[发明专利]基于引导滤波与剪切滤波的红外图像压缩感知重构方法

说明书

技术领域

本发明涉及一种基于引导滤波与剪切滤波的红外图像压缩感知重构方法。

背景技术

红外成像系统已广泛应用于军事和民用领域，如红外夜视、精确制导、搜索跟踪和安防监控等。随着人们对红外系统的图像获取要求越来越精细化和多样化，这就必须要提高系统的质量，但由于制造工艺及量子效率等因素的限制，很难通过减少像元尺寸或增加阵元数量来提高红外成像系统的质量，这已成为现代红外成像技术发展的瓶颈。因此，必须打破传统的成像方式，并发展新体制红外成像，实现高质量的红外成像。

新兴的压缩感知(compressed sensing，CS)根据目标信号结构的稀疏特性，通过低维欠采样数据的非相关测量实现高维稀疏信号的采集，信号的投影测量数据量远小于传统采样方法所获的数据量，突破了香农采样定理的瓶颈，使得以高于焦平面阵列器件大小所决定的质量来恢复更高质量的红外场景成为可能。因此，本发明将压缩感知理论引入到红外图像重构中，以获得高质量红外图像。

对于压缩感知理论的实现，包含三个关键要素：稀疏表示、非相关观测和优化重构。而稀疏表示对图像的重构质量有着重要影响，常用的方法是将图像在某一变换域中进行稀疏表示，由于变换后的低频子带是原图像的逼近，不具有稀疏性，故只对具有较高稀疏度的高频子带进行压缩感知重构。岑翼刚等人在文献[基于单层小波变换的压缩感知图像处理[J].通信学报，2010，31(8)：52-55]中提出了基于单层小波变换的压缩感知方法，其分解只限于水平、垂直和对角三个方向，不同对图像进行较好的稀疏表示。Xue Bi等人在文献[Image compressed sensing based on wavelet transform in contourlet domain[J]Signal Processing，2011，91(5)：1085-1092]中将图像在多个变换域中进行稀疏表示，其方法流程是输入→轮廓波变换→小波变换→高频子带进行压缩重构→小波逆变换→软阈值去噪→轮廓波逆变换→维纳滤波→输出，该方法需要处理多个变换域中产生的不同噪声，方法复杂度高，不利于实际应用。李国燕等人在文献[基于离散剪切波的压缩感知MRI图像重建[J].计算机应用研究，2013，30(6)：1895-1898]中提出了基于离散剪切波变换的压缩感知重构方法，对原图进行离散剪切波变换，得到各方向、各尺度的子带系数，由于该文献使用的离散剪切波是需要进行上采样的，容易在方向滤波过程中产生频带混叠现象，方向子带的分解不具有平移不变性。

发明内容

本发明的目的在于克服传统红外图像质量低和现有压缩感知重构方法效果差，提出一种基于引导滤波和剪切滤波的红外图像压缩感知重构方法，以有效提高红外图像质量。

为实现上述目的，本发明将引导滤波与剪切滤波相结合对红外图像进行稀疏变换，然后对高频细节图像进行压缩感知观测和重构，最后将重构的高频细节图像与保留下来的低频模糊图像进行逆变换得到最终的红外重构图像。

本发明的方法具体步骤如下：

(1)对原始红外图像进行稀疏变换：采用引导滤波对原始红外图像I进行多尺度分解，得到一个低频模糊图像L_K和一系列不同尺度上的高频细节图像H_k(k＝1，2，...，K)，K表示多尺度分解的分解尺度，k表示第k个分解尺度；其中低频模糊图像包含图像的基本信息，占据整个图像的大部分能量，高频图像包含不同尺度上的边缘或纹理等细节信息；然后对不同尺度上的高频细节图像H_k采用剪切滤波进行多方向分解，得到每个尺度下不同方向的高频系数其中e表示剪切滤波多方向分解的第e个方向数，E表示剪切滤波多方向分解总的方向数目。

(2)对每个尺度上不同方向的高频系数进行压缩重构：采用部分哈达玛矩阵Φ对高频系数进行低维观测再使用多路径匹配追踪方法对得到的降维观测数据进行优化重构。

(3)对每个尺度上不同方向进行压缩重构的高频重构系数进行逆变换：通过逆剪切滤波得到不同尺度上的重构高频细节图像；将重构的高频细节图像与保留下来的低频模糊图像一起进行多尺度引导滤波重构，即可得到原始红外图像的重构图。

本发明与现有技术相比具有如下优点：

在压缩感知中，图像的稀疏度对重构质量至关重要，本发明将引导滤波与剪切滤波相结合实现多尺度多方向稀疏表示，得到更低的稀疏度，因而获得更好的压缩感知重构效果。

附图说明

图1是本发明的总流程图。

图2是实验选取的真实红外图像飞机。