[发明专利]图像分块压缩感知的全局重构优化模型构造方法

摘要

一种图像分块压缩感知的全局重构优化模型构造方法。采集端的流程为：1.把一幅图像x分为n个B×B的小块xi，其中x和xi均已按光栅扫描方式拉为列向量；2.生成尺寸为MB×B2的独立同分布高斯随机矩阵ΦB；3.对每块xi作非相干测量得观测值向量yi=ΦB·xi；4.将观测值向量yi和生成高斯随机矩阵的种子发送至重构端。重构端的流程为：1.将接收到的各块观测值向量yi按列堆积为y=[y1;y2;...,yn]；2.构造全局重构测量算子Θ(·)，其输入为图像x，对应输出为y，由块测量矩阵集合Φ和排序算子P(·)两部分组成；3.建立全局优化重构模型，并采用相应的压缩感知重构算法复原图像。本方法可有效地消除现有技术存在的块效应，并且对块尺寸B的变化有较强的鲁棒性。

主权项

一种图像分块压缩感知的全局重构优化模型构造方法，其特征在于，该方法包括如下步骤：(1) 把一幅图像x分为n个B×B的小块xi，其中x和xi均已按光栅扫描方式拉为列向量；(2) 生成尺寸为MB×B2的独立同分布高斯随机矩阵ΦB；(3) 对每块xi作非相干测量得观测值向量yi=ΦB·xi；(4) 将观测值向量yi和生成高斯随机矩阵的种子Seed发送至重构端；(5) 将接收到的各块观测值向量yi按列堆积为y=[y1; y2; ...; yn]；(6) 利用种子Seed重新构造出高斯随机矩阵ΦB，并生成块测量矩阵集合Φ=diag(ΦB, ΦB,..., ΦB)，然后将其与排序算子P(·)结合得到全局重构测量算子Θ(·)，其输入为图像x，对应输出为y；(7) 建立全局优化重构模型，并采用相应的压缩感知重构算法复原图像。