本发明专利技术公开了一种改进噪声方差估计的图像重构的方法，该方法包括：步骤1：使用稀疏矩阵ΨB对图像块xj作变换；步骤2：噪声方差估计；步骤3：图像系数估计；步骤4：对每个块图像进行Lanweber连续投影重构图像；步骤5：判断投影重构块图像是否满足终止准则。该方法在压缩感知重构图像过程中，利用图像块纹理特性、稀疏变换类型以及图像的采样率对噪声方差估计进行改进，将估计的噪声方差代入双变量阀值投影重构算法中去重建压缩图像，提高了重构图像的质量。
【技术实现步骤摘要】
本专利技术涉及，属于图像处理领域的 技术。
技术介绍
在过去的几十年里，随着传感系统处理数据能力的不断的增强，同时数据量的处 理不断增加，而传统的奈奎斯特采样定理要求信号的釆样大于或等于信号带宽的两倍，这 些要求对于信号处理的能力提出更高的要求，也给硬件设备带来相应的极大挑战。近年来， 压缩感知（Compressed Sensing，简称CS)突破了传统奈奎斯特采样定理，实现了采样方式 的转变即从信号采样转变成信息采样，引起了学术界和工业界的轰动，受到了越来越多的 关注。 CS理论有3个核心问题，即：寻找适合信号的稀疏变换、构造满足限制等距性质的 观测矩阵和设计高效而又具有较好鲁棒性的信号重构算法。信号的稀疏性是利用压缩感知 理论精确地重构出原始信号的先验基础，测量矩阵设计的好坏关系着信号重要信息的获取 与否，而能否精确地重构原始信号关系着CS理论是否切实的可行。 重构问题是当前的一个热点问题，但是，如何构造一种高效的重构算法是压缩感 知的一个核心问题。而图像重构算法中，噪声方差的准确评估尤为重要，噪声方差的评估影 响图像系数的评估，最终影响图像重构的质量。目前，在图像的重构过程中，对于噪声方差 的估计都是基于最高细节子带小波系数绝对值中值除以一个常数的估计方法。这种方法没 有考虑图像纹理特征、稀疏变换类型以及图像采样率对噪声方差的影响。首先，对于不同的 图像，图像的纹理特性存在差异，尤其对于同一图像纹理特性差异较大的不同图像块进行 相同的噪声方差估计方法处理，影响噪声方差估计的准确性，其次，对于不同类型的稀疏变 换和采样率，其稀疏变换后的系数和采样后的系数个数存在的差异，用两种差异很大的稀 疏变换和采样率进行相同的噪声方差估计，同样影响噪声方差的估计的准确性。而本专利技术 能够很好地解决上面的问题。
技术实现思路
本专利技术目的在于提供了，以解决原 噪声方差的估计不准确，影响重建图像的质量。本专利技术根据图像块的纹理特性、稀疏变换类 型以及图像的采样率对噪声标准差进行估计，提高噪声方差估计的准确性，提高了重建图 像的质量。 本专利技术解决其技术问题所采取的技术方案是：一种改进噪声方差估计的图像重构 的设计方法，该方法包含如下步骤： 输入参数：原始图像，块测量矩阵ΦΒ，块稀疏矩阵ΨΒ，门限参数λ，终止门限ε， 采样率r，测量块信号yj，j = 〇, 1，…，255。 初始化：i = 〇, D(〇) = 0, 4°) = 〇Lv)，j = 0, 1，…，255 预处理：原始图像大小为512X512,图像块Xj大小为32X32,其中j = 0, 1，…，255。根据图像块X]方差 < 值大小对图像块纹理复杂程度判别，并设置块纹理值 S ,，如下所示： 迭代过程，包括： 步骤1 :使用稀疏矩阵ΨΒ对图像块X j作变换，即 其中< 是第i次迭代图像块j信号，巧是#在稀疏矩阵ΨΒ下第i次迭代图像 块j稀疏信号。 步骤2 :噪声方差估计； 大多数噪声标准差估计σ，寸HH i子带中小波系数绝对值的中值来估计，BP : 噪声方差的评估精确度与稀疏变换和块采样率以及图像块的纹理程度紧密相关。 因此，提出了噪声方差估计改进方法如下： 其中Cr,是图像块j第i次迭代的噪声标准差，< 是是图像块j第i次迭代的除 低频系数外的所有系数，1^是图像块j的最佳噪声标准差尺度因子，r ,表示图像块j的采 样率，δ ,表示图像块j的纹理值，μ ,表示图像块j采用的稀疏变换类型，当采用DDWT稀 疏变换时，取μ ddwt= 〇. 4,当采用CT和DWT稀疏变换时，取μ et= μ dwt= 0. 2,当采用DCT 稀疏变换时，取 dct 〇· 1 〇 对于不同图像块纹理特性、稀疏变换类型以及图像的采样率，最佳的尺度因子k 值有所不同。噪声方差的评估影响图像系数的评估，从而影响重构图像的质量。利用该噪 声方差评估方法能够较精确评估噪声方差，提高重构图像的质量。 