[发明专利]图像重构方法及装置

说明书

技术领域

本发明涉及图像重构领域，具体涉及一种图像重构方法及装置。

背景技术

在日常生活与生产实践中，图像是应用最广泛的信息载体之一，如何用尽量少的信息高效的传输图像在信息爆炸的今天尤为重要。

目前可以采用核方法进行图像重构，该方法通过将数据映射到高维特征空间进行特征提取从而进行聚类。但是这种单一核方法局限于对数据的某一特征进行有效提取，若一个样本含有多个特征，且遵循不同的核分布，此方法就不适用，所以说单一核在处理多数据源以及异构数据源的不足是越发明显。

发明内容

针对现有技术存在的不足和缺陷，本发明提供一种图像重构方法及装置。

一方面，本发明实施例提出一种图像重构方法，包括：

从预设的超完备字典中获取待重构图像的稀疏表示，实现所述待重构图像的重构，其中，所述超完备字典通过依次对训练样本图像进行多核模糊C均值聚类、K-SVD算法处理得到。

另一方面，本发明实施例提出一种图像重构装置，包括：

重构单元，用于从预设的超完备字典中获取待重构图像的稀疏表示，实现所述待重构图像的重构，其中，所述超完备字典通过依次对训练样本图像进行多核模糊C均值聚类、K-SVD算法处理得到。

本发明实施例提供的图像重构方法及装置，利用预设的超完备字典，从该超完备字典中获取待重构图像的稀疏表示，实现所述待重构图像的重构，该方案中使用的超完备字典通过依次对训练样本图像进行多核模糊C均值聚类、K-SVD算法处理得到，从而能够对多数据源以及异构数据源图像进行图像重构。

附图说明

图1为本发明图像重构方法一实施例的流程示意图；

图2为本发明图像重构装置一实施例的结构示意图。

具体实施方式

为使本发明实施例的目的、技术方案和优点更加清楚，下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚地描述，显然，所描述的实施例是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。

参看图1，本实施例公开一种图像重构方法，包括：

S1、从预设的超完备字典中获取待重构图像的稀疏表示，实现所述待重构图像的重构，其中，所述超完备字典通过依次对训练样本图像进行多核模糊C均值聚类、K-SVD算法处理得到。

本发明实施例提供的图像重构方法，利用预设的超完备字典，从该超完备字典中获取待重构图像的稀疏表示，实现所述待重构图像的重构，该方案中使用的超完备字典通过依次对训练样本图像进行多核模糊C均值聚类、K-SVD算法处理得到，从而能够对多数据源以及异构数据源图像进行图像重构。

在前述方法实施例的基础上，在所述从预设的超完备字典中获取待重构图像的稀疏表示之前，还可以包括如下的图中未示出的步骤：

S10、对所述训练样本图像进行多核模糊C均值聚类，得到多个图像类；

S11、对各个图像类进行K-SVD算法处理，得到所述各个图像类对应的字典；

S12、将所述各个图像类对应的字典合并成所述超完备字典。

在前述方法实施例的基础上，所述S10，可以包括如下的图中未示出的步骤：

S100、初始化隶属度矩阵；

S101、计算隶属度矩阵，计算公式为其中，

m∈[1，∞)为加权指数，C为聚类中心的数量，u_ic为隶属度矩阵中的元素，表示所述训练样本图像中像素点x_i属于第c个聚类中心v_c的隶属度，ψ(x)＝w₁ψ₁(x)+w₂ψ₂(x)+…+w_Mψ_M(x)，ψ(x)为多个核函数ψ_k(x)k∈[1,2,…,M]的线性组合，w_k k∈[1,2,…,M]为权重，M为大于1的整数，N为所述训练样本图像中像素点的数量，κ_k(x_i,x_j)＝ψ_k(x_i)^Tψ_k(x_j)；