基于多假设加权的差分图像压缩感知重构方法及智能终端技术

本发明专利技术属于图像编解码技术领域，公开了一种基于多假设加权的差分图像压缩感知重构方法及智能终端，利用基于交叉块的块压缩感知过程对原图像进行采样处理以获取测量值；利用非局部均值全差分迭代重构算法对所获得的测量值进行迭代重构处理，获取初步的图像重构值；对当前重构值进行多假设集合获取处理，对所获得的多假设集合进行优化筛选处理，以去除劣质假设；对优化后的多假设集合采用基于弹性网的权重估计模型进行处理，获取多假设的权重矩阵，通过对多假设进行加权和处理获得边信息，为后续迭代提供更精确的迭代初始值。本发明专利技术有效利用图像的空间相关性，利用多假设加权处理有效缓解以往重构算法的过平滑问题；并且大幅提高了图像重构质量。

A multi hypothesis weighted image reconstruction method and intelligent terminal for differential image compression

The invention belongs to the field of video codec technology, and discloses a multi hypothesis weighted difference based on compressed sensing image reconstruction method and intelligent terminal, using cross block compressed sensing process the original image sampling and processing to obtain measurements based on the use of non local means; fully differential iterative reconstruction algorithm on the obtained measurements the value of iterative reconstruction processing, image reconstruction of the initial value; the value of reconstruction of multiple hypothesis sets to obtain treatment, optimize the processing of the obtained set of assumptions, in order to remove the inferior hypothesis; the weight estimation model of elastic net processing based on multi hypothesis optimized set weight matrix for hypothesis the edge information obtained through weighting and processing of multiple hypothesis, provide more accurate initial value of iteration for the subsequent iteration. The invention effectively utilizes the spatial correlation of images, and utilizes multi hypothesis weighting processing to effectively alleviate the over smoothing problem of previous reconstruction algorithms, and greatly improves the quality of image reconstruction.

【技术实现步骤摘要】
基于多假设加权的差分图像压缩感知重构方法及智能终端
本专利技术属于图像编解码
，尤其涉及一种基于多假设加权的差分图像压缩感知重构方法及智能终端。
技术介绍
作为一种重要的信息载体，图像在人们的信息交流中占据着重要地位。随着移动互联网以及智能手机等的快速发展，人们愈发喜欢通过晒照片的方式以展示自己的生活，微信朋友圈、微博等社交平台更是激发了人们无尽的晒照片欲望，晒美食、晒自拍、晒风景等等几乎完全占据了人们的社交生活。然而图像作为一种大信息量的信息载体，如果不对其进行一定的压缩编码处理，会对有限的信道容量造成极大的传输压力。因此，针对图像的高效编解码技术一直是学术界的研究重点。压缩感知技术作为一种高效的压缩采样技术，能够突破奈奎斯特采样定理的限制，以远低于奈奎斯特采样速率的速率对信号进行采样，实现了信号采样和压缩的同步进行，基于压缩感知的图像重构也成为近年来图像编解码领域的重要研究方向。近些年来，基于正则项的重构算法成为压缩感知图像重构研究的热点问题。而全差分正则项自从被提出起，便在图像去噪、图像恢复等领域占据重要的地位。2009年，LiChengbo等人在“http://www.本文档来自技高网...

【技术保护点】
一种基于多假设加权的差分图像压缩感知重构方法，其特征在于，所述基于多假设加权的差分图像压缩感知重构方法包括：(1)利用基于交叉块的块压缩感知过程对原图像进行采样处理以获取测量值；交叉块的处理相对于非交叉块可以有效缓解重构图像中的块效应；(2)利用非局部均值全差分迭代重构算法对所获得的测量值进行迭代重构处理，以获取初步的图像重构值；(3)对当前重构值进行多假设集合获取处理，并对所获得的多假设集合进行优化筛选处理，去除劣质假设；(4)对优化后的多假设集合采用基于弹性网的权重估计模型进行处理，获取多假设的权重矩阵，并通过对多假设进行加权和处理获得边信息，为后续迭代提供更精确的迭代初始值。

【技术特征摘要】
1.一种基于多假设加权的差分图像压缩感知重构方法，其特征在于，所述基于多假设加权的差分图像压缩感知重构方法包括：(1)利用基于交叉块的块压缩感知过程对原图像进行采样处理以获取测量值；交叉块的处理相对于非交叉块可以有效缓解重构图像中的块效应；(2)利用非局部均值全差分迭代重构算法对所获得的测量值进行迭代重构处理，以获取初步的图像重构值；(3)对当前重构值进行多假设集合获取处理，并对所获得的多假设集合进行优化筛选处理，去除劣质假设；(4)对优化后的多假设集合采用基于弹性网的权重估计模型进行处理，获取多假设的权重矩阵，并通过对多假设进行加权和处理获得边信息，为后续迭代提供更精确的迭代初始值。2.如权利要求1所述的基于多假设加权的差分图像压缩感知重构方法，其特征在于，所述基于多假设加权的差分图像压缩感知重构方法包括以下步骤：步骤一，首先将原图像按照固定的块尺寸划分成多个相互交叉的块，利用哈达玛矩阵作为测量矩阵进行块压缩感知采样处理获得测量值；步骤二，根据所得到的测量值，利用基于非局部正则项的全差分算法进行迭代重构；步骤三，迭代终止条件判断，如果满足迭代终止条件，则结束算法，将当前迭代结果输出作为最终重构的图像；反之，则继续执行后续步骤；步骤四，将当前迭代结果作为参考图像，进行多假设集合获取，并对所取得的多假设进行假设优化筛选处理以去除劣质假设；之后利用基于弹性网的多假设权重估计算法对各假设的权重进行估计，计算得到边信息作为初始值代入到下一次全差分迭代重构过程；步骤五，反复执行步骤二到步骤四，直至满足迭代终止条件。3.如权利要求2所述的基于多假设加权的差分图像压缩感知重构方法，其特征在于，所述步骤一中对图像进行块压缩感知采样处理的过程表示为：y＝Φui＝Aθi；其中ui＝Ψθi表示第i个交叉块，i＝1,...,N，Ψ是稀疏基，θi表示稀疏系数，A＝ΦΨ，y表示处理所得的测量值对原图像压缩采样后所得的信息。4.如权利要求2所述的基于多假设加权的差分图像压缩感知重构方法，其特征在于，所述步骤二中基于非局部均值正则项的全差分重构算法具体包括：1)基于非局部均值正则项的全差分重构算法的基本模型表示为：其中α为非局部均值正则项的权值，Du为图像的梯度，通过引入辅助变量Du＝w，u＝x，并利用增广拉格朗日方法可得：其中μ,β以及θ分别表示对应惩罚项的系数，v，γ以及λ表示相...

【专利技术属性】
技术研发人员：郑帅，阔永红，杨龙，陈健，
申请(专利权)人：西安电子科技大学，
类型：发明
国别省市：陕西,61