本发明专利技术公开了一种基于脊波字典的多目标遗传优化压缩感知图像重构方法，主要解决现有重构方法，由于稀疏度预估不准确而导致图像重构不准确的问题，其实现过程为：1)判别图像块结构，将图像块标记为光滑，单方向和多方向；2)对不同类型的图像块所对应的观测向量聚类，并为每一类图像块构造初始种群；3)对当前种群执行基于不同基因位置变长编码的交叉，基于先验信息的新个体的插入和多点变异操作；4)计算当前种群的非支配解集，并计算拐点作为最优解；5)以最优解计算图像块的估计值，按顺序拼接成整幅图像。本发明专利技术能够找到较适合图像块的稀疏度，并找到该稀疏度下最优的原子组合，重构质量好，鲁棒性高，可用于自然图像和医学图像的重构。
【技术实现步骤摘要】
本专利技术属于图像处理
，涉及多目标优化的非凸压缩感知图像重构方法， 可用于对医学图像和自然图像的重构。
技术介绍
压缩感知理论通过开发信号的稀疏特性，在远小于奈奎斯特Nyqui st采样率的条 件下，随机采样获取信号的离散样本，然后通过非线性重建算法完美地重建信号。压缩感知 理论的关键之处在于实现信号采样和数据压缩的结合，即对信号采样的同时也实现压缩的 目的，以远低于Nyquist采样率对信号采样，这样既节省了资源和带宽，又缓解了较高的带 宽给信号采集设备带来的压力。在这种新的信号处理模式下，采样的频率不再被信号带宽 的大小所决定，而是与观测矩阵和稀疏变换基的不相关程度、信号的稀疏程度等因素有关。 目前提出的基于脊波字典学习的非凸压缩感知图像重构算法，是利用遗传进化算 法学习得到字典方向上的较优原子组合，最后使用该最优原子组合来重构图像，但是这一 类算法都需要预先知道稀疏度，也就是重构需要的原子组合中原子的个数，但是在实际应 用中，稀疏度往往是未知的。 目前基于脊波字典学习的非凸压缩感知图像重构算法中，通常固定稀疏度，也就 是固定重构一个信号所需要的原子个数，来求最优的原子组合，这是不合理的，因为一个真 实的信号重构所需要的原子个数即稀疏度往往是不确定的，因而存在由于稀疏度预估不准 确而导致图像重构不准确的问题。
技术实现思路
本专利技术的目的在于针对上述已有技术的不足，提出一种基于脊波字典的多目标遗 传优化压缩感知图像重构方法，以提高在稀疏度未知条件下的图像重构准确性。 为实现上述目的，本专利技术的技术方案如下： (1)接收发送方发送的正交随机高斯观测矩阵Φ和对图像分块压缩采样得到的每 一块的测量向量y; (2)对每个观测向量y所对应的图像块进行结构判别，将图像块标记为光滑块、单 方向块和多方向块，并记录单方向块的方向； (3)对光滑块，单方向块，多方向块对应的测量向量分别用近邻传播聚类AP算法进 行聚类； (4)对每一类观测向量对应的图像块，设置种群大小为N，设当前进化代数为I，设 置种群中每个个体由两个目标的编码对组成，其中第一个目标对应要重构块的稀疏度，即 重构原子组合中原子的个数，第二个目标对应要重构图像块的字典原子组合，根据要重构 图像块被标记的类别对种群个体进行初始化，并计算种群中每个个体的适应度值，得到初 始种群； (5)对当前种群个体执行基于不同基因位置变长编码的交叉操作，并更新相应种 群个体的第一个目标，得到交叉后的种群； (6)对当前交叉后的种群执行基于先验信息的新个体的插入操作，得到新种群并 计算新种群个体的适应度值； (7)对当前新种群个体的第二个目标执行多点变异操作； (8)根据新种群每个个体的第一个目标和对应的适应度值，计算非支配解集F; (9)根据非支配解集F中新种群个体的数目，均匀的选择下一代种群个体； (10)判断当前种群迭代次数I是否达到最大迭代次数或者达到适应度要求，如果 达到迭代次数或适应度要求则根据种群的非支配解集F，找到拐点所在的种群个体，作为最 优个体然后执行步骤(11);否则迭代次数增1，即1 = 1+1，返回步骤(5); (11)根据最优个体的第二个目标，计算所有图像块的估计值，并按分块顺序拼成 一个完整的图像输出。 本专利技术与现有技术相比，具有如下优点： 1.本专利技术按照方向和尺度进行种群的初始化，使得种群以一些较优的解开始查找 最优解，为查找到最优解提供了更大的可能性，也减少了寻找最优解的时间。 2.本专利技术中将稀疏度和原子组合一起编码到种群中，同时通过优化，可用多目标 的方法找到稀疏度和原子组合折衷的最优解，提高了重构的准确性。 3.本专利技术对种群采用变长编码，进行随机不同交叉点的交叉操作，使得产生更多 样性的解，有利于查找稀疏度折衷的最优解。 4.本专利技术在稀疏度稀疏的位置随机插入新个体，这使得增加了种群的多样性的同 时，更有利于找到最优解，也减少了寻找最优解的时间。【附图说明】图1是本专利技术的实现流程图；图2是用本专利技术在30%采样率下对Lena图的重构结果图；图3是用本专利技术在30 %采样率下对Barbara图的重构结果图。【具体实施方式】参照图1，本专利技术的实施步骤如下：步骤1，接收发送方发送的正交随机高斯观测矩阵Φ和对图像分块压缩采样得到 的每一块的测量向量y。 