基于進(jìn)化多目標(biāo)優(yōu)化的非凸壓縮感知圖像重構(gòu)方法
【專利摘要】本發(fā)明涉及基于進(jìn)化多目標(biāo)優(yōu)化的非凸壓縮感知圖像重構(gòu)方法，用于對醫(yī)學(xué)圖像和自然圖像進(jìn)行重構(gòu)。本發(fā)明提出了分塊打散壓縮采樣方法，克服了現(xiàn)有分塊壓縮感知重構(gòu)技術(shù)中，有些圖像塊不稀疏或者弱稀疏的缺點，提高了重構(gòu)圖像的質(zhì)量。本發(fā)明將壓縮感知重構(gòu)中有約束的單目標(biāo)優(yōu)化問題轉(zhuǎn)化為將稀疏度也作為優(yōu)化目標(biāo)的多目標(biāo)優(yōu)化問題，并針對圖像利用進(jìn)化多目標(biāo)優(yōu)化思想實現(xiàn)了基于小波域下的壓縮感知優(yōu)化重構(gòu)方法，克服了現(xiàn)有壓縮感知重構(gòu)技術(shù)中，難以確定稀疏度的不足，提高了重構(gòu)圖像的質(zhì)量。本發(fā)明將圖像的邊緣位置信息作為指導(dǎo)IHT方法求解稀疏系數(shù)的位置先驗，克服了現(xiàn)有壓縮感知重構(gòu)技術(shù)中，較少考慮稀疏系數(shù)位置的不足，從而提高了重構(gòu)圖像的質(zhì)量。
【專利說明】基于進(jìn)化多目標(biāo)優(yōu)化的非凸壓縮感知圖像重構(gòu)方法
【技術(shù)領(lǐng)域】
[0001]本發(fā)明屬于圖像處理【技術(shù)領(lǐng)域】，確切講是涉及基于進(jìn)化多目標(biāo)優(yōu)化的非凸壓縮感知圖像重構(gòu)方法，用于對醫(yī)學(xué)圖像和自然圖像進(jìn)行重構(gòu)。
【背景技術(shù)】
[0002]近幾年，在信號處理領(lǐng)域出現(xiàn)了一種新的數(shù)據(jù)采集理論“壓縮感知” CS，該理論在數(shù)據(jù)采集的同時實現(xiàn)壓縮，突破了傳統(tǒng)奈奎斯特采樣定理的限制，為數(shù)據(jù)采集技術(shù)帶來了革命性的變化，使得該理論在壓縮成像系統(tǒng)、軍事密碼學(xué)、無線傳感等領(lǐng)域有著廣闊的應(yīng)用前景。壓縮感知理論主要包括信號的稀疏表示、信號的觀測和信號的重構(gòu)等三個方面。在信號重構(gòu)方面，通過求解Itl或I1范數(shù)的優(yōu)化問題來重構(gòu)圖像。
[0003]Tropp 等人在文獻(xiàn) “Joel A.Tropp, Anna C.Gilbert, Signal Recovery FromRandom Measurements Via Orthogonal Matching Pursuit”中提出基于正交匹配追蹤的隨機(jī)觀測的信號恢復(fù)方法。該方法對稀疏信號進(jìn)行低采樣的隨機(jī)觀測，從正交的原子庫中選擇最能匹配信號結(jié)構(gòu)的原子，從而重構(gòu)出圖像。該方法存在的不足是，在重構(gòu)過程中使用貪婪思想尋找最優(yōu)解，并不能保證收斂到全局最優(yōu)解，從而導(dǎo)致重構(gòu)出的圖像不夠準(zhǔn)確，并且它需要人為指定稀疏度的大小，并不是自適應(yīng)地尋找適合特定問題的稀疏度，從而導(dǎo)致重構(gòu)圖像質(zhì)量不好，另外它對壓縮感知框架強(qiáng)加了有限等距性RIP約束，從某種意義上講，限制了壓縮感知的應(yīng)用范圍。
