CN104574323B - 一种基于层次模型与导向先验的单像元相机快速成像方法 - Google Patents
一种基于层次模型与导向先验的单像元相机快速成像方法 Download PDFInfo
- Publication number
- CN104574323B CN104574323B CN201510054509.9A CN201510054509A CN104574323B CN 104574323 B CN104574323 B CN 104574323B CN 201510054509 A CN201510054509 A CN 201510054509A CN 104574323 B CN104574323 B CN 104574323B
- Authority
- CN
- China
- Prior art keywords
- image
- kth
- layer
- guiding
- resolution
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Active
Links
Landscapes
- Image Processing (AREA)
Abstract
本发明属于数字图像处理领域,涉及一种基于层次模型与导向先验的单像元相机快速成像方法,(S1)搭建单像元成像系统,采集成像数据;(S2)确定最终需要得到的图像的分辨率为M*N,确定起始层次的图像分辨率为m*n;(S3)记起始层次的图像为第0层,测量矩阵采用随机编码的形式;通过成像系统采集数据,采用复原算法,复原得到一个m*n分辨率的图像l0,并提取其导向先验信息G0;初始化k=1;(S4)进行第k层的图像复原,先计算第k层与第k-1层之间的距离dk;后依据第k-1层的导向先验信息Gk-1,约束生成测量矩阵,利用成像系统采集的成像数据,复原得到第k层的图像lk,同时提取导向先验信息Gk;(S5)判断图像lk的分辨率是否大于M*N,若是,则输出图像,否则,k增加1,继续步骤S4。
Description
技术领域
本发明属于数字图像处理领域,特别涉及一种基于层次模型与导向先验的单像元相机快速成像方法。
背景技术
随着压缩感知理论的日益成熟,该理论受到越来越多的关注,应用也越来越广泛,典型的应用涉及图像去噪、图像去模糊、单像元相机成像技术,核磁共振成像技术、雷达成像技术等等。但是由于对图像分辨率的要求越来越高,压缩感知成像速度问题日渐突出。
在压缩感知理论框架下,提高图像成像速度有两种方式,一种是优化最终的图像复原算法,另一种则是通过优化测量矩阵的生成,降低计算量从而进行加速。针对第二种思路,现今的大部分方法采用随机方式来产生测量矩阵。随机方式的优点是容易实现,但随着需要的图像的分辨率的提高,计算量大幅增长,导致成像效率显著下降,一定程度上限制了单像元成像技术的应用。
发明内容
针对上述计算量大幅增长,成像效率显著下降技术问题,本发明提供了一种基于层次模型与导向先验的单像元相机快速成像方法,包括如下步骤:
(S1)搭建单像元成像系统,采集成像数据;
(S2)确定最终需要得到的图像的分辨率为M*N,其中,M为所需图像像素的行数,N为所需图像像素的列数;确定起始层次的图像分辨率为m*n,其中m为起始图像像素的行数,n为起始图像像素的列数;M,N,m,n均为整数;
(S3)记起始层次的图像为第0层,测量矩阵采用随机编码的形式,测量矩阵分辨率为m*n;通过成像系统采集数据,采用复原算法,复原得到一个m*n分辨率的图像l0,并提取其导向先验信息G0;初始化循环次数k=1;
(S4)进行第k层的图像复原,先计算第k层与第k-1层之间的距离dk;然后,依据第k-1层的导向先验信息Gk-1,约束生成测量矩阵,利用成像系统采集的成像数据,采用复原算法,复原得到第k层的图像lk,同时提取导向先验信息Gk;
(S5)判断图像lk的分辨率是否大于M*N,若是,则输出图像,否则,k增加1,继续步骤S4。
进一步地,所述提取导向先验信息的步骤为:
对当前层次的复原图像进行截取操作,即:设置一个阈值thr,图像像素值低于该阈值的位置数值变0,大于或等于该阈值的位置数值变1,将复原图像变成二值图像;对得到的二值图像进行逐行扫描,检测每个像素点的八个邻域,若该点数值为1,且八个邻域中的1的个数小于3,则认为该点为噪点,数值重置为0,否则,该点数值不变化;对于二值图像边缘的像素点,不作考虑,均设置为0;经过处理最终得到的二值图像,即为提取的当前层次复原图像的导向先验信息。
进一步地,所述层间距离dk计算的方法包括:
计算一个图像信息因子F,F=prior(Lk-1)/Lk-1,其中,Lk-1为第k-1层复原得到的图像的分辨率,即为Mk-1*Nk-1,Mk-1为第k-1层图像像素的行数,Nk-1为第k-1层图像像素的列数,prior(Lk-1)为提取的图像的导向先验信息中数值1的个数。
