【技术实现步骤摘要】
Replicated边界条件下图像模糊矩阵与图像矢量乘积的一种替代计算方法
本专利技术涉及图像处理,特别地,本专利技术涉及到Replicated边界条件下的线性图像恢复中,对图像模糊矩阵及其转置与图像矢量乘积的一种替代计算。
技术介绍
图像恢复是对线性位移不变引起的下述退化问题进行求解f=Hx+η(1)其中:图像模糊矩阵H∈Rmn×mn由点扩展函数(PointSpreadFunction,PSF)h∈Rp×q的元素构成,其结构唯一地由所采用的边界条件决定;f∈Rmn×1由退化图像F∈Rm×n按行优先排列得到的矢量;η为加性噪声的重排矢量。在对(1)的求解中,主要的计算任务,是计算H与f乘积(乘积一),即g1=Hf,以及H的伴随矩阵H*(在实数域中,即为H的转置矩阵HT)与f的乘积(乘积二),即g2=HTf。一般地,H和HT皆为严重稀疏的超大型矩阵,使得乘积一和乘积二难于直接计算。对此,针对一些边界条件下的乘积一和乘积二,目前已有两种替代计算方式:一是基于Kronecker乘积的替代计算方式,一种是基于对图像模糊矩阵进行对角化的替代计算方式。在确定性(Determinate)边界条件下,乘积一和乘积二能否被替代计算,以及能的话,被上述哪一种方式替代计算更为有效,这两个问题都取决于采用的是何种边界条件,以及点扩展函数是否对称。目前,确定性的图像边界条件有Zero边界条件、Periodic边界条件、Neumann边界条件、Anti-Reflective边界条件、Mean边界条件和Replicated边界条件,在这些条件下,图像模糊矩阵具有与退化图像不相关的确定性 ...
【技术保护点】
1.Replicated边界条件下图像模糊矩阵与图像矢量乘积的一种替代计算方法,所述方法在退化图像为F∈Rm×n和点扩展函数为h∈Rp×q的图像恢复中,当图像边界条件为Replicated边界条件时,对由h的元素构成的图像模糊矩阵H∈Rmn×mn与F的重排图像矢量f∈Rmn×1间的乘积,即乘积一g1=Hf,以及H的转置HT与f间的乘积,即乘积二g2=HTf,采用如下步骤替代地进行计算:(1)输入F和h,对F按行优先重排成图像矢量f;(2)对g1和g2计算公式中的模糊矩阵及其转置进行加法分解;(3)对g1和g2分解公式中各分解部分所涉及的矩阵,构造其点扩展函数,由各点扩展函数与图像或对应图像边界间的卷积,计算各分解部分的矩阵形式;(4)计算g1和g2的对应图像;(5)对g1和g2的对应图像,按行优先重排成矢量,得到g1和g2。
【技术特征摘要】
1.Replicated边界条件下图像模糊矩阵与图像矢量乘积的一种替代计算方法,所述方法在退化图像为F∈Rm×n和点扩展函数为h∈Rp×q的图像恢复中,当图像边界条件为Replicated边界条件时,对由h的元素构成的图像模糊矩阵H∈Rmn×mn与F的重排图像矢量f∈Rmn×1间的乘积,即乘积一g1=Hf,以及H的转置HT与f间的乘积,即乘积二g2=HTf,采用如下步骤替代地进行计算:(1)输入F和h,对F按行优先重排成图像矢量f;(2)对g1和g2计算公式中的模糊矩阵及其转置进行加法分解;(3)对g1和g2分解公式中各分解部分所涉及的矩阵,构造其点扩展函数,由各点扩展函数与图像或对应图像边界间的卷积,计算各分解部分的矩阵形式;(4)计算g1和g2的对应图像;(5)对g1和g2的对应图像,按行优先重排成矢量,得到g1和g2。2.根据权利要求1所述的图像处理方法,其特征在于对所述的对g1和g2进行分解,具体分解方法为:对g1的分解为g1=Hf=(HTT+HTL+HLT+HLL)f,对g2的分解为g2=HTf=(HTTT+HTTL+HTLT+HTLL)f,其中:各矩阵中,第1个下标代表当前矩阵的块间结构,第2个下标代表当前矩阵的块内结构,下标T和L分别具体代表Toeplitz矩阵和L-type矩阵,上标T表示对矩阵的转置。3.根据权利要求2所述的图像处理方法,其特征在于对g1和g2分解公式中,各分解部分所对应的矩阵,其点扩展函数的构造方法为:用fliplr(X)表示对X左右置反,flipud(X)表示对矩阵上下置反,V(:,:)中的:表示取到矩阵V的所有行或列,记和则:(1)HTT的点扩展函数为h1=h;(2)构造HTL的点扩展函数,共2个核,方法为和其中i=1,...,q1j=1,...,p;(3)构造HLT的点扩展函数,共2个核,方法为和其中1≤i≤p1;(4)构造HLL的点扩展函数,共4个核,方法为和其中i=1,...,p1;(5)HTTT的点扩展函数为h2=fliplr(flipud(h));(6)构造HTTL的点扩展函数,共2个核,方法为h2_TL_1=fliplr((h1_TL_1)T)和h2_TL_2=fliplr((h1_TL_2)T);(7)构造HTLT的点扩展函数,共2个核,方法为h2_LT_1=fliplr(flipud(h1_LT_1))和h2_LT_2=fliplr(flipud(h1_LT_2));(8)构造HTLL的点扩展函数,共4个核,方法为h2_LL_1=fliplr(flipud((h1_LL_1)T)),h2_LL_2=fliplr(flipud((h1_LL_2)T)),h2_LL_3=fliplr(flipud((h1_LL_3)T))和h2_LL_4=fliplr(flipud((h1_LL_4)T))。4.根据权利要求3所述的图像处理方法,其特征在于对g1和g2分解公式中的各分解部分,其矩阵形式的具体计算方法为:用conv2(.,.)表示二维卷积,用i:j表示从i到j的所有整数,用V(end,end)中的end标引对应矩阵V的最后行与最后列,用G1_TT、G1_TL、G1_LT、G1_LL、G2_TT、G2_TL、G2_LT和G2_LL,分别表示HTTf、HTLf、HLTf、HLLf、HTTTf、HTTLf、HTLTf和HTLLf等矩阵矢量乘积的矩阵形式,则:(1)G1_TT的计算方法为G1_TT=conv2(F,h1,'same');(2)G1_TL的计算方法为:计算r1_TL...
【专利技术属性】
技术研发人员:王令群,袁小华,王振华,常英立,李丛,张天蛟,查铖,邢鹏,谢沚娟,
申请(专利权)人:上海海洋大学,
类型:发明
国别省市:上海,31
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。