[0004]Hui Li 等人在文獻(xiàn) “M0EA/D with Iterative Thresholding Algorithm forSparse Optimization Problems”中提出基于分解的多目標(biāo)進(jìn)化算法M0EA/D用于稀疏信號恢復(fù)的方法。該方法針對一維隨機(jī)稀疏信號，將壓縮感知重構(gòu)中有約束的單目標(biāo)優(yōu)化問題轉(zhuǎn)化為將稀疏度也作為優(yōu)化目標(biāo)的多目標(biāo)優(yōu)化問題，且通過結(jié)合M0EA/D和迭代硬閾值IHT進(jìn)行壓縮感知優(yōu)化重構(gòu)。該方法的不足是，它重構(gòu)的是一維隨機(jī)稀疏信號，并沒有針對圖像來實現(xiàn)該方法，自然就沒有引入圖像的先驗信息來指導(dǎo)，并且IHT也沒有使用位置信息來指導(dǎo)求解，其稀疏度范圍也是人為定的，從而導(dǎo)致重構(gòu)的圖像質(zhì)量不好。
[0005]另外，對于小波域下的分塊壓縮感知圖像重構(gòu)方法，其優(yōu)點是:運(yùn)算量小，耗時??；其不足之處是:在小波域下，將高頻小波系數(shù)進(jìn)行分塊后，可能會出現(xiàn)某些塊不稀疏或者弱稀疏，從而違背了壓縮感知的理論基礎(chǔ)，導(dǎo)致重構(gòu)的圖像質(zhì)量不好。

【發(fā)明內(nèi)容】

[0006]本發(fā)明的目的是針對小波域下的分塊壓縮感知圖像重構(gòu)方法中，可能會出現(xiàn)圖像塊不稀疏或者弱稀疏的缺點，提供一種基于進(jìn)化多目標(biāo)優(yōu)化的非凸壓縮感知圖像重構(gòu)方法，以便優(yōu)化圖像重構(gòu)算法，提高圖像準(zhǔn)確重構(gòu)質(zhì)量。
[0007]實現(xiàn)本發(fā)明的技術(shù)方案是:基于進(jìn)化多目標(biāo)優(yōu)化的非凸壓縮感知圖像重構(gòu)方法，其特征是:至少包括如下步驟:
[0008]步驟101:輸入測試圖像，對測試圖像進(jìn)行小波變換，保留低頻小波系數(shù)C1，利用正交隨機(jī)高斯觀測矩陣Φ對高頻小波系數(shù)每隔8個像素進(jìn)行分塊打散壓縮采樣，得到每一塊的觀測向量y ;
[0009]步驟102:利用保留的低頻小波系數(shù)C1，通過小波逆變換、邊緣檢測和分塊打散操作得到對應(yīng)于高頻小波系數(shù)的位置矩陣E，位置矩陣E的每一列e對應(yīng)于每一塊的觀測向量I ;
[0010]步驟103:利用位置矩陣E通過統(tǒng)計方法獲取每一塊的塊稀疏度范圍[n，n+120]，其中η是位置矩陣E中對應(yīng)于觀測向量y的那一列的非零元素個數(shù)；
[0011]步驟104:對位置矩陣E執(zhí)行打散塊合并操作，得到分塊打散前的位置矩陣E'；
[0012]步驟105:對分塊打散前的位置矩陣E'進(jìn)行提取疫苗和注射疫苗操作，得到分塊打散前的過渡位置矩陣E"；
[0013]步驟106:對分塊打散前的過渡位置矩陣E"執(zhí)行分塊打散操作，得到新的位置矩陣￡，新的位置矩陣左的每一列I對應(yīng)于每一塊的觀測向量I ;
[0014]步驟107:設(shè)置種群大小為10，當(dāng)前進(jìn)化代數(shù)為p，種群中每個個體由編碼對(目標(biāo)
1、目標(biāo)2)組成，目標(biāo)I對應(yīng)于要重構(gòu)的塊的小波系數(shù)，目標(biāo)2表示對應(yīng)的塊稀疏度，利用正
