本發(fā)明涉及圖像重構領域，具體涉及一種圖像重構方法及裝置。

背景技術：

在日常生活與生產(chǎn)實踐中，圖像是應用最廣泛的信息載體之一，如何用盡量少的信息高效的傳輸圖像在信息爆炸的今天尤為重要。

目前可以采用核方法進行圖像重構，該方法通過將數(shù)據(jù)映射到高維特征空間進行特征提取從而進行聚類。但是這種單一核方法局限于對數(shù)據(jù)的某一特征進行有效提取，若一個樣本含有多個特征，且遵循不同的核分布，此方法就不適用，所以說單一核在處理多數(shù)據(jù)源以及異構數(shù)據(jù)源的不足是越發(fā)明顯。

技術實現(xiàn)要素：

針對現(xiàn)有技術存在的不足和缺陷，本發(fā)明提供一種圖像重構方法及裝置。

一方面，本發(fā)明實施例提出一種圖像重構方法，包括：

從預設的超完備字典中獲取待重構圖像的稀疏表示，實現(xiàn)所述待重構圖像的重構，其中，所述超完備字典通過依次對訓練樣本圖像進行多核模糊c均值聚類、k-svd算法處理得到。

另一方面，本發(fā)明實施例提出一種圖像重構裝置，包括：

重構單元，用于從預設的超完備字典中獲取待重構圖像的稀疏表示，實現(xiàn)所述待重構圖像的重構，其中，所述超完備字典通過依次對訓練樣本圖像進行多核模糊c均值聚類、k-svd算法處理得到。

本發(fā)明實施例提供的圖像重構方法及裝置，利用預設的超完備字典，從該超完備字典中獲取待重構圖像的稀疏表示，實現(xiàn)所述待重構圖像的重構，該方案中使用的超完備字典通過依次對訓練樣本圖像進行多核模糊c均值聚類、k-svd算法處理得到，從而能夠?qū)Χ鄶?shù)據(jù)源以及異構數(shù)據(jù)源圖像進行圖像重構。

附圖說明

圖1為本發(fā)明圖像重構方法一實施例的流程示意圖；

圖2為本發(fā)明圖像重構裝置一實施例的結構示意圖。

具體實施方式

為使本發(fā)明實施例的目的、技術方案和優(yōu)點更加清楚，下面將結合本發(fā)明實施例中的附圖，對本發(fā)明實施例中的技術方案進行清楚地描述，顯然，所描述的實施例是本發(fā)明一部分實施例，而不是全部的實施例。基于本發(fā)明中的實施例，本領域普通技術人員在沒有做出創(chuàng)造性勞動前提下所獲得的所有其他實施例，都屬于本發(fā)明保護的范圍。

參看圖1，本實施例公開一種圖像重構方法，包括：

s1、從預設的超完備字典中獲取待重構圖像的稀疏表示，實現(xiàn)所述待重構圖像的重構，其中，所述超完備字典通過依次對訓練樣本圖像進行多核模糊c均值聚類、k-svd算法處理得到。

本發(fā)明實施例提供的圖像重構方法，利用預設的超完備字典，從該超完備字典中獲取待重構圖像的稀疏表示，實現(xiàn)所述待重構圖像的重構，該方案中使用的超完備字典通過依次對訓練樣本圖像進行多核模糊c均值聚類、k-svd算法處理得到，從而能夠?qū)Χ鄶?shù)據(jù)源以及異構數(shù)據(jù)源圖像進行圖像重構。

