本发明专利技术公开了一种基于PCA冗余字典和方向信息的压缩感知图像重构方法，主要解决现有压缩感知重构方法OMP在分块压缩感知框架下重构的图像存在块效应和纹理模糊的问题，其过程为：构造PCA冗余字典；接收观测矩阵和分块测量向量，根据每个分块测量向量判断要重构的图像块的类别；对于每个要重构的图像块，通过设计基于方向信息的种群初始化方案和排序交叉算子，并使用遗传算法和克隆选择算法在PCA冗余字典下实现对每个图像块的重构。与OMP方法相比，本发明专利技术能在PCA冗余字典中从全局出发寻找每个图像块最优的稀疏表示，使重构图像的纹理和边缘更加清晰，可用于在分块压缩感知框架下重构图像时获得高质量图像。
【技术实现步骤摘要】
本专利技术属于图像处理
，更进一步涉及压缩感知图像重构方法，可用于在对原图像进行恢复时，获得高清晰质量的图像。
技术介绍
近几年，在信号处理领域出现了一种新的数据采集理论“压缩感知” CS，该理论在数据采集的同时实现压缩，突破了传统奈奎斯特采样定理的限制，为数据采集技术带来了革命性的变化，使得该理论在压缩成像系统、军事密码学、无线传感等领域有着广阔的应用前景。压缩感知理论主要包括信号的稀疏表示、信号的观测和信号的重构等三个方面。在信号稀疏表示方面，常用的字典有余弦字典、脊波字典等，在信号重构方面，通过求解Itl或I1范数的优化问题来重构图像。Tropp 等人在文献中 “ JoelA.Tropp, AnnaC.Gilbert, SignalRecoveryFromRandomMeasurementsViaOrthogonalMatchingPursuit”中提出基于正交匹配追踪的随机观测的信号恢复方法。该方法对稀疏信号进行低采样的随机观测，从正交的原子库中选择最能匹配信号结构的原子，从而重构出图像。该方法存在的不足是，在重构过程中使用贪婪思想寻找稀疏表示基原子组合，并不是从全局寻找基原子的组合，从而导致重构出的图像不够准确，并且它对压缩感知框架强加了有限等距性RIP约束，从某种意义上讲，限制了压缩感知的应用范围。西安电子科技大学的专利申请“基于结构字典的分块图像压缩感知重构方法”(公开号:CN102708576A,申请号:201210155980.3，申请日:2012年5月18日)中公开了一种通过图像块样本进行求解得到冗余字典并进行重构。该方法首先基于图像块的结构特征对图像块分类，然后以每类图像块作为训练样本，利用k-Singular ValueDecomposition(KSVD)字典训练方法得到冗余字典与余弦字典组成的结构字典，最后在分块压缩感知重建时，利用基于重建误差加权的方法获得最终图像。该专利申请存在的不足是，尽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组合，使用贪婪的思想，最终导致图像重构效果不是很理想，并且训练样本选择人为参与过多，直接影响图像的重构。综上所述，在基于Itl范数的压缩感知重构中，贪婪算法在求解基原子组合时，无法从全局获得最优稀疏表示的原子组合，最终重构效果不是很好。因此，压缩感知重构问题的研究主要集中在如何构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数来精确地恢复原始信号。
技术实现思路
本专利技术的目的在于针对现有压缩感知重构技术中在观测数较少的情况下，贪婪算法对图像信号不能进行有效的稀疏表示，导致图像纹理信息难以准确重构的缺点，提出一种基于PCA冗余字典和方向信息的压缩感知图像重构方法，提高重构后图像的质量。实现本专利技术目的技术思路是:从PCA冗余字典的特性出发，通过设计排序交叉算子和基于方向信息的种群初始化方案，将遗传算法和克隆选择算法有机结合作为非凸压缩感知优化重构方法，实现在PCA冗余字典中从全局出发求解最优基原子的组合。