一种工业图像的压缩重构方法技术

本发明专利技术公开了一种工业图像的压缩重构方法。步骤包括：将工业图像进行灰度化处理，并裁剪为待处理图像，通过小波变换进行稀疏化特征提取，获得稀疏图像；建立稀疏图像的恢复模型，进行迭代处理并输出稀疏图像的最终恢复系数；通过逆小波变换对恢复系数进行处理，获得恢复图像；将各张恢复图像进行拼接获得拼接图像，即获得工业图像的重构结果。本发明专利技术方法能够对工业生产中的大规模图像进行有效压缩，提高传输效率，并在压缩后的重构中能够快速、准确的还原压缩图像用于后期检测使用。还原压缩图像用于后期检测使用。还原压缩图像用于后期检测使用。

【技术实现步骤摘要】
一种工业图像的压缩重构方法


[0001]本专利技术涉及了一种压缩重构方法，具体涉及一种工业图像的压缩重构方法。

技术介绍

[0002]在产业数字化、智能化快速发展的今天，我们已经步入“大数据”时代。随之而来的是各行各业对大数据的依赖。因此，提高数据处理能力也日益成为各行各业推动产业价值的创造，实现提高质量、降低成本以及增加效益的主要途径。以工业生产为例，随着智能制造概念的提出，以机器视觉检测代替人工视觉检测的方法来实现生产智能化、自动化已经成为必然趋势。但由于工业相机像素的提高，在现代机器视觉检测环节中需要处理的数据量也变越来越多，其中不乏有高维数据的处理。如果要解决这一问题，最直接、有效的方式是通过提升算力硬件，但这意味着生产成本将大幅提高，为解决这一瓶颈，近年来有专家提出通过云服务器算力代替本地算力设备，对算力进行补足，从而解决提升算力与降低生产成本之间的矛盾。但同时将面临另外一个问题，即如何对检测数据进行更有效的传输，即如何解决大规模图像传输所要面对的高成本、高冗余、低效率等问题。

技术实现思路

[0003]稀疏贝叶斯学习本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种工业图像的压缩重构方法，其特征在于：包括如下步骤：S1、获取工业图像，将工业图像进行灰度化处理，并裁剪为若干n
×
n像素的待处理图像，针对每一张待处理图像，均通过小波变换对待处理图像进行稀疏化特征提取，获得稀疏图像；S2、建立各张稀疏图像的恢复模型，通过恢复模型对每张稀疏图像进行迭代处理并输出每张稀疏图像的最终恢复系数；S3、针对每一个最终恢复系数，均通过逆小波变换对恢复系数进行处理，获得恢复图像；将各张恢复图像进行拼接获得拼接图像，即获得工业图像的重构结果。2.根据权利要求1所述的一种工业图像的压缩重构方法，其特征在于：所述的步骤S2中，建立各张稀疏图像y的恢复模型，具体如下：y＝DS(ω)+δ(θ)其中，D为字典矩阵，S(ω)为恢复系数，δ(θ)为线性噪声；ω和θ分别为恢复模型的第一参数和第二参数；通过恢复模型对每张稀疏图像进行迭代处理并输出每张稀疏图像的恢复系数，包括如下步骤：S2.1、恢复模型通过变分广义近似消息传递VGAMP算法，迭代估计获得恢复模型的恢复系数的更新值，即更新恢复系数，并通过恢复模型中预设的第一参数和第二参数，以及更新恢复系数，获得更新恢复系数的均值和方差；S2.2、根据步骤S2.1得到的更新恢复系数的均值和方差，迭代更新第一参数和第二参数，获得第一最终更新参数和第二最终更新参数，恢复模型通过第一最终更新参数和第二最终更新参数，将更新恢复系数进行更新，输出最终恢复系数。3.根据权利要求2所述的一种工业图像的压缩重构方法，其特征在于：所述的步骤S2.1中，恢复模型通过变分广义近似消息传递VGAMP算法，迭代估计获得恢复系数S(ω)的更新值，即更新恢复系数，并通过恢复模型中预设的第一参数ω和第二参数θ，以及更新恢复系数，获得更新恢复系数的均值μ
S
和方差Σ
S
，具体如下：恢复模型通过变分广义近似消息传递VGAMP算法进行迭代估计，直至恢复模型迭代至第j次时，获得恢复系数S(ω)迭代至第j次的更新值S
(j)
，并计算更新值S
(j)
的期望和方差具体如下：具体如下：其中，为恢复系数S(ω)迭代至第j次的更新值S
(j)
的方差；为恢复系数S(ω)迭代至第j次的更新值S
(j)
的期望；为恢复系数S(ω)迭代至第j次的更新值S
(j)
的近似方差；为变分广义近似消息传递VGAMP算法的第一正则参数；为恢复系数S(ω)迭代至
第j
‑
1次的更新值S
(j
‑
1)
的期望；为恢复系数S(ω)迭代至第j次的更新值S
(j)
的近似均值；恢复系数S(ω)迭代至第j次的更新值S
(j)
的近似方差具体如下：具体如下：具体如下：具体如下：其中，(
·
)
T
为矩阵转置；为恢复系数S(ω)迭代至第j次的更新值S
(j)
的无噪声模型k
(j)
的近似均值，k
(j)
＝DS
(j)
；为恢复系数S(ω)迭代至第j次的更新值S
(j)
与无噪声模型k
(j)
之间的中间变量c
(j)
的近似方差；为无噪声模型k
(j)
的近似方差；为恢复系数S(ω)迭代至第j
‑
1次的更新值S
(j
‑
1)
的方差；为恢复系数S(ω)迭代至第j
‑
1次的更新值S
(j
‑
1)
与对应的无噪声模型k
(j
‑
1)
之间的中间变量c
(j
‑
1)
的近似均值；为恢复系数S(ω)迭代至第j
‑
1次的更新值S
(j
‑
1)
的期望；恢复系数S(ω)迭代至第j次的更新值S
(j)
的近似均值具体如下：具体如下：其中，为恢复系数S(ω)迭代至第j次的更新值S
(j)
与无噪声模型k
(j)
之间...

【专利技术属性】
技术研发人员：董静毅，吕文涛，王成群，徐伟强，
申请(专利权)人：浙江理工大学，
类型：发明
国别省市：