[发明专利]图像分块压缩感知的全局重构优化模型构造方法

权利要求书

1.一种图像分块压缩感知的全局重构优化模型构造方法，其特征在于，该方法包括如下步骤：

(1) 把一幅图像x分为n个B×B的小块x_i，其中x和x_i均已按光栅扫描方式拉为列向量；

(2) 生成尺寸为M_B×B²的独立同分布高斯随机矩阵Φ_B；

(3) 对每块x_i作非相干测量得观测值向量y_i=Φ_B·x_i；

(4) 将观测值向量y_i和生成高斯随机矩阵的种子Seed发送至重构端；

(5) 将接收到的各块观测值向量y_i按列堆积为y=[y₁; y₂; ...; y_n]；

(6) 利用种子Seed重新构造出高斯随机矩阵Φ_B，并生成块测量矩阵集合Φ=diag(Φ_B, Φ_B,..., Φ_B)，然后将其与排序算子P(·)结合得到全局重构测量算子Θ(·)，其输入为图像x，对应输出为y；

(7) 建立全局优化重构模型，并采用相应的压缩感知重构算法复原图像。

2.根据权利要求1所述的图像分块压缩感知的全局重构优化模型构造方法，其特征在于，所述图像全局重构模型的步骤(6)中，排序算子P(·)将输入图像x排序为所有图像块x_i（i=1,...,n）的列堆积排列x_p=[x₁;x₂;,...,x_n]；由高斯随机矩阵Φ_B按对角线顺序排列而成的块测量矩阵集合Φ，与x_p相乘可得y，即原始图像x与块观测值向量堆积y之间的关系为y=ΦP(x)=Θ(x)。

3.根据权利要求2所述的图像分块压缩感知的全局重构优化模型构造方法，其特征在于，所述原始图像x与块观测值向量堆积y之间的关系可知，全局优化重构模型能够一次整幅重构出原始图像，而并非独立地重构各块再合并为整幅图像，全局重构模型为：

其中λ为正则化因子，Pior(·)为先验知识的泛函表示。