具体步骤包括如下:(I)分别过大小为21X21的全白图像中心点作直线，生成18个由不同斜率直线分割的图像，直线斜率依次取自角度集合{10Xk+l|k=0，1，2...17}，在每幅分割图像中，将包含图像右下角顶点的一侧区域取值为1，另一侧区域取值为0，构造出18个方向的黑白图像；(2)分别对每个方向的黑白图像采用隔点法选取出所有8X8的块，得到每一个方向的训练样本集{fJk;(3)分别对每个方向的训练样本集{f Jk进行PCA分解，得到每个方向的特征值矩阵Sk和PCA正交基Bk ;再分别对所有的PCA正交基Bk按方向依次排列得到PCA冗余字典D和对所有的特征值矩阵Sk按方向依次排列得到对应的特征值矩阵E ；(4)输入测试图像并分成8X8的不重叠块，利用随机高斯观测矩阵A分别对每一个块进行观测得到每一块的测量向量y，发送端发送观测矩阵A和每一块的测量向量y，接收端进行接收；(5)对接收到的每一块的测量向量y利用I度方向的特征值矩阵S1和PCA正交基B1进行图像块类别判断，标记光滑块和非光滑块；(6)设置种群规模为n=20，个体编码长度为K=16，当前进化代数为P，最大进化代数为mp，分别对光滑块和非光滑块根据方向信息执行不同的种群初始化操作，得到每一个图像块i的父代种群H⑴=Ih1⑴，…，Ill⑴，…，hn⑴}；(7)分别对每一块的父代种群H(i)中每个个体进行排序交叉操作，得到子代种群H，⑴；(8)分别对每一块的子代种群H’ (i)中每个个体进行变异操作；(9)分别对父代种群H(i)和子代种群H’⑴中每个个体进行解码，得到所需的PCA原子组合D’和对应的稀疏系数α，并分别计算父代种群H(i)和子代种群H’⑴中每个个体的适应度；再对适应度值进行从大到小排序，选择前η个对应的个体组成遗传后的新种群H’’⑴；(10)如果当前进化代数P大于设置的最大进化代数mp，则执行步骤(11)，并保留最终得到的遗传后的新种群H’’⑴；否则p=p+l，返回步骤(7)；(11)设置当前的克隆代数为q，最大克隆代数为mq，对遗传后的新种群H’’ (i)中每一个个体执行多次复制操作，得到每一个个体的克隆种群G(i)；(12)对每一个个体的克隆种群G(i)中的每个个体进行变异操作，得到克隆种群G(i)的子代种群G’⑴；(13)分别对最终种群H’’ (i)中每一个个体对应的克隆种群G(i)和子代种群G’ (i)中的每个个体进行解码，得到所需的PCA原子组合D’和对应的稀疏系数α，并计算最终种群H’’ (i)中每一个个体对应的克隆种群G(i)和子代种群G’ (i)中每个个体的适应度；再保留适应度最大的个体，其余个体淘汰掉，得到克隆后的新种群G’’ (i)； (14)如果当前克隆代数q大于设置的终止克隆代数mq，则执行步骤(15)，并保留每一个图像块i的最终得到的克隆后的新种群G’’ (i);否则q=q+l，返回步骤(11)；(15)分别在每一个图像块i的最终得到的克隆后的新种群G’ ’⑴中选择适应度最大的个体作为每一个图像块i的最优基原子，并用每一个图像块i的最优基原子与其求解的稀疏系数相乘得到相应重构的图像块，再将所有图像块依次排列得到重构的图像。与现有技术相比，本专利技术具有以下优点:第一，本专利技术提出了在压缩感知领域中使用PCA学习任意方向的方向基，把所有方向学习获得的方向基集成起来就得到了 PCA方向基冗余字典，当该字典方向足够多时，它可以更加稀疏和自适应的表示任意方向的图像信号，克服了现有压缩感知重构技术中，正交基无法有效地稀疏表示图像信号的不足，提高了重构图像的质量。第二，本专利技术从PCA冗余字典的特性出发，通过设计排序交叉算子和基于方向信息的种群初始化方案，将遗传算法和克隆选择算法有机结合作为非凸压缩感知优化重构方法，得到了较好的图像重构效果。第三，本专利技术合理的将PCA方向基的方向性和排序交叉操作结合起来，解决了 PCA方向基对于拥有多个方向的图像块的重构问题，提升了图像重构质量。附图说明图1是本专利技术的总流程图；图2是本专利技术中获取字典的子流程图；图3是用本专利技术与现有技术在采样率为40%时的仿真对比图；图4是用本专利技术与现有技术重构出来的Barb本文档来自技高网...