层间距离dk为图像信息因子的倒数F,即dk=1/F。
进一步地,所述依据第k-1层的导向先验信息Gk-1,约束生成测量矩阵,具体步骤为:
首先随机产生一个与k-1层图像分辨率大小一致的0和1的随机矩阵,0与1个数的比例为1:1;然后将得到的随机矩阵与第k-1层提取的导向先验信息Gk-1做按位置与操作,得到一个新的随机编码矩阵,即为生成的测量矩阵。
进一步地,步骤S3与步骤S4中所述的复原算法,本发明采用l1magic中提供的算法。
采用本发明获得的技术效果:本发明在压缩感知的理论框架下(参考文献:D.Donoho,Compressedsensing,IEEETransactionsonInformationTheory52(4)(2006)1289–1306.),引入了导向先验,并且结合提出的层次模型指导测量矩阵的生成,从而降低单像元成像复原的算法复杂度,加快单像元相机的成像速度。
附图说明
图1是单像元成像系统示意图;
图2是像素点8邻域示意图;
图3是导向先验约束下的测量矩阵生成示意图;
图4是层次模型示意图;
图5为实施例中的真实图像;
图6是复原计算得到的图像。
具体实施方式:
下面,将结合附图和具体实施例对本发明作进一步说明。
本发明的理论基础为压缩感知理论,测量矩阵为0和1组成的二元随机矩阵(参考文献:E.J.Candes,J.Romberg,T.Tao,Robustuncertaintyprinciples:exactsignalreconstructionfromhighlyincompletefrequencyinformation,IEEETransactionsonInformationTheory52(2)(2006)489–509.)。
步骤1中所述的单像元成像系统搭建,如图1所示,本发明的一个具体实施例中的单像元成像系统示意图。本发明利用单像元探头、微型投影仪以及计算机组成单像元成像系统。其中,单像元探头采集数据,微型投影仪作为编码的光源,计算机作为编码工具以及复原算法运行载体。本实施例中成像系统搭建其中单像元探头为Newport818-UV/DB,功率计为Newport1916-R-USB,微型投影仪为酷乐视Q6,计算机处理器为酷睿i5-3470,CPU主频为3.20GHz。设备之间的距离可以随实际情况而定,本实施例投影仪和单像元探头在同一位置,距离图像50厘米。
按照步骤2,本实施例定义将获取一个分辨率200*200的图像,初始图像分辨率为20*20。
按照步骤3,采用传统的压缩感知图像复原方法,快速复原出初始分辨率20*20的图像l0,并提取其导向先验信息G0。
步骤3中所述的单像元成像算法比较成熟(参考文献:SimonFoucart,HolgerRauhut,CompressiveSensingFromTheorytoApplicationsASurvey.),本发明采用l1magic中提供的工具箱(参考文献:EmmanuelCandes,JustinRombergandCaltech.l1-magic:RecoveryofSparseSignalsviaConvexProgramming.),计算初始分辨率的图像。
按照步骤4,建立层次模型,进行第k层的图像复原,先计算第k层与第k-1层之间的距离dk;然后,依据第k-1层的导向先验信息Gk-1,约束生成测量矩阵,利用成像系统采集的成像数据,采用现有的复原算法,复原得到第k层的图像lk,同时提取导向先验信息Gk。
如图2所示,像素点(x,y)的8邻域示意图;如图3所示,利用产生的一系列测量矩阵,利用单像元成像系统采集到的数据,采用现有算法,计算复原得到图像。
按照步骤5,判断图像lk的分辨率是否大于M*N,若是,则输出图像,否则,k增加1,继续步骤S4。
本实施例自动分了3个层次,层次模型示意图如图4所示,图中分别显示出了层次1、层次2、层次k的过程,层次1中的导向先验信息和复原图像,最后通过计算,最终得到所需图像。如图5所示为本实施例的真实图像,如图6所示,为最终复原图像,两者对比可知,复原效果比较明显。
以上实施例的说明只是用于帮助和理解本发明的方法及其核心思想,应当指出,对于所述技术领域的普通技术人员来说,在不脱离本发明原理的前提下,还可以对本发明进行若干修饰和改进,这些修饰和改进也落入本发明权利要求的保护范围内。
Claims (1)
1.一种基于层次模型与导向先验的单像元相机快速成像方法,其特征在于,包括以下步骤:
(S1)搭建单像元成像系统,采集成像数据;