交隨機(jī)高斯觀測矩陣Φ和每一塊的觀測向量y通過廣義逆，并結(jié)合新的位置矩陣色中的每
一列?對種群中每個個體的目標(biāo)I進(jìn)行基于塊位置信息的初始化操作和根據(jù)對應(yīng)于每一塊的觀測向量y的塊稀疏度范圍[n，n+120]對種群中每個個體的目標(biāo)2進(jìn)行初始化，得到每一塊的種群P = {(w/，S1)，...，(w10,，s10)}，其中w/是種群P中的第j個個體的目標(biāo)1，即對應(yīng)的塊的小波系數(shù)，Sj是種群P中的第j個個體的目標(biāo)2，即對應(yīng)的塊稀疏度，j =1，…，10 ；
[0015]步驟108:對每一塊的種群P中每個個體的目標(biāo)I根據(jù)新的位置矩陣左及其目標(biāo)2進(jìn)行一致變異操作，得到每一塊的子代種群，其中w是子代種群P中第j個個體的目標(biāo)1，Sj是子代種群戶中的第j個個體的目標(biāo)2，j = I,…，10 ；
[0016]步驟109:對每一塊的子代種群P中每個個體的目標(biāo)I根據(jù)對應(yīng)于每一塊的新的位置矩陣E中的一列?及其目標(biāo)2進(jìn)行迭代硬閾值局部搜索，得到每一塊的新子代種群^ = ，其中^是新子代種群P’中第j個個體的目標(biāo)1，Sj是新子代種
群P'中的第j個個體的目標(biāo)a j = I,…，10，并計算每一塊的新子代種群P'中每個個體的
適應(yīng)度；
[0017]步驟110:從由每一塊的新子代種群戶I中每個個體的目標(biāo)I組成的集合中進(jìn)行非支配解選擇，并將非支配解對應(yīng)地保存在每一塊的非支配解集合Q中，但不保存弱支配解；
[0018]步驟111:根據(jù)每一塊的非支配解集合Q中的元素個數(shù)更新新子代種群尹中相
應(yīng)個體的目標(biāo)2，即稀疏度，若新子代種群P中相應(yīng)個體的目標(biāo)2有更新，則更新每一塊的新子代種群戶中更新了目標(biāo)2的個體的目標(biāo)I ;若新子代種群戶中相應(yīng)個體的目標(biāo)2沒有更新，則保留新子代種群中的個體，在這里為了方便，不管新子代種群戶中相應(yīng)個體的目標(biāo)2有沒有更新，都將此操作后的個體記為，于是得到每一塊的更新子代種群盧=H0....(O。')}，其中 < 是更新子代種群戶中第j個個體的目標(biāo)I，s/是更
新子代種群P"中第j個個體的目標(biāo)2，j = I,…，10，并計算每一塊的更新子代種群r中每個個體的迫;
[0019]步驟112:如果當(dāng)前進(jìn)化代數(shù)P大于設(shè)置的最大進(jìn)化代數(shù)mp，或者適應(yīng)度達(dá)到要求，則執(zhí)行步驟113，并保留最終得到的每一塊的更新子代種群#〃中適應(yīng)度最大的個體作
為每一塊的最優(yōu)小波系數(shù)解；否則P=P+1，并將每一塊的更新子代種群盧覆蓋每一塊的種群P，返回步驟108 ；
[0020]步驟113:對所有塊的最優(yōu)小波系數(shù)解執(zhí)行打散塊合并操作，即恢復(fù)成分塊打散壓縮采樣前的形式，結(jié)合保留的低頻小波系數(shù)C1進(jìn)行小波逆變換得到測試圖像的重構(gòu)圖像。
[0021]所述步驟101中的利用正交隨機(jī)高斯觀測矩陣Φ對高頻小波系數(shù)每隔8個像素進(jìn)行分塊打散壓縮采樣，包括如下步驟:
[0022]步驟201:將高頻小波系數(shù)分成8X8的塊；
[0023]步驟202:按從左到右，從上到下的順序分別取每個8X8的塊的一個元素(也是按照從左到右，從上到下的順序取)組成打散塊信號，這樣可得到64個打散塊信號；
[0024]步驟203:利用正交隨機(jī)高斯觀測矩陣Φ對64個打散塊信號分別觀測。
[0025]所述步驟102中的`通過小波逆變換、邊緣檢測和分塊打散操作得到對應(yīng)于高頻小波系數(shù)的位置矩陣E，包括如下步驟:
[0026]步驟301:將高頻小波系數(shù)設(shè)定為零，再利用保留的低頻小波系數(shù)C1，通過小波逆變換得到一個邊緣模糊的圖像Itl ;
[0027]步驟302:利用Canny邊緣檢測方法對邊緣模糊的圖像Itl進(jìn)行邊緣檢測，并提取邊緣圖像得到邊緣圖11 ；
[0028]步驟303:對邊緣圖11進(jìn)行一層小波變換，得到邊緣圖11的高頻小波系數(shù)矩陣B ；
[0029]步驟304:對邊緣圖11的高頻小波系數(shù)矩陣B每隔8個像素進(jìn)行分塊打散操作得
到對應(yīng)的分塊打散操作后的邊緣圖11的高頻小波系數(shù)矩陣5，其中呑的每一列?:對應(yīng)于每一塊的觀測向量y;
[0030]步驟305:分別對分塊打散操作后的邊緣圖11的高頻小波系數(shù)矩陣名的每一列各
求均值，并將均值的0.6倍作為閾值對J的每一列S進(jìn)行閾值處理，將每一列6中大于0.6倍均值的元素置為I ;否則，置為O ;得到閾值處理后的對應(yīng)于分塊打散操作后的邊緣圖11的高頻小波系數(shù)矩陣左的位置矩陣E，其中位置矩陣E的每一列e對應(yīng)于每一塊的觀測向量I。
[0031]所述步驟102中的分塊打散操作，包括如下步驟:
[0032]步驟401:將邊緣圖11的高頻小波系數(shù)矩陣B分成8X8的塊；
[0033]步驟402:按從左到右，從上到下的順序分別取每個8X8的塊的一個元素(也是按照從左到右，從上到下的順序取)組成打散塊信號，這樣可得到由64個打散塊信號組成的矩陣。
[0034]所述步驟103中的利用位置矩陣E通過統(tǒng)計方法獲取每一塊的塊稀疏度范圍[n, n+120],包括如下步驟:
[0035]步驟501:統(tǒng)計位置矩陣E中每一列的非零元素個數(shù)η ；
[0036]步驟502:將每一列的非零元素個數(shù)η加上120，得到對應(yīng)于每一塊的觀測向量y的塊稀疏度范圍[n，n+120]。
[0037]所述步驟104中的對位置矩陣E執(zhí)行打散塊合并操作，包括如下步驟:
[0038]步驟601:按從左到右的順序獲取位置矩陣E中的每一列；
[0039]步驟602:將位置矩陣E中每一列的元素按從左到右、從上到下的順序每隔8個像素放置在分塊打散前的位置上，得到分塊打散前的位置矩陣E,。
[0040]所述步驟105中的對分塊打散前的位置矩陣E'進(jìn)行提取疫苗和注射疫苗操作，包括如下步驟:
[0041]步驟701:在分塊打散采樣前的位置矩陣E'上用3X3的窗口進(jìn)行滑動，考慮3X3的窗口的上、下、左、右四個相鄰的值，如果這四個值為I的個數(shù)大于3，則將I作為該中心位的值；如果四個值為O的個數(shù)為4，則將O作為該中心位置的值；若兩種情況都不滿足，則中心位置上的值不變。
