[发明专利]一种多尺度编码和多重约束的超时间分辨率压缩感知重建方法

摘要

本发明公开了一种基于多尺度编码孔径和多重正则约束的时间压缩重建方法，利用目标场景的运动特性作为融合依据，采用多尺度编码孔径和多约束正则重建的方法，实现快速运动场景的压缩感知视频序列图像的超时间分辨率复原。该方法可以同时保证目标运动前景和静态背景的清晰度，有效提高重建算法的运动效率；算法依据目标场景的稀疏特性采用多尺度的观测矩阵实现孔径的两次编码，可以实现CACTI的快速重建；利用目标场景的变换域稀疏特性作为先验知识构建重建正则约束项，利用ADMM算法求解多正则约束的问题，相比现有的重建算法，该算法对噪声和运动模糊有较强的鲁棒性，可以提高算法在高噪声或高帧频条件下视频压缩感知的重建效果。

主权项

1.一种超时间分辨率压缩感知重建方法，其特征在于，包括如下步骤：步骤1，对低分辨率编码矩阵进行上采样，得到高分辨率矩阵；将该高分辨率矩阵与同等尺度随机矩阵相乘，得到多尺度编码矩阵；CACTI成像系统基于该多尺度编码矩阵获得运动场景的编码混叠图像；步骤2，利用步骤1中的低分辨率矩阵对编码混叠图像基于TV正则的视频压缩感知进行图像重构，得到重构图像序列：步骤3，将步骤2得到的重构图像进行上采样，得到重构图像序列的初始估计，基于该重构图像序列的初始估计求取帧间运动矢量；步骤4、利用帧间运动矢量，对混叠图像进行基于多重约束的视频压缩感知重构，其中，采用ADMM算法重构图像，即求解以下公式的约束问题，得到待求解的重构图像x：其中，y为混叠图像，Φ为多尺度编码矩阵，W为帧间运动矢量，x为待估计原始图像序列，x为待估计单帧图像，x^(t)表示图像序列的第t次迭代估计结果；ω为变换域对应的系数，表示l_2,1范数的加权群，定义为N为单次观测混叠图像可重构图像序列包含图像的帧数，k表示此序列中的第k帧；θ表示交替乘子算法中的分裂变量，此处表示帧间随x迭代更新后获取的帧间运动矢量；θ₁表示当前待估计图像与后一帧图像间的运动矢量θ_k表示第k帧与k+1帧之间的运动矢量；分别表示垂直和水平方向的梯度。