(S2)确定最终需要得到的图像的分辨率为M*N,其中,M为所需图像像素的行数,N为所需图像像素的列数;确定起始层次的图像分辨率为m*n,其中m为起始图像像素的行数,n为起始图像像素的列数;M,N,m,n均为整数;
(S3)记起始层次的图像为第0层,测量矩阵采用随机编码的形式,测量矩阵分辨率为m*n;通过成像系统采集数据,采用复原算法,复原得到一个m*n分辨率的图像l0,并提取其导向先验信息G0;初始化循环次数k=1;
(S4)进行第k层的图像复原,先计算第k层与第k-1层之间的距离dk;然后,依据第k-1层的导向先验信息Gk-1,约束生成测量矩阵,利用成像系统采集的成像数据,采用复原算法,复原得到第k层的图像lk,同时提取导向先验信息Gk;
所述提取导向先验信息的步骤为:对当前层次的复原图像进行截取操作,即:设置一个阈值thr,图像像素值低于该阈值的位置数值变0,大于或等于该阈值的位置数值变1,将复原图像变成二值图像;对得到的二值图像进行逐行扫描,检测每个像素点的八个邻域,若该点数值为1,且八个邻域中的1的个数小于3,则认为该点为噪点,数值重置为0,否则,该点数值不变化;对于二值图像边缘的像素点,均设置为0;经过处理最终得到的二值图像,即为提取的当前层次复原图像的导向先验信息;
所述层间距离dk计算的方法包括:计算一个图像信息因子F,F=prior(Lk-1)/Lk-1,其中,Lk-1为第k-1层复原得到的图像的分辨率,即为Mk-1*Nk-1,Mk-1为第k-1层图像像素的行数,Nk-1为第k-1层图像像素的列数;prior(Lk-1)为提取的图像的导向先验信息中数值1的个数;层间距离dk为图像信息因子的倒数F,即dk=1/F;
所述依据第k-1层的导向先验信息Gk-1,约束生成测量矩阵,具体步骤为:首先随机产生一个与k-1层图像分辨率大小一致的0和1的随机矩阵,其中,0与1个数的比例为1:1;然后将得到的随机矩阵与第k-1层提取的导向先验信息Gk-1做按位置与操作,得到一个新的随机编码矩阵,即为生成的测量矩阵;
(S5)判断图像lk的分辨率是否大于M*N,若是,则输出图像,否则,k增加1,继续步骤S4。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201510054509.9A CN104574323B (zh) | 2015-02-03 | 2015-02-03 | 一种基于层次模型与导向先验的单像元相机快速成像方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201510054509.9A CN104574323B (zh) | 2015-02-03 | 2015-02-03 | 一种基于层次模型与导向先验的单像元相机快速成像方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN104574323A CN104574323A (zh) | 2015-04-29 |
CN104574323B true CN104574323B (zh) | 2016-03-23 |
Family
ID=53090304
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201510054509.9A Active CN104574323B (zh) | 2015-02-03 | 2015-02-03 | 一种基于层次模型与导向先验的单像元相机快速成像方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN104574323B (zh) |
Families Citing this family (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104992456B (zh) * | 2015-06-18 | 2018-05-01 | 南京理工大学 | 多尺度矩阵编码方法 |
Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103985145A (zh) * | 2014-03-04 | 2014-08-13 | 西安电子科技大学 | 一种基于联合稀疏和先验约束的压缩感知图像重构方法 |
CN104181528A (zh) * | 2014-08-06 | 2014-12-03 | 西安电子科技大学 | 基于bp优化的压缩感知多层isar成像方法 |
Family Cites Families (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US9025883B2 (en) * | 2013-07-01 | 2015-05-05 | Xerox Corporation | Adaptive quality image reconstruction via a compressed sensing framework |
