一种基于CCD图像传感器的压缩成像和重构方法技术

本发明专利技术公开了一种基于CCD图像传感器的压缩成像和重构方法闸方法，该方法包括以下步骤：步骤(1)、测量矩阵的构造和选取，步骤(2)、进行图像块压缩成像；步骤(3)、对上述压缩后的数据进行分块重构。与现有技术相比，本发明专利技术克服了传统串行和并行压缩成像对原始图像块的像素多次利用的不足，大大减轻了AD的负担，另外该算法计算复杂度低，能有效加强重建速度，并且重建图像的PSNR值有着明显的提高。

【技术实现步骤摘要】

本专利技术涉及多媒体中的数字图像压缩和重构领域，特别是涉及一种基于CCD图像传感器的压缩成像和重构方法。
技术介绍
传统图像信号采集和处理以香农采样定理为准则，其高速采样后再压缩的处理方式对采样资源造成大量浪费，额外增加了光电探测阵列的负担，并且编码复杂度较高。在THz成像等探测器较昂贵的场合，减少光电探测器的个数就能有效降低整个系统的制造成本。随着数字图像处理技术在医学图像、遥感和视频处理中广泛地应用，人们对于高分辨率的图像需求越来越高。然而受成像系统自身和外界环境的制约，所成图像往往会发生变化失真和受噪声干扰，因此最后所得图像的分辨率不能符合实际观测要求。若仅仅依靠改进硬件结构的方法来获得高分辨率图像，是非常难达成或者实现的成本十分高昂。因此，迫切需要寻求一种新的信号采样理论，从源头上解决冗余信息处理带来的低效率，并在该理论指导下建立新型成像方法。近年来提出的压缩感知理论(CompressiveSensing，CS)为上述问题的解决提供了理论依据。CS理论指出：只要信号是可压缩的或在某个变换域是稀疏的，就能通过低维空间的非相关测量实现高维稀疏信号的感知，并通过求解稀疏最优化问题从少量的测量值以高概率精确重构原始信号或图像。目前基于CS的各种应用研究还处于理论阶段，基于CS理论的压缩成像(CompressiveImaging，CI)系统的设计是推动压缩感知理论在图像采集和处理领域应用的关键。CI与传统成像方法相比，能以较少的探测器数量对目标进行压缩采样，有效提高有限噪声检测器的测量精度，并且成像复杂度低，适合于在功耗受限场合下应用，但对压缩成像的研究还处于起步阶段，国内外相关研究成果还较少。近年来，CCD器件及其应用技术的研究取得了惊人的进展，特别是在图像传感领域的发展更为迅速。随着CCD技术和理论的不断发展，CCD技术应用的广度与深度必将越来越大。新型的CCD图像传感器具有体积小、灵敏度高、分辨率高、动态范围大、图像畸变小、无残像、抗冲击、耐震动、抗电磁干扰、能长时间工作于恶劣环境、使用寿命长、信息处理容易、与微机接口方便等诸多的优点，并且由CCD图像传感器所构成的图像采集和处理系统能够安全高效地实现对生产状况的监测，因此把CCD图像传感器应用于图像压缩成像领域具有十分广阔的应用前景。本专利技术在此基础上提出基于CCD特征的压缩成像方法，通过CCD图像传感器采集信号，在CCD输出端直接对模拟电压值进行压缩测量，再用TVAL3算法对压缩成像块进行重构。
技术实现思路
基于现有技术，本专利技术提出了一种基于CCD特征的压缩感知成像及重构方法，在CCD图像传感器的输出端，对模拟电压值直接进行压缩测量，整个测量过程单次曝光单孔径压缩测量就可以得到所需要的测量值，然后再进行AD转换，在重构时用基于块的TVAL3算法对压缩测量进行重排序实现原始图像的重构。