步骤3 :图像系数估计； 将噪声方差代入双变量阀值函数： 其中在下一个尺度内对应位置处的系数，当g彡0时，（g) + = 0 ;当g > 〇 时，（g)+= g〇 步骤4 :对每个块图像进行Lanweber连续投影重构图像，即 使用正交随机矩阵作为测量矩阵Φ，γ = ΦΦΤ= 1，可得： 步骤5 :判断投影重构块图像是否满足终止准则，包括： 若不满足，块图像转步骤1，则进行下一次迭代i = i+Ι ;若满足，将满足重构的块 图像拼起来，得到重构图像。 本专利技术是将估计的噪声方差代入双变量阀值投影重构算法中，从而重建压缩图 像。 本专利技术根据图像块的纹理特性、图像块的稀疏变换类型以及图像块的采样率联合 估计变化值，用该值作为最佳尺度因子对噪声标准差进行估计。 本专利技术应用于改进噪声方差估计的图像重构。 有益效果： 1、本专利技术与现有技术相比，在噪声方差估计时，最佳尺度因子不是一个恒定的常 数0.6745,而是一个根据图像块的纹理特性、图像块的稀疏变换类型以及图像块的采样率 联合估计变化值，用该值作为最佳尺度因子对噪声标准差进行估计。 2、通过使用本专利技术提出的噪声标准差估计方法，实现了噪声方差估计的准确度增 加，很好地提高了重构图像质量。 3、本专利技术利用该噪声方差评估方法能够较精确评估噪声方差，提高重构图像的质 量。【附图说明】 图1为本专利技术的方法流程图。【具体实施方式】 下面结合说明书附图对本专利技术创造作进一步的详细描述。 如图1所示，，该方法包含如下步 骤：...
【技术保护点】
一种改进噪声方差估计的图像重构的设计方法，其特征在于，所述方法包含如下步骤：输入参数：原始图像，块测量矩阵ΦB，块稀疏矩阵ΨB，门限参数λ，终止门限ε，采样率r，测量块信号yj，j＝0,1,…,255；初始化：i＝0，D(0)＝0，j＝0,1,…,255预处理：原始图像大小为512×512，图像块xj大小为32×32，其中j＝0,1,…,255；根据图像块xj方差值大小对图像块纹理复杂程度判别，并设置块纹理值δj，包括：δj=0.1,0≤σx2<5000.2,500≤σx2<10000.4,1000≤σx2]]>迭代过程包括：步骤1：使用稀疏矩阵ΨB对图像块xj作变换，即θj(i)=ΨBTxj(i)]]>其中是第i次迭代图像块j信号，是在稀疏矩阵ΨB下第i次迭代图像块j稀疏信号；步骤2：噪声方差估计；大多数噪声标准差估计σn对HH1子带中小波系数绝对值的中值来估计，即：σn=median(|θHH1|)0.6745]]>噪声方差的评估精确度与稀疏变换和块采样率以及图像块的纹理程度紧密相关，所述的噪声方差估计包括：σnj(i)=median(|θhj(i)|)kj]]>kj＝2*rj+δj+μj其中是图像块j第i次迭代的噪声标准差，是是图像块j第i次迭代的除低频系数外的所有系数，kj是图像块j的最佳噪声标准差尺度因子，rj表示图像块j的采样率，δj表示图像块j的纹理值，μj表示图像块j采用的稀疏变换类型，当采用DDWT稀疏变换时，取μddwt＝0.4，当采用CT和DWT稀疏变换时，取μct＝μdwt＝0.2，当采用DCT稀疏变换时，取μdct＝0.1；步骤3：图像系数估计；将噪声方差代入双变量阀值函数：θ~j(i)=([θj(i)]2+[θϵj(i)]2-λ3σnj(i)σ)+[θj(i)]2+[θϵj(i)]2·θj(i)]]>g=[θj(i)]2+[θϵj(i)]2-λ3σnj(i)σ]]>其中是在下一个尺度内对应位置处的系数，当g≤0时，(g)+＝0；当g＞0时，(g)+＝g；步骤4：对每个块图像进行Lanweber连续投影重构图像，即θj(i+1)=θ~j(i)+1γΨBΦBT(yj-ΦBΨBθ~j(i))]]>x~j(i)=ΨBθ~j(i)]]>使用正交随机矩阵作为测量矩阵Φ，γ＝ΦΦT＝1，可得：xj(i+1)=x~j(i)+ΦBT(yj-ΦBx~j(i))]]>步骤5：判断投影重构块图像是否满足终止准则，包括：|Dj(i+1)-Dj(i)|<ϵ]]>Dj(i+1)=1N||xj(i+1)-xj(i)||2]]>若不满足，块图像转步骤1，则进行下一次迭代i＝i+1；若满足，将满足重构的块图像拼起来，得到重构图像。...
【技术特征摘要】
【专利技术属性】
技术研发人员：张登银，沈洪泉，
申请(专利权)人：南京邮电大学，
类型：发明
国别省市：江苏;32
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。