本發明專利技術公開了一種基于PCA冗余字典和方向信息的壓縮感知圖像重構方法，主要解決現有壓縮感知重構方法OMP在分塊壓縮感知框架下重構的圖像存在塊效應和紋理模糊的問題，其過程為：構造PCA冗余字典；接收觀測矩陣和分塊測量向量，根據每個分塊測量向量判斷要重構的圖像塊的類別；對于每個要重構的圖像塊，通過設計基于方向信息的種群初始化方案和排序交叉算子，并使用遺傳算法和克隆選擇算法在PCA冗余字典下實現對每個圖像塊的重構。與OMP方法相比，本發明專利技術能在PCA冗余字典中從全局出發尋找每個圖像塊最優的稀疏表示，使重構圖像的紋理和邊緣更加清晰，可用于在分塊壓縮感知框架下重構圖像時獲得高質量圖像。
【技術實現步驟摘要】
本專利技術屬于圖像處理
，更進一步涉及壓縮感知圖像重構方法，可用于在對原圖像進行恢復時，獲得高清晰質量的圖像。
技術介紹
近幾年，在信號處理領域出現了一種新的數據采集理論“壓縮感知” CS，該理論在數據采集的同時實現壓縮，突破了傳統奈奎斯特采樣定理的限制，為數據采集技術帶來了革命性的變化，使得該理論在壓縮成像系統、軍事密碼學、無線傳感等領域有著廣闊的應用前景。壓縮感知理論主要包括信號的稀疏表示、信號的觀測和信號的重構等三個方面。在信號稀疏表示方面，常用的字典有余弦字典、脊波字典等，在信號重構方面，通過求解Itl或I1范數的優化問題來重構圖像。Tropp 等人在文獻中 “ JoelA.Tropp, AnnaC.Gilbert, SignalRecoveryFromRandomMeasurementsViaOrthogonalMatchingPursuit”中提出基于正交匹配追蹤的隨機觀測的信號恢復方法。該方法對稀疏信號進行低采樣的隨機觀測，從正交的原子庫中選擇最能匹配信號結構的原子，從而重構出圖像。該方法存在的不足是，在重構過程中使用貪婪思想尋找稀疏表示基原子組合，并不是從全局尋找基原子的組合，從而導致重構出的圖像不夠準確，并且它對壓縮感知框架強加了有限等距性RIP約束，從某種意義上講，限制了壓縮感知的應用范圍。西安電子科技大學的專利申請“基于結構字典的分塊圖像壓縮感知重構方法”(公開號:CN102708576A,申請號:201210155980.3，申請日:2012年5月18日)中公開了一種通過圖像塊樣本進行求解得到冗余字典并進行重構。該方法首先基于圖像塊的結構特征對圖像塊分類，然后以每類圖像塊作為訓練樣本，利用k-Singular ValueDecomposition(KSVD)字典訓練方法得到冗余字典與余弦字典組成的結構字典，最后在分塊壓縮感知重建時，利用基于重建誤差加權的方法獲得最終圖像。該專利申請存在的不足是，盡管使用的稀疏表示字典更加冗余，但是在求解稀疏表示的基原子的組合，使用貪婪的思想，最終導致圖像重構效果不是很理想，并且訓練樣本選擇人為參與過多，直接影響圖像的重構。綜上所述，在基于Itl范數的壓縮感知重構中，貪婪算法在求解基原子組合時，無法從全局獲得最優稀疏表示的原子組合，最終重構效果不是很好。因此，壓縮感知重構問題的研究主要集中在如何構造更好的稀疏表示字典以及在字典下如何求解稀疏表示系數來精確地恢復原始信號。
技術實現思路
本專利技術的目的在于針對現有壓縮感知重構技術中在觀測數較少的情況下，貪婪算法對圖像信號不能進行有效的稀疏表示，導致圖像紋理信息難以準確重構的缺點，提出一種基于PCA冗余字典和方向信息的壓縮感知圖像重構方法，提高重構后圖像的質量。實現本專利技術目的技術思路是:從PCA冗余字典的特性出發，通過設計排序交叉算子和基于方向信息的種群初始化方案，將遺傳算法和克隆選擇算法有機結合作為非凸壓縮感知優化重構方法，實現在PCA冗余字典中從全局出發求解最優基原子的組合。