[0042]所述步驟107中的結(jié)合新的位置矩陣f中的每一列g(shù)對種群中每個個體的目標(biāo)I進(jìn)行基于塊位置信息的初始化操作和根據(jù)對應(yīng)于每一塊的觀測向量y的塊稀疏度范圍[n, n+120]對種群中每個個體的目標(biāo)2進(jìn)行初始化,包括如下步驟:
[0043]步驟801:設(shè)置種群大小為10，種群中每個個體由編碼對(目標(biāo)1，目標(biāo)2)組成，目標(biāo)I對應(yīng)于要重構(gòu)的塊的小波系數(shù)，目標(biāo)2表示對應(yīng)的塊稀疏度，將種群記為P ={(w/，S1),...，(Wlt/，s1(l)}，其中w/是種群P中的第j個個體的目標(biāo)1，即對應(yīng)的塊的小波系數(shù)，且每一個w/都采用實數(shù)編碼，h是種群P中的第j個個體的目標(biāo)2，即對應(yīng)的塊稀疏度，且每一個S」都采用整數(shù)編碼，j = 1，…，10 ；
[0044]步驟802:根據(jù)正交隨機(jī)高斯觀測矩陣Φ和每一塊的觀測向量y通過廣義逆求得初始的小波系數(shù)，公式如下:
[0045]
【權(quán)利要求】
1.基于進(jìn)化多目標(biāo)優(yōu)化的非凸壓縮感知圖像重構(gòu)方法，其特征是:至少包括如下步驟: 步驟101:輸入測試圖像，對測試圖像進(jìn)行小波變換，保留低頻小波系數(shù)C1，利用正交隨機(jī)高斯觀測矩陣φ對高頻小波系數(shù)每隔8個像素進(jìn)行分塊打散壓縮采樣，得到每一塊的觀測向量I ; 步驟102:利用保留的低頻小波系數(shù)C1，通過小波逆變換、邊緣檢測和分塊打散操作得到對應(yīng)于高頻小波系數(shù)的位置矩陣E，位置矩陣E的每一列e對應(yīng)于每一塊的觀測向量y ；步驟103:利用位置矩陣E通過統(tǒng)計方法獲取每一塊的塊稀疏度范圍[n，n+120]，其中η是位置矩陣E中對應(yīng)于觀測向量y的那一列的非零元素個數(shù)； 步驟104:對位置矩陣E執(zhí)行打散塊合并操作，得到分塊打散前的位置矩陣E'； 步驟105:對分塊打散前的位置矩陣E'進(jìn)行提取疫苗和注射疫苗操作，得到分塊打散前的過渡位置矩陣E"； 步驟106:對分塊打散前的過渡位置矩陣E"執(zhí)行分塊打散操作，得到新的位置矩陣E，新的位置矩陣f的每一列g(shù)對應(yīng)于每一塊的觀測向量I ; 步驟107:設(shè)置種群大小為10，當(dāng)前進(jìn)化代數(shù)為P，種群中每個個體由編碼對(目標(biāo)1、目標(biāo)2)組成，目標(biāo)I對應(yīng)于要重構(gòu)的塊的小波系數(shù)，目標(biāo)2表示對應(yīng)的塊稀疏度，利用正交隨機(jī)高斯觀測矩陣Φ和每一塊的觀測向量y通過廣義逆，并結(jié)合新的位置矩陣?中的每一列§對種群中每個個體的 目標(biāo)I進(jìn)行基于塊位置信息的初始化操作和根據(jù)對應(yīng)于每一塊的觀測向量y的塊稀疏度范圍[n，n+120]對種群中每個個體的目標(biāo)2進(jìn)行初始化，得到每一塊的種群P = {(w/，S1)，...，(w10,，s10)}，其中w/是種群P中的第j個個體的目標(biāo)1，即對應(yīng)的塊的小波系數(shù)，Sj是種群P中的第j個個體的目標(biāo)2，即對應(yīng)的塊稀疏度，j =1，…，10 ； 步驟108:對每一塊的種群P中每個個體的目標(biāo)I根據(jù)新的位置矩陣f及其目標(biāo)2進(jìn)行一致變異操作，得到每一塊的子代種群P丨，其中是子代種群戶中第j個個體的目標(biāo)1，Sj是子代種群#中的第j個個體的目標(biāo)2，j = I, -,10 ； 步驟109:對每一塊的子代種群盧中每個個體的目標(biāo)I根據(jù)對應(yīng)于每一塊的新的位置矩陣左中的一列?