本专利技术的一种基于CCD图像传感器的压缩成像和重构方法闸方法，该方法包括以下步骤：步骤1、进行测量矩阵的构造和选取，即测量矩阵的构造需满足三个条件：测量矩阵的列向量符合某种与噪声类似的独立随机特性；满足L1范数最小的向量同时是稀疏度的解；测量矩阵的列向量要符合特定程度的线性独立性，即由列向量构成的子矩阵，它的最小奇异值必须大于某个常数；测量矩阵的选择原则是每行出现1的个数相等且相邻出现；每列有且仅有一个1；构造出四种测量矩阵，包括Z型矩阵、L型矩阵、倒N型矩阵、U型矩阵；步骤2、进行图像块压缩成像，利用Z型矩阵对第k个图像块进行压缩测量：将K个像素写成列向量形式，第一个测量值yk1是由该图像块像素向量Xk与测量矩阵Φ的第一行内积得到，即假定行向量只有第一列和第二列的值为1，其他值都为0，所以得到yk1时只用到了原始像素向量的第一行和第二行的数值；以此类推，得到第二个测量值yk2只使用了原始像素向量的第三行和第四行数据；步骤3、对上述压缩后的数据进行分块重构，具体算法包括：步骤31、开始，将i赋值为1；步骤32、在重构端获取第i行的数据，判断i是否小于M+M*j；步骤33、若i<M+M*j，一个块行的数据还没有获取完整，i＝i+1，重复步骤32；步骤34、若i＝M+M*j，获取到了完整的块行数据，然后基于TVAL3算法对整个块行进行分块重构，恢复一个块行的图像；步骤35、判断j是否小于N/M，若是直接结束，否则转到步骤36；步骤36、i＝i+1，返回步骤32。与现有技术相比，本专利技术克服了传统串行和并行压缩成像对原始图像块的像素多次利用的不足，大大减轻了AD的负担，另外该算法计算复杂度低，能有效加强重建速度，并且重建图像的PSNR值有着明显的提高。附图说明图1是本专利技术的0.5采样率情况下所构造的四种半循环半随机矩阵，(1a)、Z型矩阵；(1b)、L型矩阵；(1c)、倒N型矩阵；(1d)、U型矩阵；图2是功率变换模块或单元的能耗系数表；图3是本专利技术的重构过程分块示意图，(3a)、原始数据；(3b)、压缩后数据；图4是本专利技术的重构算法流程图；图5为三种不同重构方式的效果对比图，(5a)、以“块”为单位；(5b)、以“行”为单位；(5c)、以“列”为单位；图6为四种不同测量矩阵的重构效果对比图，(6a)、Z型矩阵；(6b)、L型矩阵；(6c)、倒N型矩阵；(6d)、U型矩阵；图7为0.5采样率下不同噪声等级对重构图像的影响对比图，(7a)、无噪声；(7b)、等级1；(7c)、等级2；(7d)、等级3；图8为不同采样率条件下对重构图像的影响对比图，(8a)、采样率0.9；(8b)、采样率0.7；(8c)、采样率0.5；(8d)、采样率0.3；图9为本专利技术的基于CCD特征的压缩感知成像及重构方法的整体流程示意图。具体实施方式下面结合附图和具体实施方式对本专利技术技术方案作进一步详细描述。基于CCD图像传感器的信号采集压缩测量过程可表示为：Y＝ΦX+N(1)式中Y表示测量值，Φ表示测量矩阵，X代表原始图像信号，N代表在压缩测量过程中出现的干扰。由上式可知构造出合适的测量矩阵至关重要。本专利技术的基于CCD特征的压缩感知成像及重构方法主要由构造或选取测量矩阵、压缩成像和成像系统分块重构三部分组成。具体实现步骤如下：第一步：测量矩阵的构造和选取利用压缩感知理论对信号进行压缩测量时，首先需要判断原始图像信号X是稀疏的，然后用测量矩阵Φ对其投影进行测量，得到M维的测量值Y。利用测量值Y，再根据重构算法，就可以重构出原始的系数信号X，这一过程需要求解的方程组是欠定的，只有投影矩阵A符合以下形式的RIP特性，才能够确保该方程有解，并且满足条件的最优解唯一：(1-εk)||x||2≤||Ax||2≤(1+εk)||x||2其中常数εk∈(0，1)，称为RIP常数。测量矩阵必须满足以下3个特征才能够确保投影矩阵A符合RIP特性，即测量矩阵的每一个列向量必须要符合某种与噪声类似的独立随机特性；满足L1范数最小的向量同时也要是稀疏度的解；测量矩阵的列向量要符合特定程度的线性独立性，即由列向量构成的子矩阵，它的最小奇异值必须大于某个常数。现存的矩阵中伪随机测量矩阵在取得同样准确的重构效果中，使用的压缩测量值较少，硬件实现容易且重建效果好。因此选取伪随机矩阵作为测量矩阵。在不考虑噪声的情况下，将压缩本文档来自技高网...

