[发明专利]基于张量的视频快照压缩成像恢复方法

说明书

本发明公开了一种基于张量的视频快照压缩成像恢复方法，主要解决现有技术解码恢复视频质量差且耗时长的问题。其实现方案是：1)输入压缩数据帧和掩码张量；2)利用输入压缩数据帧，自适应计算压缩数据帧对应的噪声方差；3)根据1)和2)的结果，以非中心相似块张量的加权张量核范数作为约束，通过交替方向乘子法初步得到要恢复的目标图像；4)以非中心相似块矩阵的加权矩阵核范数作为约束，通过交替方向乘子法对初步得到的目标图像进行细节补全，最终获得要恢复的目标图像。本发明与现有技术相比，减少了运行时间，提高了图像恢复的精度，可用于高速压缩视频和高光谱压缩图像的解码。

技术领域

本发明属于图像处理技术领域，更进一步涉及一种视频快照压缩成像恢复方法，可用于高速压缩视频和高光谱压缩图像的解码。

背景技术

视频快照压缩成像SCI是计算机视觉中的一个基本问题。压缩感知是一种从少量低维测量数据中获取和重建高维信号的强大技术。在压缩感知的启发下，各种计算成像系统应运而生。作为计算成像的一个重要分支,快照压缩成像成为今年来的研究热点。快照压缩成像SCI是一种利用现有的低维传感器捕获高维信号的技术，其中最主要的特点是多个图像帧被映射到单个测量帧中，然后使用一种解码器算法来重构所需的信号。

然而，现有的大多数解码方法重建的图像质量较差，限制了快照压缩成像的广泛应用。快照压缩感知是具有挑战性的问题，主要有以下原因：1)目前所有的解码方法将视频看作一系列矩阵，视频数据中的空-时关系没有被利用；2)目前较好的解码方法并不是对所有的视频恢复效果都好，不具备普适性；3)解码方法中的冗余块提取和矩阵奇异值分解耗费了大量的内存和运行时间。

现有的主流快照压缩成像恢复方法主要是利用视频的先验知识来恢复目标图像，如高斯混合模型GMM，全差分方法TV等，这些方法都是基于矩阵的方法来恢复目标图像的，不能很好的利用视频数据中的空-时关系，导致恢复的效果译码性能差或者无法解码出目标帧。其中Xin Yuan等人在文章Rank Minimization for Snapshot Compressive Imaging(IEEE Transactions on Pattern Analysis and Machine Intelligence(TPAMI)，2018.)中针对快照压缩成像恢复问题提出了一种有效的解压缩恢复方法，该方法将SCI压缩采样模型与视频非局部相似块的加权核范数结合，提出了SCI图像重建的联合模型，使用交替方向乘子法ADMM对SCI图像模型迭代优化得到目标图像，是目前处理SCI恢复图像最好的方法。然而，该方法并不能对所有的快照压缩数据都恢复出较为满意的结果，部分视频数据细节恢复效果较差，且冗余的块匹配和矩阵奇异值分解都会耗费较大的计算机内存和较长的运行时间。

发明内容

本发明的目的在于针对上述现有技术存在的不足，提出一种基于张量的两阶段自适应视频快照压缩成像恢复方法，以更好地恢复出目标图像的细节，并且缩短运行时间，快速有效地解码出目标视频帧。

为实现上述目的，本发明基于张量的视频快照压缩成像恢复方法，其技术步骤包括如下：

(1)输入压缩数据帧Y和掩码张量其中，压缩数据帧掩码张量压缩数据帧为F个连续视频帧的第f帧，1≤f≤F，作为三阶张量视频数据的第f个正面切面，为与第f帧视频相对应的掩码矩阵，其为0和1构成的稀疏矩阵，作为三阶掩码张量的第f个正面切面，n₁和n₂分别表示每一帧视频帧的长和宽，⊙表示基于元素的矩阵乘积，为噪声；

(2)利用压缩数据帧Y和掩码张量自适应计算压缩数据帧Y对应的噪声方差

(3)基于(1)中的压缩数据帧Y和掩码张量以及(2)得到的噪声方差利用非局部相似块张量恢复方法，计算三阶目标张量的初步估计张量

3.1)利用非局部相似块张量，以加权张量核范数作为约束，得到交替方向乘子法框架下的增广拉格朗日目标函数其中为待恢复的目标张量，为辅助张量，为拉格朗日乘子张量；