及其目標(biāo)2進(jìn)行迭代硬閾值局部搜索，得到每一塊的新子代種群，其中是新子代種群P'中第.?個個體的目標(biāo)I，Sj是新子代種群戶中的第j個個體的目標(biāo)2，j = 1，…，10，并計算每一塊的新子代種群F中每個個體的適應(yīng)度； 步驟110:從由每一塊的新子代種群P中每個個體的目標(biāo)I組成的集合中進(jìn)行非支配解選擇，并將非支配解對應(yīng)地保存在每一塊的非支配解集合Q中，但不保存弱支配解； 步驟111:根據(jù)每一塊的非支配解集合Q中的元素個數(shù)更新新子代種群盧中相應(yīng)個體的目標(biāo)2，即稀疏度，若新子代種群戶中相應(yīng)個體的目標(biāo)2有更新，則更新每一塊的新子代種群F中更新了目標(biāo)2的個體的目標(biāo)I ;若新子代種群P中相應(yīng)個體的目標(biāo)2沒有更新，則保留新子代種群F中的個體，在這里為了方便，不管新子代種群戶中相應(yīng)個體的目標(biāo)2有沒有更新，都將此操作后的個體記為(wjm's'j)，于是得到每一塊的更新子代種群pw={(wjm's'j)…(w10w,s10')}其中O更新子代種群P”中第j個個體的目標(biāo)1，Sj,是更新子代種群P"中第j個個體的目標(biāo)2，j = 1,…，10，并計算每一塊的更新子代種群/>中每個個體的適應(yīng)度； 步驟112:如果當(dāng)前進(jìn)化代數(shù)P大于設(shè)置的最大進(jìn)化代數(shù)mp，或者適應(yīng)度達(dá)到要求，則執(zhí)行步驟113，并保留最終得到的每一塊的更新子代種群女中適應(yīng)度最大的個體作為每一塊的最優(yōu)小波系數(shù)解；否則P=P+1，并將每一塊的更新子代種群盧覆蓋每一塊的種群P，返回步驟108 ； 步驟113:對所有塊的最優(yōu)小波系數(shù)解執(zhí)行打散塊合并操作，即恢復(fù)成分塊打散壓縮采樣前的形式，結(jié)合保留的低頻小波系數(shù)C1進(jìn)行小波逆變換得到測試圖像的重構(gòu)圖像。
2.根據(jù)權(quán)利要求1所述的基于進(jìn)化多目標(biāo)優(yōu)化的非凸壓縮感知圖像重構(gòu)方法，其特征是:所述步驟101中的利用正交隨機(jī)高斯觀測矩陣Φ對高頻小波系數(shù)每隔8個像素進(jìn)行分塊打散壓縮采樣，包括如下步驟: 步驟201:將高頻小波系數(shù)分成8X8的塊； 步驟202:按從左到右，從上到下的順序分別取每個8X8的塊的一個元素(也是按照從左到右，從上到下的順序取)組成打散塊信號，這樣可得到64個打散塊信號； 步驟203:利用正交隨機(jī)高斯觀測矩陣Φ對64個打散塊信號分別觀測。
