基于全變分范數圖像分塊梯度計算的圖像重構方法
【專利摘要】本發明涉及一種基于全變分范數圖像分塊梯度計算的圖像重構方法，包括圖像分塊處理、初始化、測量值獲取、圖像塊重構、合并圖像塊等步驟；在對分塊圖像進行重構時，除了其最上面一橫排圖像塊和最左面的一豎排圖像塊，其余的各小塊充分地利用已完成重構的上方和左方的圖像塊的邊緣信息，因此，本發明可以有效地去除塊效應，減少重建圖像所消耗的時間，提高圖像的重構質量。
【專利說明】
基于全變分范數圖像分塊梯度計算的圖像重構方法
技術領域
[0001] 本發明屬于圖像處理技術領域，具體涉及一種基于全變分范數圖像分塊梯度計算 的圖像重構方法。
【背景技術】
[0002] 傳統的圖像壓縮傳感重構算法都是基于整張圖像，這在采樣過程中消耗了大量的 存儲空間，并且重構速度較慢。針對上述問題，Lu Gan[58]等人在2007年提出了分塊壓縮傳 感(Block Compressed Sensing，BCS)，它能夠很好地處理大尺度圖像問題。分塊壓縮傳感 方法指出可以將圖像分為一些大小相同的圖像塊，再利用處理整張圖像同樣的采樣方法對 各個圖像塊進行采樣，然后對各個圖像塊進行處理操作。分塊壓縮傳感方法可以減少采樣 中所需的存儲空間，降低圖像重建的難度，在對整張圖像進行編碼前不用傳輸整張圖像的 采樣數據，此過程不僅節省了大量的存儲空間而且節約了大把時間，但是它在重構圖像時， 會存在大量的噪聲并且伴有塊效應。
[0003] 全變分(Total Variation，TV)概念最早是由Rudin，0sher等人提出的，用來解決 圖像去噪問題。全變分方法不僅能夠消去圖像噪聲，而且在圖像重構中全變分可以有效地 保留圖像的邊緣與紋理等信息，所以全變分是在圖像處理領域中最流行的變分模型之一。 Rudin和Osher等人在研究偏微分問題中發現，含有噪聲的圖像的總變分會大于不含噪聲圖 像的總變分，因此他們提出了用全變分作為圖像的平滑度的指標，并且采用最小全變分來 消除圖像中的噪聲，使得圖像變的更加清晰。雖然全變分算法能夠精確地重構圖像，而且具 有很強的魯棒性。但是全變分算法的缺點也是相當地明顯，就是運算的過程緩慢，重構所耗 時間較長。

【發明內容】

[0004] 針對全變分算法能夠重構精確高但重構的速度較為緩慢，而分塊壓縮傳感在運算 中雖然刻意節省存儲空間，縮短圖像重構的時間，但會帶來塊效應等問題，本發明提出一種 基于全變分范數圖像分塊梯度計算的圖像重構方法，結合兩者優點并改進算法從而減少重 建圖像所消耗的時間，提高圖像的重構質量。通過改進圖像的梯度的方法，并利用已完成重 構的圖像塊的邊緣像素信息，有效地去除塊效應。
[0005] 為了實現上述目的，本發明具體技術方案如下：一種基于全變分范數圖像分塊梯 度計算的圖像重構方法，包括如下步驟：
[0006] 1)圖像分塊:將大小為Μ X N的圖像u分成大小為η X η的圖像塊，其中，η為Μ、N的公 約數，滿足s=M/n，t = N/n，即待處理圖像被分成H = sXt個圖像塊，圖像塊從左到右，從上 到下依次記為Κι，Κ2···Κη;
[0007] 2)初始化圖像塊變量c = l;
[0008] 3)利用測量矩陣對圖像塊K。進行隨機測量，得到圖像塊K。隨機像素點的像素值矩 陣y;
[0009] 4)計算圖像塊K。水平方向和垂直方向的梯度值，其中，若圖像塊U。位于第1行第1 列，水平方向和垂直方向的梯度值計算方法如下：
[0011] 其中，Dh(i，j)表示像素點（i，j)的水平梯度值，Dv(i，j)表示像素點（i，j)的垂直梯 度值，Ki, j表示像素點（i，j)的像素值，i和j滿足i e [ 1，n]，j e [ 1，n]，轉步驟8)，否則轉步驟 5) ；
[0012] 5)若圖像塊Κ。位于第1行，水平方向和垂直方向的梯度值的計算方法如下：
[0014] 其中，Ui,n用來表示待重構塊Κ。的上方圖像塊的邊緣信息，轉步驟8)，否則轉步驟 6) ；
[0015] 6)若圖像塊K。位于第1列，水平方向和垂直方向的梯度值的計算方法如下：
[0017] 7)水平方向和垂直方向的梯度值的計算方法如下：
[0019] 其中，Ln,j用來表示待重構塊K。的左方圖像塊的邊緣信息，轉步驟8);
[0020] 8)對圖像塊Kc進行壓縮傳感重構；
[0021] 9)修改圖像塊變量:c = c+l，轉步驟10);
[0022] 10)如果c〈 = H，轉步驟3)，否則轉步驟11);
[0023] 11)合并圖像塊:按照拆分順序將重構后的圖像塊合并，整個重構過程結束。
[0024]進一步的，上述步驟3)中，像素值矩陣y的計算方法是:y=?Kc，其中，Φ eRnXnS 測量矩陣；
[0025] 進一步的，上述步驟8)中，圖像塊K。重構方法如下&·Λ· ΦΚε =義其中
，TVn/2為待重構塊K。的梯度；
[0026] 本發明的有益效果在于:本算法能夠有效地提高重構圖像的質量，節省重構的時 間，尤其是在低采樣的情況下，效果更加明顯。
