CN103559695A - 一种自适应分块压缩传感重建方法 - Google Patents

Abstract

本发明属于图像处理领域，具体涉及一种用于目标图像的特征提取与识别的自适应分块压缩传感重建方法。本发明包括：初始参数定义；将图像分成大小为A的子图像块；分别计算各子图像块的能量E，根据预设的能量阈值T，将各子图像块划分成背景子图像块和目标子图像块；重新对图像的背景区域和目标区域进行分块；以相同的采样率分别对图像的背景区域、目标区域进行测量值获取及图像重建；将重建的目标区域图像和背景区域图像合成为重建的原始图像。本发明根据子图像块的能量值将图像分成背景区域和目标区域，分别对背景区域和目标区域采用不同的分块方案，可以消除目标区域中的块效应，能够以较少的重建时间获得较好的重建质量。

Description

一种自适应分块压缩传感重建方法

技术领域

本发明属于图像处理领域，具体涉及一种用于目标图像的特征提取与识别的自适应分块压缩传感重建方法。 

背景技术

压缩传感理论能够以较少的测量值精确地恢复出原始信号，将其用于图像这样数据量大的信号的获取，具有更大的优势，只需要简单的测量就能够完成采集和压缩的工作。 

实践表明在进行图像重构时，直接对整幅图像运用压缩传感理论进行重构运算量相当大，LU Gan的《Block compressed sensing of natural images》.Conf.on Digital Signal Processing,Cardiff,UK,2007中提出的分块压缩传感方法可以解决这个问题。分块压缩传感重建模型对测量矩阵需要较少的存储空间，具有较快的图像重建速度，但相比于不分块而言，图像重建的质量有所下降。围绕着提高分块压缩传感图像重建的质量，She Q S,Luo Z Z,Zhu Y P等发表的Spatially adaptive image reconstruction via compressive sensing.Proceedings of the7th Asian Control Conference.Hong Kong,China,2009:1570-1575.李蕴华2011在《计算机工程与应用》发表的《一种改进的图像分块压缩感知模型》中提出了一些自适应分块压缩传感算法。上述文献中提出的两种自适应分块压缩传感算法，分别根据各子图像块的特点，自适应选取稀疏表示基或测量值的个数来达到提高图像质量的目的。但都没有考虑相邻子图像块之间的关联性，在进行图像重建时，各图像子块的边界（尤其是在目标区域）容易出现不连读的现象，从而影响目标的判断与识别。 

发明内容

本发明的目的在于提供一种以更少的重建时间获取更高的重建质量，还可以消除目标区域中的块效应的自适应分块压缩传感重建方法。 

本发明的目的是这样实现的： 

（1）初始参数定义，定义子图像块能量为E、能量阈值为T； 

（2）将图像分成大小为A的子图像块； 

（3）分别计算各子图像块的能量E，根据预设的能量阈值T，将各子图像块划分成背景子图像块和目标子图像块，背景子图像块对应图像的背景区域，目标子图像块对应着图像的目标区域； 

（4）重新对图像的背景区域和目标区域进行分块，将目标区域的子图像块大小调整为B，B>A，将背景区域的子图像块大小调整为C，C<=A； 

（5）以相同的采样率分别对图像的背景区域、目标区域进行测量值获取及图像重建； 

（6）将重建的目标区域图像和背景区域图像合成为重建的原始图像。 

本发明的有益效果在于： 

相比于原有方法，本发明根据子图像块的能量值将图像分成背景区域和目标区域，分别对背景区域和目标区域采用不同的分块方案，可以消除目标区域中的块效应，能够以较少的重建时间获得较好的重建质量。 

附图说明

图1为环形目标的原始图像； 

图2为背景区域的子图像块尺寸C<A时重建的环形目标图像； 

图3为背景区域的子图像块尺寸C=A时重建的环形目标图像。 

具体实施方式

下面说明本发明的具体实施方式。 

1.初始参数定义 

定义子图像块的能量值为E，能量阈值为T。 

2.将图像分成若干个大小均为A的子图像块。 

3.分别求得各子图像块的像素值之和作为子图像块的能量E，将计算得到的子图像块能量值与预设的能量阈值T比较，若E<T，则该子图像块为背景子图像块，否则即为目标子图像块。将所有的背景子图像块看作一个整体记为图像的背景区域，将所有的目标子图像块看作一个整体记为图像的目标区域。 

4.分别对图像的背景区域和目标区域采用不同的方案重新进行分块，将目标区域的子图像块大小调整为B（B>A）,将背景区域的子图像块大小调整为C(C<=A)。 

5.以相同的采样率分别对背景区域的子图像块、目标区域的子图像块进行测量值获取及图像重建。 

6.将重建的目标区域图像和背景区域图像合成为重建的原始图像。 

通过以上6个步骤可以实现图像的自适应分块重建。 

图1为环形目标的原始图像，大小为256×256，将图1分成64个大小为A=32×32的子图像块，每个子图像块记为F_i,j(i,j＝1,2,...8)，将每个子图像块所有像素点对应的值累加起来作为子图像块的能量值，记为E_i,j(i,j＝1,2,...8)，各子图像块能量值的计算结果如表1所示。取能量阈值T＝40000，则子图像块F_4,4、F_4,5、F_5,4和F_5,5对应着目标区域，而其它子图像块对应着背景区域。将F_4,4、F_4,5、F_5,4和F_5,5合并为目标子块，其大小为B＝64×64，取背景子图像块的大小为C＝16×16，图像采样率为MN＝0.4，则图1的重建结果如图2所示。取背 景子图像块的大小为C＝32×32，图像采样率为MN＝0.4，则图1的重建结果如图3所示。其具体的重建指标如表2所示，可见图2和图3均为高质量的重建图像，其峰值信噪比、重建误差和匹配度指标均较理想。在重建时间上，将背景区域子块大小分解为16×16更小子块，具有很大的优势，能够实现以较短的时间获得较高的图像重建质量。 

表1子图像块的能量值 

表2自适应分块方案的重建指标 

Claims (1)

1.一种自适应分块压缩传感重建方法，其特征在于：

（1）初始参数定义，定义子图像块能量为E、能量阈值为T；

（2）将图像分成大小为A的子图像块；

（3）分别计算各子图像块的能量E，根据预设的能量阈值T，将各子图像块划分成背景子图像块和目标子图像块，背景子图像块对应图像的背景区域，目标子图像块对应着图像的目标区域；

（4）重新对图像的背景区域和目标区域进行分块，将目标区域的子图像块大小调整为B，B>A，将背景区域的子图像块大小调整为C，C<=A；

（5）以相同的采样率分别对图像的背景区域、目标区域进行测量值获取及图像重建；

（6）将重建的目标区域图像和背景区域图像合成为重建的原始图像。

Images