3.根據(jù)權(quán)利要求1所述的基于進(jìn)化多目標(biāo)優(yōu)化的非凸壓縮感知圖像重構(gòu)方法，其特征是:所述步驟102中的通過小波逆變換、邊緣檢測和分塊打散操作得到對應(yīng)于高頻小波系數(shù)的位置矩陣E，包括如下步驟: 步驟301:將高頻小波系數(shù)設(shè)定為零，再利用保留的低頻小波系數(shù)C1，通過小波逆變換得到一個邊緣模糊的圖像Itl ； 步驟302:利用Canny邊緣檢測方法對邊緣模糊的圖像Itl進(jìn)行邊緣檢測，并提取邊緣圖像得到邊緣圖11 ； 步驟303:對邊緣圖11進(jìn)行一層小波變換，得到邊緣圖11的高頻小波系數(shù)矩陣B ； 步驟304:對邊緣圖11的高頻小波系數(shù)矩陣B每隔8個像素進(jìn)行分塊打散操作得到對應(yīng)的分塊打散操作后的邊緣圖11的高頻小波系數(shù)矩陣5其中?的每一列i對應(yīng)于每一塊的觀測向量y ; 步驟305:分別對分塊打散操作后的邊緣圖11的高頻小波系數(shù)矩陣J的每一列S求均值，并將均值的0.6倍作為閾值對J的每一列5進(jìn)行閾值處理，將每一列6中大于0.6倍均值的元素置為I ;否則，置為O ;得到閾值處理后的對應(yīng)于分塊打散操作后的邊緣圖11的高頻小波系數(shù)矩陣J的位置矩陣E，其中位置矩陣E的每一列e對應(yīng)于每一塊的觀測向量y ； 所述步驟102中的分塊打散操作，包括如下步驟: 步驟401:將邊緣圖11的高頻小波系數(shù)矩陣B分成8X8的塊；步驟402:按從左到右，從上到下的順序分別取每個8X8的塊的一個元素組成打散塊信號，這樣可得到由64個打散塊信號組成的矩陣。
4.根據(jù)權(quán)利要求1所述的基于進(jìn)化多目標(biāo)優(yōu)化的非凸壓縮感知圖像重構(gòu)方法，其特征是:所述步驟103中的利用位置矩陣E通過統(tǒng)計方法獲取每一塊的塊稀疏度范圍[n, n+120],包括如下步驟: 步驟501:統(tǒng)計位置矩陣E中每一列的非零元素個數(shù)η ； 步驟502:將每一列的非零元素個數(shù)η加上120，得到對應(yīng)于每一塊的觀測向量y的塊稀疏度范圍[n，n+120]。
5.根據(jù)權(quán)利要求1所述的基于進(jìn)化多目標(biāo)優(yōu)化的非凸壓縮感知圖像重構(gòu)方法，其特征是:所述步驟104中的對位置矩陣E執(zhí)行打散塊合并操作，包括如下步驟: 步驟601:按從左到右的順序獲取位置矩陣E中的每一列； 步驟602:將位置矩陣E中每一列的元素按從左到右、從上到下的順序每隔8個像素放置在分塊打散前的位置上，得到分塊打散前的位置矩陣E,。
6.根據(jù)權(quán)利要求1所述的基于進(jìn)化多目標(biāo)優(yōu)化的非凸壓縮感知圖像重構(gòu)方法，其特征是:所述步驟105中的對分塊打散前的位置矩陣E'進(jìn)行提取疫苗和注射疫苗操作，包括如下步驟: 步驟701:在分塊打散采樣前的位置矩陣E'上用3X3的窗口進(jìn)行滑動，考慮3X3的窗口的上、下、左、右四個相鄰的值，如果這四個值為I的個數(shù)大于3，則將I作為該中心位的值；如果四個值為O的個數(shù)為4，則將O作為該中心位置的值；若兩種情況都不滿足，則中心位置上的值不變。
7.根據(jù)權(quán)利要求1所述的基于進(jìn)化多目標(biāo)優(yōu)化的非凸壓縮感知圖像重構(gòu)方法，其特征是:所述步驟107中的結(jié)合新的位置矩陣左中的每一列g(shù)對種群中每個個體的目標(biāo)I進(jìn)行基于塊位置信息的初始化操作和根據(jù)對應(yīng)于每一塊的觀測向量y的塊稀疏度范圍[n, n+120]對種群中每個個體的目標(biāo)2進(jìn)行初始化,包括如下步驟: 步驟801:設(shè)置種群大小為10，種群中每個個體由編碼對(目標(biāo)1，目標(biāo)2)組成，目標(biāo)I對應(yīng)于要重構(gòu)的塊的小波系數(shù)，目標(biāo)2表示對應(yīng)的塊稀疏度，將種群記為P ={(w/，S1),...