專利名稱：基于壓縮感知的目標重構方法
技術領域：
本發(fā)明屬于圖像處理技術領域，涉及自然圖像的重構，具體的說就是一種加入目標先驗知識的壓縮感知目標重構方法，可用于目標檢測。
背景技術：
壓縮感知(Compressive Sensing)是一個介于數(shù)學和信息科學的新方向，由 Candes、Terres Tao等人提出，挑戰(zhàn)傳統(tǒng)的采樣編碼技術，即Nyquist采樣定理。壓縮感知理論為信號采集技術帶來了革命性的突破，它采用非自適應線性投影來保持信號的原始結構，以遠低于奈奎斯特頻率對信號進行采樣，通過數(shù)值最優(yōu)化問題準確重構出原始信號。美國Rice大學已經根據(jù)壓縮感知理論設計出的單像素相機，美國國防部先進計劃研究署正在支持壓縮感知技術的研究，在通用電氣(GE)醫(yī)療集團的參與下，威斯康辛大學的一個研究小組正在把壓縮感知技術與HYPR和VIPR技術結合，以提高特定種類磁共振掃描的速度， 在某種情況下可以達到原來速度的幾千倍。信號或者圖像重構是壓縮感知理論的核心問題，目前已有的壓縮感知重構方法有內點法，梯度投影法，匹配追蹤法MP，正交匹配追蹤法0ΜΡ，貝葉斯壓縮感知Byes。這些壓縮感知重構方法存在以下不足I)由于重構過程中沒有加入目標的先驗知識，因此這些方法只能用于整個場景的重構，沒有突出場景中目標的功能，無法尋找場景中感興趣的目標，工作人員需要對重構出的整幅圖像再做處理才能確定目標的位置；2)對采樣率有較高的要求，因此給采樣硬件設備帶來很大的負擔。

發(fā)明內容
本發(fā)明的目的在于針對上述已有方法的不足，提出一種基于壓縮感知的目標重構方法，以在采樣率較低的情況下重構出場景中的目標，并使目標相對于背景清晰突出，在重構圖像的同時檢測出目標。實現(xiàn)本發(fā)明目的地技術思路是首先通過混合因子分析模型對目標建模，得到目標的概率密度函數(shù)，再對要重構的整幅圖像分塊，然后對每一小塊圖像分別進行壓縮感知重構，將訓練得到的目標的概率密度函數(shù)作為目標的先驗知識加入到重構過程。具體步驟包括如下(I)通過混合因子分析模型對目標進行高斯混合建模，得到目標的概率密度
P(X) = YjAtN(X-Xt^t)
t=l其中x°為目標的訓練樣本，X t為高斯混合模型中包含的各個高斯分布的均值， Ω,為高斯混合模型中包含的各個高斯分布的協(xié)方差，λ t為高斯混合模型中各個高斯分布的權重，T為高斯混合模型中包含的高斯分布的個數(shù)；
(2)將目標所在的整幅圖像均勻分成大小相同的小塊，小塊的大小與目標的訓練圖像的大小相同并且保證目標完整的在某一小塊上；(3)對每一小塊圖像分別進行重構(3a)對每一小塊圖像X分別進行隨機觀測得到它的隨機觀測向量y y = Φχ+ν其中x為待重構的小塊圖像，它的維數(shù)為N，y為小塊圖像的隨機觀測向量，Φ為的高斯隨機觀測矩陣，V為觀測時產生的噪聲服從零均值的高斯分布，它的維數(shù)為N，其中N =1024 ；(3b)根據(jù)以下貝葉斯公式從隨機觀測向量y中恢復出小塊圖像X
權利要求
1.一種基于壓縮感知的目標重構方法，包括以下步驟(1)通過混合因子分析模型對目標進行高斯混合建模，得到目標的概率密度
2.根據(jù)權利要求I所述的基于壓縮感知的目標重構方法，其中步驟(I)所述的通過混合因子分析模型對目標進行高斯混合建模，按如下步驟進行(2a)拍攝目標在不同角度的圖像η幅，將這些圖像作為訓練圖像，通過最近鄰插值方法將訓練圖像統(tǒng)一成大小為32X32像素，1000 ≤ n ≤ 1600 ；(2b)通過Beta過程，得到以下高斯分布的協(xié)方差矩陣的秩J :Xi Ν(Α ^+μ , α ^1In)；其中Xi為訓練樣本維數(shù)是N，A在混合因子分析模型中代表一組基為NXJ的矩陣，張成一線性子空間，Wi為混合因子分析模型中A所張成的線性子空間的系數(shù)，其維數(shù)為J，μ 為均值維數(shù)為N，In是NXN的單位矩陣，α為精度值；(2c)通過Dirichlet過程得到高斯混合模型中高斯分布的個數(shù)T ；(2d)將Beta過程與Dirichlet過程結合,得到高斯混合模型中各個高斯分布的參數(shù)的值
全文摘要
本發(fā)明公開了一種基于壓縮感知的目標重構方法，主要解決現(xiàn)有技術在重構圖像時不能檢測目標的問題。其實現(xiàn)過程為1)通過混合因子分析模型對目標進行高斯混合建模得到目標的概率密度；2)對要重構的整幅圖像分塊；3)利用學習到的目標的概率密度作為目標的先驗知識，對每一小塊圖像分別重構；4)將重構出的小塊圖像拼湊還原為原始的完整圖像，得到重構出的整幅圖。本發(fā)明能夠在重構圖像的同時檢測目標，具有節(jié)省資源，效率高的優(yōu)點，可用于目標檢測。
文檔編號G06T5/00GK102592269SQ201210007428
公開日2012年7月18日 申請日期2012年1月11日 優(yōu)先權日2012年1月11日
發(fā)明者侯彪, 張向榮, 焦李成, 王爽, 程曦, 馬文萍 申請人:西安電子科技大學