【技术实现步骤摘要】
一种基于分块向量内积的图像压缩感知编码及归一化方法
本专利技术涉及图像感知领域，特别是涉及一种基于分块向量内积的图像压缩感知编码及归一化方法。
技术介绍
压缩感知是一种能够在某个特定域中压缩和恢复稀疏信号的技术。在压缩感知过程中，信号的重构是一个线性规划问题，由于压缩采样使得采样数远远小于原始信号的长度，所以求解线性规划问题是一个方程个数少于未知数的问题，理论上是存在无数的解。基于这些问题，2006年Candès等人提出著名的限制等距原则，给出了上述欠定方程存在确定解的充分条件。在压缩感知理论中，一般包括信号稀疏化和降维两个步骤，而重构必须对稀疏字典和观测矩阵已知。然而，在某些场景下，可以将数据稀疏化在重构端计算，在压缩感知过程中仅进行降维步骤，即图像降维编码，从而简化压缩感知步骤和计算量。目前，常用的观测矩阵主要大体可以分为三类：第一类是随机观测矩阵，主要代表有高斯(Gauss)随机矩阵、伯努利(Bernoulli)随机矩阵等；第二类是正交类观测矩阵，主要有部分哈达玛(Hadamard)矩阵和局部傅里叶(Fouri...
【技术保护点】
1.一种基于分块向量内积的图像压缩感知编码及归一化方法，其特征在于，包括如下步骤：/n步骤1：根据输入的图像，生成修正非负高斯随机观测矩阵，并确定图像和观测矩阵大小；/n步骤2：对图像和观测矩阵进行相同的2×2分块处理；/n步骤3：将每一个图像块和观测矩阵块拉成列向量，并对它们对应做内积计算，计算结果按照原图像块顺序排列，得到采样后的编码矩阵；/n步骤4：输入剩余的p-1幅图像，对每幅图像按照步骤1-3的方法进行处理，得到p个采样后数据矩阵；/n步骤5：对步骤4中得到的所有编码矩阵的统计均值进行高斯曲线拟合，得到拟合函数；/n步骤6：利用高斯拟合函数对编码矩阵进行高斯拟合归...
【技术特征摘要】
1.一种基于分块向量内积的图像压缩感知编码及归一化方法，其特征在于，包括如下步骤：
步骤1：根据输入的图像，生成修正非负高斯随机观测矩阵，并确定图像和观测矩阵大小；
步骤2：对图像和观测矩阵进行相同的2×2分块处理；
步骤3：将每一个图像块和观测矩阵块拉成列向量，并对它们对应做内积计算，计算结果按照原图像块顺序排列，得到采样后的编码矩阵；
步骤4：输入剩余的p-1幅图像，对每幅图像按照步骤1-3的方法进行处理，得到p个采样后数据矩阵；
步骤5：对步骤4中得到的所有编码矩阵的统计均值进行高斯曲线拟合，得到拟合函数；
步骤6：利用高斯拟合函数对编码矩阵进行高斯拟合归一化处理，得到压缩感知编码归一化图像；
所述p表示输入的总图像数。
2.根据权利要求1所述的一种基于分块向量内积的图像压缩感知编码及归一化方法，其特征在于，所述的步骤1中，根据输入图像，生成修正非负高斯随机观测矩阵大小，并确定图像和高斯观测矩阵大小的具体步骤为：
步骤1.1：根据输入图像尺寸，随机生成一个相同大小的高斯随机观测矩阵Φ，使该矩阵中的每一个元素Φi，j相互独立且均服从均值为0、方差为1/M的高斯分布：
步骤1.2：对高斯随机观测矩阵Φ进行如下变换，即得到一个与图像尺寸大小相同的修正非负高斯随机观测矩阵Ψ：
其中，min(Φ)、max(Φ)分别表示矩阵Φ中最小、最大的元素值；
步骤1.3：判断输入图像的行列数是否均为2的倍数，若是2的倍数，保留原图和生成的观测矩阵，若不是2的倍数，根据步骤1.4进行处理；
步骤1.4：分别复制图像和观测矩阵的最后一行、最后一列，将图像和观测矩阵的行列数补成2的倍数，将得到的图像和矩阵分别作为原图和观测矩阵。
其中，若行列数均为奇数，则复制图像、观测矩阵的最后一个元素填充补齐后的图像、观测矩阵的最后一个元素。
3.根据权利要求1所述的一种基于分块向量内积的图像压缩感知编码及归一化方法，其特征在于，所述的步骤2中，对图像和观测矩阵进行相同的2×2分块处理的具体步骤为：
将输入图像I和由步骤1得到的观测矩阵Ψ尺寸大小记为H×W，其中H表示图像的高，W表示图像的宽；分别对图像I和观测矩阵Ψ进行2×2大小的图像分块操作，分别得到(H/2)×(W/2)个大小为2×2的图像块观测矩阵块
其中，
4.根据权利要求1所述的一种基于分块向量内积的图像压缩感知编码及归一化方法，其特征在于，所述步骤3中，将每一个图像块和观测矩阵块拉成列向量，并对它们对应做内积计算，计算结果...
【专利技术属性】
技术研发人员：石旭刚，刘佶鑫，
申请(专利权)人：杭州中威电子股份有限公司，
类型：发明
国别省市：浙江;33
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。