，(Wlt/，s1(l)}，其中w/是種群P中的第j個個體的目標(biāo)1，即對應(yīng)的塊的小波系數(shù)，且每一個w/都采用實數(shù)編碼，h是種群P中的第j個個體的目標(biāo)2，即對應(yīng)的塊稀疏度，且每一個S」都采用整數(shù)編碼，j = 1，…，10 ； 步驟802:根據(jù)正交隨機(jī)高斯觀測矩陣Φ和每一塊的觀測向量y通過廣義逆求得初始的小波系數(shù)，公式如下: W = Φ V ； 步驟803:我們結(jié)合廣義逆值妒和新的位置矩陣左中對應(yīng)于觀測向量y的一列士來初始化種群P中每個個體的目標(biāo)1，則種群P中每個個體的目標(biāo)Iw/ (j = I,…，10)可按下面的公式進(jìn)行初始化:
8.根據(jù)權(quán)利要求1所述的基于進(jìn)化多目標(biāo)優(yōu)化的非凸壓縮感知圖像重構(gòu)方法，其特征是:所述步驟108中的一致變異操作，包括如下步驟: 步驟901:統(tǒng)計種群P中第j個個體的目標(biāo)Iw/的非零元素個數(shù)作為第j個個體的目標(biāo)Iw/的真實塊稀疏度kj, j = I,…，10 ； 步驟902:如果第j個個體的目標(biāo)Iw/的真實塊稀疏度kj(j = I,…，10)小于第j個個體的目標(biāo)2Sj(j = I,…，10)，則在第j個個體的目標(biāo)Iw/的零元素中隨機(jī)選取位置，并用一次迭代硬閾值(IHT)求得的值來替換這些位置上的零元素；如果第j個個體的目標(biāo)Iw/的真實塊稀疏度1^_(」=1，…，10)大于第j個個體的目標(biāo)2Sj，則在第j個個體的目標(biāo)1?/的非零元素中選取1^_-\_個值最小的位置，并用O來替換這些位置上的值。
9.根據(jù)權(quán)利要求1所述的基于進(jìn)化多目標(biāo)優(yōu)化的非凸壓縮感知圖像重構(gòu)方法，其特征是:所述步驟109中的迭代硬閾值局部搜索，包括如下步驟: 步驟1001:對于子代種群P中第j個個體的目標(biāo)I =將其賦值給vvj11 I 即 ^r- W1， 步驟1002:根據(jù)迭代硬閾值的公式命
10.根據(jù)權(quán)利要求1所述的基于進(jìn)化多目標(biāo)優(yōu)化的非凸壓縮感知圖像重構(gòu)方法，其特征是:所述步驟111中的根據(jù)每一塊的非支配解集合Q中的元素個數(shù)更新新子代種群戶中相應(yīng)個體的目標(biāo)2，包括如下步驟: 步驟1101:將所有個體的目標(biāo)2Sj(j = 1,-,10)按升序排序，即& <&<...<、’其中 J'i, - ,Ji0 e {I, - ,10}； 步驟1102:根據(jù)下面的公式確定待選塊稀疏度集S，
【文檔編號】G06T11/00GK103761755SQ201410029814
【公開日】2014年4月30日 申請日期:2014年1月22日 優(yōu)先權(quán)日:2014年1月22日
【發(fā)明者】劉芳, 寧文學(xué), 李玲玲, 焦李成, 戚玉濤, 郝紅俠, 李婉, 馬文萍, 馬晶晶, 尚榮華, 于昕 申請人:西安電子科技大學(xué)