【技术保护点】
一种基于PCA冗余字典和方向信息的压缩感知图像重构方法，包括如下步骤：(1)分别过大小为21×21的全白图像中心点作直线，生成18个由不同斜率直线分割的图像，直线斜率依次取自角度集合{10×k+1|k=0,1,2…17}，在每幅分割图像中，将包含图像右下角顶点的一侧区域取值为1，另一侧区域取值为0，构造出18个方向的黑白图像；(2)分别对每个方向的黑白图像采用隔点法选取出所有8×8的块，得到每一个方向的训练样本集{fi}k；(3)分别对每个方向的训练样本集{fi}k进行PCA分解，得到每个方向的特征值矩阵Sk和PCA正交基Bk；再分别对所有的PCA正交基Bk按方向依次排列得到PCA冗余字典D和对所有的特征值矩阵Sk按方向依次排列得到对应的特征值矩阵E；(4)输入测试图像并分成8×8的不重叠块，利用随机高斯观测矩阵A分别对每一个块进行观测得到每一块的测量向量y，发送端发送观测矩阵A和每一块的测量向量y，接收端进行接收；(5)对接收到的每一块的测量向量y利用1度方向的特征值矩阵S1和PCA正交基B1进行图像块类别判断，标记光滑块和非光滑块；(6)设置种群规模为n=20，个体编码长度为K=16，当前进化代数为p，最大进化代数为mp，分别对光滑块和非光滑块根据方向信息执行不同的种群初始化操作，得到每一个图像块i的父代种群H(i)={h1(i),…,hl(i),…,hn(i)}；(7)分别对每一块的父代种群H(i)中每个个体进行排序交叉操作，得到子代种群H“(i)；(8)分别对每一块的子代种群H“(i)中每个个体进行变异操作；(9)分别对父代种群H(i)和子代种群H“(i)中每个个体进行解码，得到所需的PCA原子组合D“和对应的稀疏系数α，并分别计算父代种群H(i)和子代种群H“(i)中每个 个体的适应度；再对适应度值进行从大到小排序，选择前n个对应的个体组成遗传后的新种群H““(i)；(10)如果当前进化代数p大于设置的最大进化代数mp，则执行步骤（11），并保留最终得到的遗传后的新种群H““(i)；否则p=p+1，返回步骤(7)；(11)设置当前的克隆代数为q，最大克隆代数为mq，对遗传后的新种群H““(i)中每一个个体执行多次复制操作，得到每一个个体的克隆种群G(i)；(12)对每一个个体的克隆种群G(i)中的每个个体进行变异操作，得到克隆种群G(i)的子代种群G“(i)；(13)分别对最终种群H““(i)中每一个个体对应的克隆种群G(i)和子代种群G“(i)中的每个个体进行解码，得到所需的PCA原子组合D“和对应的稀疏系数α，并计算最终种群H““(i)中每一个个体对应的克隆种群G(i)和子代种群G“(i)中每个个体的适应度；再保留适应度最大的个体，其余个体淘汰掉，得到克隆后的新种群G““(i)；(14)如果当前克隆代数q大于设置的终止克隆代数mq，则执行步骤(15)，并保留每一个图像块i的最终得到的克隆后的新种群G““(i)；否则q=q+1，返回步骤(11)；(15)分别在每一个图像块i的最终得到的克隆后的新种群G““(i)中选择适应度最大的个体作为每一个图像块i的最优基原子，并用每一个图像块i的最优基原子与其求解的稀疏系数相乘得到相应重构的图像块，再将所有图像块依次排列得到重构的图像。...
【技术特征摘要】
【专利技术属性】
技术研发人员：刘芳，董航，李玲玲，郝红侠，焦李成，戚玉涛，宁文学，尚荣华，马晶晶，马文萍，
申请(专利权)人：西安电子科技大学，
类型：发明
国别省市：
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。