为S，利用OMP算法更新稀疏矩阵S，使其满足： min S | | B - DS | | F 2 , s . t | | s i | | 0 ≤ k 其中si为S的第i列，且i取S的任意一列，k为si的稀疏度，D＝A*P,*为乘号，||||F表示求矩阵的F‑范数，||||0表示求向量的零范数;（4）利用奇异值分解方法更新稀疏基P，使其满足： min P | | B - APS | | F 2 ; （5）将更新后的稀疏基 P 1 · · · P i ′ · · · P 2 L 和更新后的稀疏矩阵S相乘，得到重构后的冗余矩阵X_r，即X_r＝P*S，其中Pi'为更新后的P的子块，i=1…2L；（6）对重构后的冗余矩阵X_r进行冗余逆变换，求出重构后的图像矩阵I_r；（7）采用图像的峰值信噪比PSNR作为评价指标对重构图像I_r进行评估，若重构图像的PSNR大于等于峰值信噪比阈值v，则输出重构图像I_r，若不满足返回（3） 重复执行，该峰值信噪比阈值v根据不同图像和加入噪声值的不同设定。