【附圖說明】
[0027] 圖1基于全變分范數圖像分塊梯度計算的圖像重構流程圖。
【具體實施方式】
[0028] 下面結合附圖對本發明作進一步描述。
[0029] 圖1所示為基于全變分范數圖像分塊梯度計算的圖像重構流程圖，包括如下步驟：
[0030] 1)圖像分塊:將大小為Μ X N的圖像u分成大小為η X η的圖像塊，其中，η為Μ、N的公 約數，滿足s=M/n，t = N/n，即待處理圖像被分成H = sXt個圖像塊，圖像塊從左到右，從上 到下依次記為Κι，Κ2···Κη;
[0031] 2)初始化圖像塊變量c = l;
[0032] 3)通過測量矩陣對圖像塊K。進行隨機測量，得到圖像塊K。隨機像素點的像素值矩 陣y;其中γζΦΚ。，Φ eRnXn為測量矩陣；
[0033] 4)計算圖像塊K。水平方向和垂直方向的梯度值，其中，若圖像塊K。位于第1行第1 列，水平方向和垂直方向的梯度值計算方法如下：
[0035] 其中，Dh(i，j)表示像素點（i，j)的水平梯度值，Dv(i，j)表示像素點（i，j)的垂直梯 度值，1^，」表示對應于測量矩陣 y中坐標(i，j)像素點的像素值，i和j滿足ie[l，n]，je[l， η]，轉步驟8)，否則轉步驟5);
[0036] 5)若圖像塊Κ。位于第1行，水平方向和垂直方向的梯度值的計算方法如下：
[0038] 其中，Ui,n用來表示待重構塊Κ。的上方圖像塊的邊緣信息，轉步驟8)，否則轉步驟 6)；
[0039] 6)若圖像塊K。位于第1列，水平方向和垂直方向的梯度值的計算方法如下：
[0041 ] 7)水平方向和垂直方向的梯度值的計算方法如下：
[0043] 其中，Ln,j用來表示待重構塊Kc的左方圖像塊的邊緣信息，轉步驟8);
[0044] 8)對圖像塊Kc進行壓縮傳感重構，重構方法如下：巧117% r s· ?·φ f /其中
，.TVn/2為待重構塊Kc的梯度；
[0045] 9)修改圖像塊變量，c = c+1，轉步驟10);
[0046] 10)如果c〈 = H，轉步驟3)，否則轉步驟11);
[0047] 11)合并圖像塊，按照拆分順序將重構后的圖像塊合并，整個重構過程結束。
【主權項】
1. 一種基于全變分范數圖像分塊梯度計算的圖像重構方法，其特征在于包括如下步 驟： 1) 圖像分塊:將大小為MXN的圖像U分成大小為ηΧη的圖像塊，其中，η為M、N的公約數， 滿足s = M/n，t = N/n，即待處理圖像被分成H=sXt個圖像塊，圖像塊從左到右，從上到下依 次記為 Κι，Κ2···Κη; 2) 初始化圖像塊變量c = l; 3) 利用測量矩陣對圖像塊Kc進行隨機測量，得到圖像塊Kc隨機像素點的像素值矩陣y; 4) 計算圖像塊Kc水平方向和垂直方向的梯度值，其中，若圖像塊uc位于第1行第1列冰 平方向和垂直方向的梯度值計算方法如下：其中，Dh(i，j)表示像素點（i，j)的水平梯度值，Dv(i，j)表示像素點（i，j)的垂直梯度 值，Kij表示像素點（i，j)的像素值，i和j滿足1￡[1，11]〇'￡[1，11]，轉步驟8)，否則轉步驟 5); 5) 若圖像塊K。位于第1行，水平方向和垂直方向的梯度值的計算方法如下：其中，Ui,η用來表示待重構塊Kc的上方圖像塊的邊緣信息，轉步驟8)，否則轉步驟6); 6) 若圖像塊K。位于第1列，水平方向和垂直方向的梯度值的計算方法如下：專步驟8)，否則轉步驟7); 7) 水平方向和垂直方向的梯度值的計算方法如下：其中，Lw用來表示待重構塊K。的左方圖像塊的邊緣信息，轉步驟8); 8) 對圖像塊Kc進行壓縮傳感重構； 9) 修改圖像塊變量:C = C+1，轉步驟10); 10) 如果^ = H，轉步驟3)，否則轉步驟11); 11) 合并圖像塊，按照拆分順序將重構后的圖像塊合并，整個重構過程結束。2. 如權利要求1所述的基于全變分范數圖像分塊梯度計算的圖像重構方法，其特征在 于:所述步驟3)中，像素值矩陣y的計算方法是:y = Φ Kc，其中，Φ e Rnxn為測量矩陣。3. 如權利要求1所述的基于全變分范數圖像分塊梯度計算的圖像重構方法，其特征在 于:所述步驟8)中圖像塊Kc重構方法如下：巧.1 2，S. t.巫Kc = y，其中，TVll/2為待重構塊Kc的梯度。
【文檔編號】G06T5/00GK106097263SQ201610392351
【公開日】2016年11月9日
【申請日】2016年6月3日 公開號201610392351.0, CN 106097263 A, CN 106097263A, CN 201610392351, CN-A-106097263, CN106097263 A, CN106097263A, CN201610392351, CN201610392351.0
【發明人】宋雪樺, 張鑫晟, 曹曦文, 孔堯, 孫海威, 葉潤武, 高亞紅, 孫旭, 化瑞
【申請人】江蘇大學