[发明专利]一种多视角压缩感知图像的重建方法

说明书

技术领域

本申请涉及图像编码技术，特别涉及图像编码技术中一种多视角压缩感知图像的重建方法。

背景技术

压缩感知（Compressed Sening,CS）是近年在信号处理领域得到广泛重视的新兴理论体系。该理论指出，若某个待采样信号是稀疏的（或者在某个变换域是稀疏的），那么从其有限的不相关测量值中准确恢复出原始信号的可能性极高。CS理论的提出，极大地丰富和发展了信号获取理论，并为其他相关领域的研究提供了新的技术和新的思路。因为CS的测量过程运算量较低，而重建过程则需要迭代求解复杂度相对较高的最优化问题，所以其理论结构特别适合各类分布式应用，例如无线多媒体传感器网络、无线视频监控等。在上述背景下，基于CS理论的多视角图像编码方案应运而生。由于分布式应用中发送端的计算能力和电力受限，在此类方案中，各个视角图像的测量过程是非交互的，也即各个视角图像独立进行测量；各个视角的测量值被传送至接收端，由接收端统一进行重建。

多视角图像之间具有较大冗余，若接收端在对测量值进行重建时能合理利用不同视角图像间的相关性，则可以有效辅助图像重建过程，提升重建准确度，在相同的采样率下获得比独立重建方法更高的峰值信噪比（Peak Signal-to-Noise Ratio,PSNR）。

为了在重建时合理利用不同视角图像间的相关性，以获取高质量的重建图像，已采用的方法有：

采用局部几何变换来描述不同视角图像之间的相关性，在其基础上建立联合重建问题并进行求解。但是，采用局部几何变换来描述不同视角图像之间的相关性并不准确。

将不同视角图像相减，以差值图像来衡量不同视角图像之间的相关性，在其基础上建立联合重建问题并进行求解。但是，差值图像并不能准确衡量不同视角图像之间的相关性。

在不同视角图像之间进行基于块的视差估计（Disparity Estimation,DE）与视差补偿（Disparity Compensation, DC），将当前图像的测量值与预测图像的测量值相减，对测量残差进行重建。但是，采用残差重建的方式不能利用图像本身的空域特性，该方法的性能还有可以提升的空间。

综上，在接收端，为提升独立重建图像的质量，需要充分利用不同视角图像间的相关性；现有的方法的性能也有待进一步提升。

发明内容

有鉴于此，本申请的主要目的在于提供一种多视角压缩感知图像的重建方法，能够克服传统方法在性能上的不足，在相同的采样率下可以获得更高质量的图像重建效果。

为达到上述目的，本申请采用如下技术方案：

一种多视角压缩感知图像的重建方法，包括：

a、接收同一物体各视角图像的独立测量值，并独立重建各个视角图像；

b、对于任一视角图像，在与其相邻视角图像的重建图像和当前重建的所述任一视角图像之间，进行基于块的视差估计DE和视差补偿DC操作，获取所述任一视角图像的预测值S_i和视差图D_i；