基于测量域分块显著性检测的压缩感知图像重构方法

摘要

本发明公开了一种基于测量域分块显著性检测的压缩感知图像重构方法，主要解决现有技术在采样数不增加的情况下难以提高图像重构质量的问题。其实现步骤为：(1)将原图分为大小相同互不重叠的子块，用压缩感知的方法进行测量；(2)对子块测量值进行变换并判断，把子块划归为显著块或非显著块；(3)对显著块和非显著块分配不同采样率；(4)根据显著块和非显著块的采样率对图像进行二次测量，得到测量值矩阵；(5)从测量值矩阵中重构出显著块和非显著块，恢复出图像。本发明能在采样数大致相同的情况下有效提高重构图像的主观质量和信噪比，可用于图像编解码领域。

主权项

一种基于测量域分块显著性检测的压缩感知图像重构方法，包括步骤如下：(1)将原始图像转换为灰度图并将灰度图分成n个大小相同，互不重叠的子块B_i，i＝1,2…n，对所有子块用原始采样率为M₀的相同测量矩阵进行测量，得到测量值矩阵f，其中n为大于1的自然数；(2)检测n个子块的显著性：2a)对测量值矩阵f依次进行离散余弦变换、求符号函数和逆离散余弦变换，得到测量值压缩矩阵f'，再对该测量值压缩矩阵f'中的每一个元素求平方得到平方增强矩阵f"；2b)将平方增强矩阵f"的第i列均值与阈值1进行对比：如果该均值大于1，则子块B_i为显著块，否则，为非显著块，其中i＝1,2…n。(3)设显著块采样率为：M₁＝M₀+0.1，非显著块采样率为：M₂＝M₀‑0.05，进行二次采样率分配，其中M₀是原始采样率；(4)根据分块显著性检测和二次采样率分配进行二次测量：4a)设a₁为M₁与单个子块像素点总数乘积的四舍五入，b₁为单个子块像素点总数，构造一个a₁行b₁列的显著块测量矩阵Φ₁，Φ₁的每一个元素都是计算机随机生成的满足高斯分布的随机数；4b)设a₂为M₂与单个子块像素点总数乘积的四舍五入，b₂＝b₁，构造一个a₂行b₂列的非显著块测量矩阵Φ₂，Φ₂的每一个元素都是计算机随机生成的满足高斯分布的随机数；4c)将检测出来的每一个显著块转置，按照各列顺次纵向拼接成一维列向量，再将各显著块拼接得到的一维列向量横向排列，组成图像的二维显著块像素矩阵X₁；4d)将检测出来的每一个非显著块转置，按照各列顺次纵向拼接成一维列向量，再将所有非显著块拼接得到的一维列向量横向排列组成图像的二维非显著块像素矩阵X₂；4e)根据步骤4a)‑4d)的结果，得到显著测量值Y₁＝Φ₁·X₁和非显著测量值Y₂＝Φ₂·X₂；(5)从显著测量值矩阵Y₁和非显著测量值矩阵Y₂中分别恢复出图像的显著块和非显著块，组成重构图像。