具體步驟包括如下:(I)分別過大小為21X21的全白圖像中心點作直線，生成18個由不同斜率直線分割的圖像，直線斜率依次取自角度集合{10Xk+l|k=0，1，2...17}，在每幅分割圖像中，將包含圖像右下角頂點的一側區域取值為1，另一側區域取值為0，構造出18個方向的黑白圖像；(2)分別對每個方向的黑白圖像采用隔點法選取出所有8X8的塊，得到每一個方向的訓練樣本集{fJk;(3)分別對每個方向的訓練樣本集{f Jk進行PCA分解，得到每個方向的特征值矩陣Sk和PCA正交基Bk ;再分別對所有的PCA正交基Bk按方向依次排列得到PCA冗余字典D和對所有的特征值矩陣Sk按方向依次排列得到對應的特征值矩陣E ；(4)輸入測試圖像并分成8X8的不重疊塊，利用隨機高斯觀測矩陣A分別對每一個塊進行觀測得到每一塊的測量向量y，發送端發送觀測矩陣A和每一塊的測量向量y，接收端進行接收；(5)對接收到的每一塊的測量向量y利用I度方向的特征值矩陣S1和PCA正交基B1進行圖像塊類別判斷，標記光滑塊和非光滑塊；(6)設置種群規模為n=20，個體編碼長度為K=16，當前進化代數為P，最大進化代數為mp，分別對光滑塊和非光滑塊根據方向信息執行不同的種群初始化操作，得到每一個圖像塊i的父代種群H⑴=Ih1⑴，…，Ill⑴，…，hn⑴}；(7)分別對每一塊的父代種群H(i)中每個個體進行排序交叉操作，得到子代種群H，⑴；(8)分別對每一塊的子代種群H’ (i)中每個個體進行變異操作；(9)分別對父代種群H(i)和子代種群H’⑴中每個個體進行解碼，得到所需的PCA原子組合D’和對應的稀疏系數α，并分別計算父代種群H(i)和子代種群H’⑴中每個個體的適應度；再對適應度值進行從大到小排序，選擇前η個對應的個體組成遺傳后的新種群H’’⑴；(10)如果當前進化代數P大于設置的最大進化代數mp，則執行步驟(11)，并保留最終得到的遺傳后的新種群H’’⑴；否則p=p+l，返回步驟(7)；(11)設置當前的克隆代數為q，最大克隆代數為mq，對遺傳后的新種群H’’ (i)中每一個個體執行多次復制操作，得到每一個個體的克隆種群G(i)；(12)對每一個個體的克隆種群G(i)中的每個個體進行變異操作，得到克隆種群G(i)的子代種群G’⑴；(13)分別對最終種群H’’ (i)中每一個個體對應的克隆種群G(i)和子代種群G’ (i)中的每個個體進行解碼，得到所需的PCA原子組合D’和對應的稀疏系數α，并計算最終種群H’’ (i)中每一個個體對應的克隆種群G(i)和子代種群G’ (i)中每個個體的適應度；再保留適應度最大的個體，其余個體淘汰掉，得到克隆后的新種群G’’ (i)； (14)如果當前克隆代數q大于設置的終止克隆代數mq，則執行步驟(15)，并保留每一個圖像塊i的最終得到的克隆后的新種群G’’ (i);否則q=q+l，返回步驟(11)；(15)分別在每一個圖像塊i的最終得到的克隆后的新種群G’ ’⑴中選擇適應度最大的個體作為每一個圖像塊i的最優基原子，并用每一個圖像塊i的最優基原子與其求解的稀疏系數相乘得到相應重構的圖像塊，再將所有圖像塊依次排列得到重構的圖像。與現有技術相比，本專利技術具有以下優點:第一，本專利技術提出了在壓縮感知領域中使用PCA學習任意方向的方向基，把所有方向學習獲得的方向基集成起來就得到了 PCA方向基冗余字典，當該字典方向足夠多時，它可以更加稀疏和自適應的表示任意方向的圖像信號，克服了現有壓縮感知重構技術中，正交基無法有效地稀疏表示圖像信號的不足，提高了重構圖像的質量。第二，本專利技術從PCA冗余字典的特性出發，通過設計排序交叉算子和基于方向信息的種群初始化方案，將遺傳算法和克隆選擇算法有機結合作為非凸壓縮感知優化重構方法，得到了較好的圖像重構效果。第三，本專利技術合理的將PCA方向基的方向性和排序交叉操作結合起來，解決了 PCA方向基對于擁有多個方向的圖像塊的重構問題，提升了圖像重構質量。附圖說明圖1是本專利技術的總流程圖；圖2是本專利技術中獲取字典的子流程圖；圖3是用本專利技術與現有技術在采樣率為40%時的仿真對比圖；圖4是用本專利技術與現有技術重構出來的Barb本文檔來自技高網...