【技术保护点】
一种基于CCD图像传感器的压缩成像和重构方法，其特征在于，该方法包括以下步骤：步骤(1)、进行测量矩阵的构造和选取，即测量矩阵的构造需满足三个条件：测量矩阵的列向量符合某种与噪声类似的独立随机特性；满足L1范数最小的向量同时是稀疏度的解；测量矩阵的列向量要符合特定程度的线性独立性，即由列向量构成的子矩阵，它的最小奇异值必须大于某个常数；测量矩阵的选择原则是每行出现1的个数相等且相邻出现；每列有且仅有一个1；构造出四种测量矩阵，包括Z型矩阵、L型矩阵、倒N型矩阵、U型矩阵；步骤(2)、进行图像块压缩成像，利用Z型矩阵对第k个图像块进行压缩测量：将K个像素写成列向量形式，第一个测量值yk1是由该图像块像素向量Xk与测量矩阵Φ的第一行内积得到，即假定行向量只有第一列和第二列的值为1，其他值都为0，所以得到yk1时只用到了原始像素向量的第一行和第二行的数值；以此类推，得到第二个测量值yk2只使用了原始像素向量的第三行和第四行数据；步骤(3)、对对上述压缩后的数据进行分块重构，具体算法包括：步骤(31)、开始，将i赋值为1；步骤(32)、在重构端获取第i行的数据，判断i是否小于M+M*j；步骤(33)、若i<M+M*j，一个块行的数据还没有获取完整，i＝i+1，重复步骤(32)；步骤(34)、若i＝M+M*j，获取到了完整的块行数据，然后基于TVAL3算法对整个块行进行分块重构，恢复一个块行的图像；步骤(35)、判断j是否小于N/M，若是直接结束，否则转到步骤(36)；步骤(36)、i＝i+1，返回步骤(32)。...

【技术特征摘要】
1.一种基于CCD图像传感器的压缩成像和重构方法，其特征在于，该方法包括以下步骤：步骤(1)、进行测量矩阵的构造和选取，即测量矩阵的构造需满足三个条件：测量矩阵的列向量符合某种与噪声类似的独立随机特性；满足L1范数最小的向量同时是稀疏度的解；测量矩阵的列向量要符合特定程度的线性独立性，即由列向量构成的子矩阵，它的最小奇异值必须大于某个常数；测量矩阵的选择原则是每行出现1的个数相等且相邻出现；每列有且仅有一个1；构造出四种测量矩阵，包括Z型矩阵、L型矩阵、倒N型矩阵、U型矩阵；步骤(2)、进行图像块压缩成像，利用Z型矩阵对第k个图像块进行压缩测量：将K个像素写成列向量形式，第一个测量值yk1是由该图像块像素向量Xk与测量矩阵Φ的第一行内积得到，即假定行向量只有第...

【专利技术属性】
技术研发人员：张淑芳，朱彬华，李瑞，
申请(专利权)人：天津大学，
类型：发明
国别省市：天津;12