基于遗传稀疏优化的图像重构方法

摘要

本发明公开了一种基于遗传稀疏优化的图像重构方法,主要解决现有方法对压缩感知图像的分块重构中，存在的边界模糊和块效应明显的问题。本发明将图像块分为光滑和非光滑两类，分别对其建模重构；根据光滑块的统计特性，直接采用伪逆解对其直流分量和变化分量进行快速重构；对于非光滑块，利用遗传算法在PCA字典中选择一组原子来对其进行最优重构。实验结果表明，利用本发明重构的图像比传统的正交匹配追踪方法OMP和统计压缩感知方法SCS具有更好的边界和区域一致性，细节信息更加清晰，并且块效应明显减少，可用于低采样率下图像获取中的重构。

主权项

一种基于遗传稀疏优化的图像重构方法，包括如下步骤：(1)输入大小为像素的图像块x的观测向量y，估计该图像块的直流分量和变化分量(2)根据变化分量的能量，将图像块x进行光滑和非光滑的分类，若该图像块属于光滑块，则执行步骤(3)操作；否则，执行步骤(4)操作；(3)对于光滑块，直接用直流分量加上变化分量进行重构，得到重构结果为：$\tilde{x}={\tilde{x}}_{dc}+{\tilde{x}}_{\mathrm{var}};$(4)对于非光滑块，利用遗传算法在PCA字典中选择合适的原子组合对图像块x进行重构，包括如下步骤：(4.1)构造一个包含18个方向子字典的PCA字典B；(4.2)初始化一个父代种群种群规模S＝20，个体长度为16，置计数器t＝0；(4.3)计算父代种群中每个个体的适应度值，记录适应度值最大的个体为最优个体z_best；(4.4)对父代种群进行概率为0.8的交叉操作，得到子代种群(4.5)对子代种群进行概率为0.2的变异操作；(4.6)计算子代种群中每个个体的适应度值，如果中个体的最大适应度值大于当前最优个体z_best的适应度值，则更新最优个体z_best；(4.7)在父代种群和子代种群的集合中，选择20个适应度值最大的个体作为新的父代种群并且记录它们的适应度值，置计数器t＝t+1；(4.8)设最大迭代次数T_max为100，若t<T_max，则返回步骤(4.4)；否则，输出最佳个体z_best的重构结果。