步骤2,对每个观测向量y所对应的图像块进行结构判别，将图像块标记为光滑块、 单方向块和多方向块，并记录单方向块的方向。 (2a)按照如下公式，对每一个图像块的测量向量y计算对应的噪声向量 _ν = φ (ν-Φ<./(Φ?/) y) 式中，y是待判定图像块的观测向量，Φ是用于观测的高斯矩阵，d是一个值全为1 列向量，（·）+是计算得到矩阵的伪逆矩阵； (2b)对每一个噪声向量;?计算噪声值ξ，# = |网。其中|·|@向量二范数的平方； (2c)判断ξ是不是小于阈值0.05,如果小于就将该测量对应的图像块标记为光滑 块;否则就不标记； (2d)将未做标记的图像块，再按照如下步骤标记为单方向块和多方向块： (2dl)将已有的脊波过完备字典按方向分为36个子字典. . .，Ψ?，. . . Ψ36， 对每一个观测向量y，分别用0ΜΡ算法在这些子字典上进行重构，计算序列中对应每一个子 字典Ψ?的观测残差r:如此得到一个观测残差序列ri，r2, . . .，ri，. . .r36,找到序列中最小值在序列中的 位置1，1 = 1，2，...，36，式中，7是待判定图像块的观测向量，01是子字典屯1中与 7相关性最 大的10个原子的组合，（·）+是计算得到矩阵的伪逆矩阵； (2d2)利用序列中位置i-2，i-1，i，i + 1，i+2找到五个对应的残差值ri-2，ri-!，ri， ri+i，ri+2;若i为1，则ri-2和ri-i分别用r36和r35代替;若i为2，则ri-2用r36代替;若i为36，则ri+i 和ri+2分别用r#Pr2代替;若i为35，则^+2用^代替； (2d3)对观测向量y对应的图像块进行标记:若ri-2大于ri-Ui-i大于1.2ri，r i+^ 于1.2Γι，且r1+2大于r1+1，则将观测向量y对应的图像块标记为单方向，并将i指定为该图像 块的方向，否则就将该图像块标记为多方向。步骤3,对光滑块，单方向块，多方向块对应的测量向量分别用近邻传播聚类AP算 法进行聚类。聚类方法有很多种，例如C均值聚类方法，模糊聚类方法，仿射聚类方法，近邻传播 聚类AP算法等，本实施例中，使用的聚类方法是近邻传播聚类AP算法。近邻传播聚类AP算 法，Affinity Propagation(AP)聚类是2007年在Science杂志上提出的一种新的聚类算法。 它根据N个数据点之间的相似度进行聚类，不需要事先指定聚类数目。其具体实现如下： (3a)对所有光滑图像块对应的观测向量进行聚类，得到光滑图像块的聚类； (3b)对所有单方向图像块对应的观测向量进行聚类，得到单方向图像块的聚类； (3c)对所有多方向图像块对应的观测向量进行聚类，得到多方向图像块的聚类。 步骤4，对每一类观测向量对应的图像块，根据要重构图像块被标记的类别对种群 个体进行初始化，并计算种群中每个个体本文档来自技高网...
【技术保护点】
一种基于脊波字典的多目标遗传优化压缩感知图像重构方法，其特征是：包括如下步骤：(1)接收发送方发送的正交随机高斯观测矩阵Φ和对图像分块压缩采样得到的每一块的测量向量y；(2)对每个观测向量y所对应的图像块进行结构判别，将图像块标记为光滑块、单方向块和多方向块，并记录单方向块的方向；(3)对光滑块，单方向块，多方向块对应的测量向量分别用近邻传播聚类AP算法进行聚类；(4)对每一类观测向量对应的图像块，设置种群大小为N，设当前进化代数为I，设置种群中每个个体由两个目标的编码对组成，其中第一个目标对应要重构块的稀疏度，即重构原子组合中原子的个数，第二个目标对应要重构图像块的字典原子组合，根据要重构图像块被标记的类别对种群个体进行初始化，并计算种群中每个个体的适应度值，得到初始种群；(5)对当前种群个体执行基于不同基因位置变长编码的交叉操作，并更新相应种群个体的第一个目标，得到交叉后的种群；(6)对当前交叉后的种群执行基于先验信息的新个体的插入操作，得到新种群并计算新种群个体的适应度值；(7)对当前新种群个体的第二个目标执行多点变异操作；(8)根据新种群每个个体的第一个目标和对应的适应度值，计算非支配解集F；(9)根据非支配解集F中新种群个体的数目，均匀的选择下一代种群个体；(10)判断当前种群迭代次数I是否达到最大迭代次数或者达到适应度要求，如果达到迭代次数或适应度要求则根据种群的非支配解集F，找到拐点所在的种群个体，作为最优个体然后执行步骤(11)；否则迭代次数增1，即I＝I+1，返回步骤(5)；(11)根据最优个体的第二个目标，计算所有图像块的估计值，并按分块顺序拼成一个完整的图像输出。...
【技术特征摘要】
【专利技术属性】
技术研发人员：刘芳，李婷婷，李小青，郝红侠，焦李成，尚荣华，杨淑媛，马文萍，马晶晶，
申请(专利权)人：西安电子科技大学，
类型：发明
国别省市：陕西;61
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。