【技術保護點】
一種基于PCA冗余字典和方向信息的壓縮感知圖像重構方法，包括如下步驟：(1)分別過大小為21×21的全白圖像中心點作直線，生成18個由不同斜率直線分割的圖像，直線斜率依次取自角度集合{10×k+1|k=0,1,2…17}，在每幅分割圖像中，將包含圖像右下角頂點的一側區域取值為1，另一側區域取值為0，構造出18個方向的黑白圖像；(2)分別對每個方向的黑白圖像采用隔點法選取出所有8×8的塊，得到每一個方向的訓練樣本集{fi}k；(3)分別對每個方向的訓練樣本集{fi}k進行PCA分解，得到每個方向的特征值矩陣Sk和PCA正交基Bk；再分別對所有的PCA正交基Bk按方向依次排列得到PCA冗余字典D和對所有的特征值矩陣Sk按方向依次排列得到對應的特征值矩陣E；(4)輸入測試圖像并分成8×8的不重疊塊，利用隨機高斯觀測矩陣A分別對每一個塊進行觀測得到每一塊的測量向量y，發送端發送觀測矩陣A和每一塊的測量向量y，接收端進行接收；(5)對接收到的每一塊的測量向量y利用1度方向的特征值矩陣S1和PCA正交基B1進行圖像塊類別判斷，標記光滑塊和非光滑塊；(6)設置種群規模為n=20，個體編碼長度為K=16，當前進化代數為p，最大進化代數為mp，分別對光滑塊和非光滑塊根據方向信息執行不同的種群初始化操作，得到每一個圖像塊i的父代種群H(i)={h1(i),…,hl(i),…,hn(i)}；(7)分別對每一塊的父代種群H(i)中每個個體進行排序交叉操作，得到子代種群H“(i)；(8)分別對每一塊的子代種群H“(i)中每個個體進行變異操作；(9)分別對父代種群H(i)和子代種群H“(i)中每個個體進行解碼，得到所需的PCA原子組合D“和對應的稀疏系數α，并分別計算父代種群H(i)和子代種群H“(i)中每個 個體的適應度；再對適應度值進行從大到小排序，選擇前n個對應的個體組成遺傳后的新種群H““(i)；(10)如果當前進化代數p大于設置的最大進化代數mp，則執行步驟（11），并保留最終得到的遺傳后的新種群H““(i)；否則p=p+1，返回步驟(7)；(11)設置當前的克隆代數為q，最大克隆代數為mq，對遺傳后的新種群H““(i)中每一個個體執行多次復制操作，得到每一個個體的克隆種群G(i)；(12)對每一個個體的克隆種群G(i)中的每個個體進行變異操作，得到克隆種群G(i)的子代種群G“(i)；(13)分別對最終種群H““(i)中每一個個體對應的克隆種群G(i)和子代種群G“(i)中的每個個體進行解碼，得到所需的PCA原子組合D“和對應的稀疏系數α，并計算最終種群H““(i)中每一個個體對應的克隆種群G(i)和子代種群G“(i)中每個個體的適應度；再保留適應度最大的個體，其余個體淘汰掉，得到克隆后的新種群G““(i)；(14)如果當前克隆代數q大于設置的終止克隆代數mq，則執行步驟(15)，并保留每一個圖像塊i的最終得到的克隆后的新種群G““(i)；否則q=q+1，返回步驟(11)；(15)分別在每一個圖像塊i的最終得到的克隆后的新種群G““(i)中選擇適應度最大的個體作為每一個圖像塊i的最優基原子，并用每一個圖像塊i的最優基原子與其求解的稀疏系數相乘得到相應重構的圖像塊，再將所有圖像塊依次排列得到重構的圖像。...
【技術特征摘要】
【專利技術屬性】
技術研發人員：劉芳，董航，李玲玲，郝紅俠，焦李成，戚玉濤，寧文學，尚榮華，馬晶晶，馬文萍，
申請(專利權)人：西安電子科技大學，
類型：發明
國別省市：
還沒有人留言評論。發表了對其他瀏覽者有用的留言會獲得科技券。