主权项 |
一种基于二维分析稀疏模型及其训练字典的图像重建方法,其特征在于:包括以下步骤:(1)构造训练样本集<img file="FDA0000915101900000018.GIF" wi="789" he="71" />其中y<sup>(i)</sup>表示对图像进行采样得到的第i个d<sub>1</sub>×d<sub>1</sub>的图像块,<img file="FDA0000915101900000019.GIF" wi="126" he="63" />表示实数域,其维度为d<sub>1</sub>,M<sub>0</sub>=M*d<sub>1</sub>,M表示图像块样本数量;(2)构造并训练第一个方向的字典Ω<sub>1</sub>:构造第一个新的训练样本集<img file="FDA0000915101900000011.GIF" wi="645" he="87" />Y中每一个元素都是原始图像块中的每一列,j是列数,对该训练样本集采用分析稀疏字典训练方法K‑SVD在给定联合秩r<sub>1</sub>=1约束下训练字典Ω<sub>1</sub>,即求解稀疏系数以及不断更新字典Ω<sub>1</sub>的每一行<img file="FDA0000915101900000012.GIF" wi="110" he="86" /><img file="FDA0000915101900000013.GIF" wi="85" he="86" />表示Ω<sub>1</sub>的第k<sub>1</sub>行;(3)构造并训练第二个方向的字典Ω<sub>2</sub>:利用Ω<sub>1</sub>对样本集II中的每一个图像块求解Ω<sub>1</sub>y<sup>(i)</sup>,得到第二图像块,对每一个第二图像块进行转置,得到z<sup>(i)</sup>=(Ω<sub>1</sub>y<sup>(i)</sup>)<sup>T</sup>,即<maths num="0001" id="cmaths0001"><math><![CDATA[<mrow><mi>Z</mi><mo>=</mo><mo>[</mo><msubsup><mi>z</mi><mi>j</mi><mrow><mo>(</mo><mn>1</mn><mo>)</mo></mrow></msubsup><msubsup><mi>z</mi><mi>j</mi><mrow><mo>(</mo><mn>2</mn><mo>)</mo></mrow></msubsup><mo>...</mo><msubsup><mi>z</mi><mi>j</mi><mrow><mo>(</mo><mi>i</mi><mo>)</mo></mrow></msubsup><mo>...</mo><msubsup><mi>z</mi><mi>j</mi><mrow><mo>(</mo><msub><mi>M</mi><mn>2</mn></msub><mo>)</mo></mrow></msubsup><mo>]</mo><mo>,</mo><mn>1</mn><mo>≤</mo><mi>j</mi><mo>≤</mo><msub><mi>p</mi><mn>1</mn></msub><mo>,</mo></mrow>]]></math><img file="FDA0000915101900000014.GIF" wi="743" he="79" /></maths><img file="FDA0000915101900000015.GIF" wi="71" he="78" />表示第z<sup>(i)</sup>块的第j列,j可取的范围为1≤j≤p<sub>1</sub>,即第z<sup>(i)</sup>块有p<sub>1</sub>列,对训练集Z采用分析稀疏字典训练方法K‑SVD在给定联合秩r<sub>2</sub>=1约束下训练字典Ω<sub>2</sub>;(4)利用Ω<sub>1</sub>和Ω<sub>2</sub>构造二维分析稀疏求解中的Ω:<maths num="0002" id="cmaths0002"><math><![CDATA[<mrow><mi>Ω</mi><mo>=</mo><mfenced open = "[" close = "]"><mtable><mtr><mtd><msub><mi>Ω</mi><mi>A</mi></msub></mtd><mtd><mn>0</mn></mtd></mtr><mtr><mtd><mn>0</mn></mtd><mtd><msub><mi>Ω</mi><mi>B</mi></msub></mtd></mtr></mtable></mfenced><mo>,</mo></mrow>]]></math><img file="FDA0000915101900000016.GIF" wi="351" he="150" /></maths><img file="FDA0000915101900000017.GIF" wi="1085" he="128" />即以Ω<sub>1</sub>作为Ω<sub>A</sub>的对角线元素,而且需要使用d<sub>1</sub>个,Ω<sub>2</sub>作为Ω<sub>B</sub>的对角线元素,而且需要使用p<sub>1</sub>个;(5)利用已知含噪图像构造待重建图像的图像块e;(6)构造用于二维分析稀疏重建的信号E:对于以上每个图像块e,首先利用u=Ω<sub>1</sub>e<sup>T</sup>得到新的图像块u,作为稀疏求解的约束条件,然后对e和u按照列方向重排序得到<img file="FDA0000915101900000021.GIF" wi="36" he="63" />和<img file="FDA0000915101900000022.GIF" wi="63" he="55" />将<img file="FDA0000915101900000023.GIF" wi="34" he="70" />和<img file="FDA0000915101900000024.GIF" wi="36" he="55" />重新组合起来得到<img file="FDA0000915101900000025.GIF" wi="191" he="166" />(7)利用一维分析稀疏重建方法求解Y的重建值<img file="FDA0000915101900000026.GIF" wi="79" he="71" />对每一个E都利用一维分析稀疏重建方法进行重建,<maths num="0003" id="cmaths0003"><math><![CDATA[<mrow><mover><mi>X</mi><mo>^</mo></mover><mo>=</mo><munder><mi>argmin</mi><mrow><mi>X</mi><mo>,</mo><mi>Λ</mi><mo>,</mo></mrow></munder><mi>r</mi><mi>a</mi><mi>n</mi><mi>k</mi><mrow><mo>(</mo><msub><mi>Ω</mi><mi>Λ</mi></msub><mo>)</mo></mrow><mo>,</mo><mi>s</mi><mi>u</mi><mi>b</mi><mi>j</mi><mi>e</mi><mi>c</mi><mi>t</mi><mi> </mi><msub><mi>toΩ</mi><mi>Λ</mi></msub><mi>X</mi><mo>=</mo><mn>0</mn><mo>,</mo><mo>|</mo><mo>|</mo><mi>X</mi><mo>-</mo><mi>Y</mi><mo>|</mo><msubsup><mo>|</mo><mi>F</mi><mn>2</mn></msubsup><mo><</mo><mi>ϵ</mi><mo>-</mo><mo>-</mo><mo>-</mo><mrow><mo>(</mo><mn>3</mn><mo>)</mo></mrow></mrow>]]></math><img file="FDA0000915101900000027.GIF" wi="1358" he="117" /></maths>即公式(3)为rank(Ω<sub>Λ</sub>)的最小值,其中Ω<sub>Λ</sub>为当前X的支撑集为Λ的字典,rank(Ω<sub>Λ</sub>)表示求Ω<sub>Λ</sub>的秩,该公式满足的约束条件为:<img file="FDA0000915101900000028.GIF" wi="498" he="86" />即支撑集下的字典与样本X正交,而且X与已知Y尽可能的接近,误差矩阵X‑Y的F范数尽可能地小,小于一定的阈值ε;最终的求解过程得到重建的<img file="FDA0000915101900000029.GIF" wi="84" he="71" />并在约束条件规范下得到相应的支撑集;(8)对<img file="FDA00009151019000000210.GIF" wi="54" he="69" />进行反操作,得到对应于N个图像块的重建值;(9)利用步骤(8)的N个图像块得到去噪图像:对于有重叠的地方,采用取平均值的操作。 |