-
2015
- 2015-02-03 CN CN201510054509.9A patent/CN104574323B/zh active Active
Patent Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103985145A (zh) * | 2014-03-04 | 2014-08-13 | 西安电子科技大学 | 一种基于联合稀疏和先验约束的压缩感知图像重构方法 |
CN104181528A (zh) * | 2014-08-06 | 2014-12-03 | 西安电子科技大学 | 基于bp优化的压缩感知多层isar成像方法 |
Also Published As
Publication number | Publication date |
---|---|
CN104574323A (zh) | 2015-04-29 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN104104888A (zh) | 一种并行多核fpga数字图像实时缩放处理方法和装置 | |
RU2014116610A (ru) | Генерирование изображений глубины с использованием псевдокадров, каждый из которых содержит множество фазовых изображений | |
CN103761707B (zh) | 一种快速高效去除图像椒盐噪声的均值滤波方法 | |
CN101261740A (zh) | 一种图像的存储处理方法 | |
EP3343446A1 (en) | Method and apparatus for encoding and decoding lists of pixels | |
CN103136775A (zh) | 基于局部约束重建的kinect深度图空洞填充方法 | |
CN104820966B (zh) | 一种空时配准解卷积的非同步多视频超分辨率方法 | |
CN103841406A (zh) | 一种即插即用的深度摄像装置 | |
CN103501400A (zh) | 基于抛物线插值图像的可逆信息隐藏方法 | |
CN104574323B (zh) | 一种基于层次模型与导向先验的单像元相机快速成像方法 | |
CN104270624A (zh) | 一种分区域的3d视频映射方法 | |
CN102819833B (zh) | 一种用于红外图像的平台直方图均衡方法 | |
CN103606162A (zh) | 一种基于图像分割的立体匹配算法 | |
CN103092567B (zh) | 一种基于单幅图像的真随机数序列生成方法 | |
CN102542528A (zh) | 一种图像转换处理方法及系统 | |
CN105389781A (zh) | 一种基于显著性检测和Criminisi算法的车辆光照修复方法 | |
CN102957923B (zh) | 立体影像深度图的校正系统及方法 | |
CN104537610A (zh) | 基于稀疏表示和uv通道处理的图像超分辨率重建方法 | |
Kiran et al. | FPGA implementation of blob detection algorithm for object detection in visual navigation | |
CN105141811B (zh) | 基于投影编码的单像素成像方法 | |
CN104835126B (zh) | 一种基于观测信号拆分的快速稀疏图像复原方法 | |
CN103136735A (zh) | 一种基于双尺度暗通道的单幅图像去雾方法 | |
CN108303856B (zh) | 一种基于dmd的光刻机3d灰度图像曝光优化方法 | |
KR101265020B1 (ko) | 스테레오 이미지에서 중복된 영역의 히스토그램 분석에 의한 고해상도 디스패리티 맵 생성 장치 및 방법 | |
CN105069821A (zh) | 以边界提取为基础的医学影像无损压缩方法 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
C14 | Grant of patent or utility model | ||
GR01 | Patent grant |