利索能及
我要发布
收藏
专利号: 2016103708656
申请人: 中国科学院深圳先进技术研究院
专利类型:发明专利
专利状态:已下证
更新日期:2024-12-09
缴费截止日期: 暂无
联系人

摘要:

权利要求书:

1.一种基于块加权约束的压缩感知图像重建方法,其特征在于,包括,根据待重建图像中的感兴趣目标对待重建图像进行划分,确定感兴趣目标区域;

确定感兴趣目标区域及非感兴趣目标区域的惩罚权重;

根据所述惩罚权重及约束项类型构造基于块加权约束的压缩感知图像重建算法模型;

求解所述基于块加权约束的压缩感知图像重建算法模型,得到重建图像;

其中,根据所述惩罚权重及约束项类型构造基于块加权约束的压缩感知图像重建算法模型进一步包括:根据所述惩罚权重及约束项类型通过如下公式计算待重建图像的块加权约束项:fb(u)=∫ωσf(uσ)dσ,

其中,fb(u)为块加权正则范数,f(uσ)为块uσ的约束项范数,ωσ则为块uσ的惩罚权重;

根据待重建图像的块加权约束项通过如下公式得到基于块加权约束的压缩感知图像重建算法模型:其中,u∈Cn×n为待重建图像像素矩阵,F为傅里叶编码矩阵,y为采样的数据矩阵,λ为平衡数值保真项和正则项之间的正则因子,fb(u)为块加权正则范数,||·||2为矩阵的2-范数。

2.如权利要求1所述的基于块加权约束的压缩感知图像重建方法,其特征在于,确定感兴趣目标区域的惩罚权重进一步包括:当待重建图像的欠采倍数大于预定欠采倍数时,设定所述感兴趣目标区域的惩罚权重为非感兴趣目标区域惩罚权重的10%~30%;

当待重建图像的欠采倍数小于或等于预定欠采倍数时,设定所述感兴趣目标区域的惩罚权重为非感兴趣目标区域惩罚权重的1%~15%。

3.如权利要求2所述的基于块加权约束的压缩感知图像重建方法,其特征在于,确定感兴趣目标区域的惩罚权重进一步包括,通过如下公式确定感兴趣目标区域内不同像素点的惩罚权重:其中,x为感兴趣目标区域内的像素点, 为感兴趣目标区域内的像素点x的值;σc为感兴趣目标区域,σ为平滑参数, 为像素点x的梯度值,||·||1为1-范数。

4.如权利要求1所述的基于块加权约束的压缩感知图像重建方法,其特征在于,所述约束项类型的确定进一步包括,若所述待重建图像在图像域内稀疏,则选取1-范数;

若所述待重建图像在小波域稀疏,则选取小波变换范数;

若所述待重建图像在全变差域稀疏,则选取全变差范数。

5.一种基于块加权约束的压缩感知图像重建装置,其特征在于,包括,区域划分单元,用于根据待重建图像中的感兴趣目标对待重建图像进行划分,确定感兴趣目标区域;

惩罚权重确定单元,用于确定感兴趣目标区域及非感兴趣目标区域的惩罚权重;

模型生成单元,用于根据所述惩罚权重及约束项类型构造基于块加权约束的压缩感知图像重建算法模型;

计算单元,用于求解所述基于块加权约束的压缩感知图像重建算法模型,得到重建图像;

其中,根据所述惩罚权重及约束项类型构造基于块加权约束的压缩感知图像重建算法模型进一步包括:根据所述惩罚权重及约束项类型通过如下公式计算待重建图像的块加权约束项:fb(u)=∫ωσf(uσ)dσ,

其中,fb(u)为块加权正则范数,f(uσ)为块uσ的约束项范数,ωσ则为块uσ的惩罚权重;

根据待重建图像的块加权约束项通过如下公式得到基于块加权约束的压缩感知图像重建算法模型:其中,u∈Cn×n为待重建图像像素矩阵,F为傅里叶编码矩阵,y为采样的数据矩阵,λ为平衡数值保真项和正则项之间的正则因子,fb(u)为块加权正则范数,||·||2为矩阵的2-范数。

6.如权利要求5所述的基于块加权约束的压缩感知图像重建装置,其特征在于,惩罚权重确定单元具体用于,当待重建图像的欠采倍数大于预定欠采倍数时,设定所述感兴趣目标区域的惩罚权重为非感兴趣目标区域惩罚权重的10%~30%;

当待重建图像的欠采倍数小于或等于预定欠采倍数时,设定所述感兴趣目标区域的惩罚权重为非感兴趣目标区域惩罚权重的1%~15%。

7.如权利要求6所述的基于块加权约束的压缩感知图像重建装置,其特征在于,惩罚权重确定单元进一步通过如下公式确定感兴趣目标区内不同像素点的惩罚权重:其中,x为感兴趣目标区域内的像素点, 为感兴趣目标区域内的像素点x的值;σc为感兴趣目标区域,σ为平滑参数, 为像素点x的梯度值,||·||1为1-范数。