一种多视角压缩感知图像的重建方法

摘要

本申请公开了一种多视角压缩感知图像的重建方法，包括：在接收端接收各视角图像的测量值后独立重建各视角图像；在已重建图像之间进行基于块的DE和DC操作，获得每个视角的预测图像；然后，对利用预测图像和测量值为每个视角建立的联合重建问题进行求解，确定各视角最终的重建图像。其中，建立的联合重建问题不仅考虑视角图像与预测图像间的残差在变换域的稀疏特性，还进一步考虑视角图像本身在变换域的稀疏特性。同时，在求解联合重建问题时，将其分解为视角重建图像与残差图像的交替迭代问题，通过多次迭代进行求解。应用本申请，能够有效改善图像重建的性能和效果。

主权项

一种多视角压缩感知图像的重建方法，其特征在于，该方法包括：a、接收同一物体各视角图像的独立测量值，并独立重建各个视角图像；b、对于任一视角图像，在与其相邻视角图像的重建图像和当前重建的所述任一视角图像之间，进行基于块的视差估计DE和视差补偿DC操作，获取所述任一视角图像的预测值S_i和视差图D_i；c、根据所述任一视角图像的独立测量值y_i和当前的所述预测值S_i，计算${\hat{I}}_i=\underset{I_i}{\arg \min }({||{\mathrm{\Phi I}}_i-y_i||}_2^2+\beta {||E_i-(I_i-S_i)||}_2^2+\lambda {||{\mathrm{\Psi I}}_i||}_1)$  和${\hat{E}}_i=\underset{E_i}{\arg \min }({||E_i-(I_i-S_i)||}_2^2+\gamma {||{\mathrm{\Psi E}}_i||}_1),$并根据计算得到的当前所述和所述相邻视角图像的重建图像，利用当前的所述视差图D_i更新所述预测值S_i，重新执行步骤c，直到满足预设的内循环终止条件再执行步骤d；其中，y_i为所述任一视角图像I_i的独立测量值，Φ为测量矩阵，E_i为所述任一视角图像的残差变量，为重建的所述任一视角图像的残差变量，在第一次执行步骤c时E_i取I_i‑S_i，在后续执行步骤c时E_i取当前重建的所述任一视角图像的残差变量β和λ是预设的第二和第三权衡因子，γ＝λμ/β，μ是预设的第一权衡因子，Ψ是正交变换基；d、返回步骤b，直到达到预设的外循环终止条件，将当前重建的所述任一视角图像作为所述任一视角图像的重建结果；其中，所述计算${\hat{I}}_i=\underset{I_i}{\arg \min }({||{\mathrm{\Phi I}}_i-y_i||}_2^2+\beta {||E_i-(I_i-S_i)||}_2^2+\lambda {||{\mathrm{\Psi I}}_i||}_1)$包括：计算$▿F_I=2A^T({\mathrm{A\alpha }}_i-y_i)+2\beta \Psi ({\Psi }^{-1}{\alpha }_i-S_i-E_i),$根据该计算结果和G_I＝λ||ΨI_i||₁求解所述计算${\hat{E}}_i=\underset{E_i}{\arg \min }({||E_i-(I_i-S_i)||}_2^2+\gamma {||{\mathrm{\Psi E}}_i||}_1)$包括：计算$▿F_E=2\Psi ({\Psi }^{-1}{u}_i-(I_i-S_i)),$根据该计算结果和G_E＝γ||ΨE_i||₁计算其中，$F_I={||{\mathrm{\Phi I}}_i-y_i||}_2^2+\beta {||E_i-(I_i-S_i)||}_2^2,$表示对F_I取梯度，表示对F_E取梯度，α_i＝ΨI_i表示I_i的正交变换结果，A＝ΦΨ^‑1，u_i＝ΨE_i表示E_i的正交变换结果，Ψ是由9/7小波变换进行5层分解产生的正交变换基，μ＝1。