(19)国家知识产权局 (12)发明 专利申请 (10)申请公布号 (43)申请公布日 (21)申请 号 202210818043.5 (22)申请日 2022.07.13 (71)申请人 武汉丞铎科技有限公司 地址 430000 湖北省武汉市武汉东湖新 技 术开发区光谷创业街9号楼1楼A11- 508 （自贸区武汉片区） (72)发明人 余鹏飞　路松峰　 (74)专利代理 机构 武汉知产时代知识产权代理 有限公司 42 238 专利代理师 孔灿 (51)Int.Cl. G06V 10/74(2022.01) G06V 10/80(2022.01) G06N 20/00(2019.01) G06T 9/00(2006.01)G06V 10/44(2022.01) (54)发明名称 一种基于先验信息的图像压缩感知重构方 法 (57)摘要 本发明公开了一种基于先验信息的图像压 缩感知重构方法， 其结合了两个模型， 分别为非 局部低秩模型和加权TV模型； 加权TV模型部分， 事先将图像分解成低、 高频两种分量， 且只针对 高频分量设置权重， 并通过差分曲率的边缘检测 算法来优化权重系数， 从而使得算法的抗噪能力 得到一定程度的提升。 非局部低秩模型部分， 在 图像的纹理和结构两个不同区域搜索 的不同的 相似块数目， 因此能够在纹理和结构区构造不同 大小的相似块矩阵； 本发明有益效果是： 能够得 到质量良好的重构图像， 能够 有效降低发送端的 带宽压力和硬件 要求。 权利要求书2页 说明书9页 附图1页 CN 115272717 A 2022.11.01 CN 115272717 A 1.一种基于先验信息的图像压缩感知重构方法， 其特 征在于： 包括以下步骤： S1、 获取原 始图片u， 并采样得到其压缩感知的测量 值y； S2、 初始化 参数， 设置原 始图片结构区相似块数目p和纹 理区相似块数目q； S3、 设置迭代次数m初始值 为1， 迭代最大次数为M； S4、 判断若m＜M， 则计算原始图片u中当前样本块的结构稀疏度， 并根据结构稀疏度判 断当前样本块所在的区域； 否则， 直接 输出最终重构图像； S5、 若样本块所在的区域为纹理区， 则以纹理区相似块数目q为基准计算马氏距离， 寻 找原始图片u其它不同区域中和当前样本块相似的像素点位置； 若样本块所在的区域为结 构区， 则以结构区相似块数目p为基准计算马氏距离， 寻找原始图片u其它不同区域中和当 前样本块相似的像素点 位置； S6、 根据纹理区、 结构区和当前样本块相似的像素点位置， 构造不同大小的相似块矩 阵； S7、 采用l ogdet()函数解决相似块矩阵的低秩问题， 得到恢复后的相似块矩阵； S8、 根据恢复后的相似块矩阵构造对应的图像块， 对图像块进行灰度平均， 得到初步重 构图像u`； S9、 针对初步重构图像， 计算 其高频分量uR和低频分量uL； S10、 迭代次数m自加1， 并判断m＜M； 若是， 则 采用基于差分曲率法计算 高频分量权重系 数wi； 否则， 高频分量权 重系数wi＝1； S11、 设置子循环次数n ＝1， 子循环最大迭代次数N； S12、 判断n＜N， 若是则将重构能量函数分解为4个子问题， 进行迭代求解， 每次求解过 程后， n自加1， 直至n达 到N为止， 更新重构能量 函数的拉格朗日乘子； S13、 m自加1， 返回步骤S4。 2.如权利要求1所述的一种基于先验信 息的图像压缩感知重构方法， 其特征在于： 步骤 S6中， 不同大小的相似块矩阵公式如下： 式(1)中， 结构区为uS， 纹理区为uT， i为当前样本块编号； Ri为图像u中得到的相似块算 子。 3.如权利要求1所述的一种基于先验信 息的图像压缩感知重构方法， 其特征在于： 低频 分量uL的计算式如下： 式(2)中， fL式3×3的低通滤波器， zL为初步重构图像的低频 特征映射。 4.如权利要求3所述的一种基于先验信 息的图像压缩感知重构方法， 其特征在于： 高频 分量uR的计算式如下： uR＝u`‑uL    (3)。 5.如权利要求4所述的一种基于先验信 息的图像压缩感知重构方法， 其特征在于： 步骤 S10中， 权 重系数wi的计算公式如下： wi＝1/(C+ ε )     (4)权　利　要　求　书 1/2 页 2 CN 115272717 A 2式(4)中， C表示高频分量的差分曲率的边 缘检测算子， 其计算如下式： 高频分量水平方向一阶梯度记为ex， 高频分量垂直方向一阶梯度记为ey， exx为高频分量 水平方向二阶梯度， eyy为高频分量垂直方向二阶梯度； ε为预设值的偏置 。 6.如权利要求1所述的一种基于先验信 息的图像压缩感知重构方法， 其特征在于： 步骤 S12中， 重构能量 函数如下式： 式(6)中， λ1和 λ2是正则化参数， 第一项为保真项； 第二项是NLR先验， 第三项是初始重构 图像的局部梯度稀疏 先验。 7.如权利要求6所述的一种基于先验信 息的图像压缩感知重构方法， 其特征在于： 步骤 S12中， 4个子问题分别为： Li子问题、 x子问题、 z1和z2子问题、 u子问题。权　利　要　求　书 2/2 页 3 CN 115272717 A 3