在前述方法實施例的基礎上，在所述從預設的超完備字典中獲取待重構圖像的稀疏表示之前，還可以包括如下的圖中未示出的步驟：

s10、對所述訓練樣本圖像進行多核模糊c均值聚類，得到多個圖像類；

s11、對各個圖像類進行k-svd算法處理，得到所述各個圖像類對應的字典；

s12、將所述各個圖像類對應的字典合并成所述超完備字典。

在前述方法實施例的基礎上，所述s10，可以包括如下的圖中未示出的步驟：

s100、初始化隸屬度矩陣；

s101、計算隸屬度矩陣，計算公式為其中，

m∈[1，∞)為加權指數(shù)，c為聚類中心的數(shù)量，uic為隸屬度矩陣中的元素，表示所述訓練樣本圖像中像素點xi屬于第c個聚類中心vc的隸屬度，ψ(x)＝w1ψ1(x)+w2ψ2(x)+…+wmψm(x)，ψ(x)為多個核函數(shù)ψk(x)k∈[1,2,…,m]的線性組合，wkk∈[1,2,…,m]為權重，m為大于1的整數(shù)，n為所述訓練樣本圖像中像素點的數(shù)量，κk(xi,xj)＝ψk(xi)^tψk(xj)；

s102、計算最新得到的隸屬度矩陣u^(t)與該最新得到的隸屬度矩陣u^(t)前一次得到的隸屬度矩陣u^(t-1)的差值的矩陣范數(shù)||u^(t)-u^(t-1)||，判斷所述矩陣范數(shù)是否小于預設的數(shù)值，若小于所述數(shù)值，則執(zhí)行步驟s103，否則，則執(zhí)行步驟s101；

s103、根據(jù)最終得到的隸屬度矩陣以及該隸屬度矩陣對應的聚類中心對所述訓練樣本圖像進行聚類，得到多個圖像類。

下面，對本發(fā)明隸屬度矩陣的推導過程以及k-svd算法進行說明。

對于多核模糊c均值算法，目標是找到目標函數(shù)最優(yōu)化的權重w、隸屬度u以及聚類中心v，從而對訓練樣本圖像進行聚類。

備注：核方法通過非線性映射將原始數(shù)據(jù)通過特征映射嵌入到新的特征空間從而發(fā)現(xiàn)數(shù)據(jù)之間的非線性關系。

(1)首先設目標函數(shù)：

其中：ψ(x)＝w1ψ1(x)+w2ψ2(x)+…+wmψm(x)，

其中，vc指的是特征空間上的第c個聚類中心；w＝(w1,w2,...,wm)^t代表權重向量；uic是隸屬度矩陣u中的元素，表示所述訓練樣本圖像中像素點xi屬于第c個聚類中心vc的隸屬度；v＝(v1,v2,...,vc)^t。

(2)最優(yōu)化隸屬度u

可以通過給定權重和聚類中心發(fā)現(xiàn)最優(yōu)的隸屬度函數(shù)，用來表示數(shù)據(jù)和聚類中心之間的距離：

相應的目標函數(shù)為：

約束條件：

可引入拉格朗日因子構造新的目標函數(shù):

對于隸屬度，得到目標函數(shù)求極值的最優(yōu)化條件：

來求出uic的值。

(3)最優(yōu)化權重

由以上公式可得：權重和聚類中心已知時，可得到最優(yōu)的隸屬度矩陣u。

與上述分析方法類似，假定隸屬度已知，找尋最優(yōu)的聚類中心和權重，得到聚類中心關于目標函數(shù)求極值的最優(yōu)化條件：

當u給定時，最優(yōu)的聚類中心可利用權重加以轉(zhuǎn)換：

其中指的是標準化隸屬度：

結合之前的討論，聚類中心處于不同的特征空間，相應的維數(shù)不盡相同，比較分析聚類中心是不可能的。據(jù)上述公式，聚類中心可以通過轉(zhuǎn)換得到，而在沒有聚類中心的情況下可以得到隸屬度矩陣和權重的，故只需著力找到最優(yōu)權重從而得到隸屬度矩陣即可，而聚類中心處于閉合解。根據(jù)聚類中心的計算公式進行轉(zhuǎn)換：

當隸屬度函數(shù)已知時，即可得出相應的核函數(shù)。為了方便計算，可引入系數(shù)，將轉(zhuǎn)化為：

其中，

目標函數(shù)可以轉(zhuǎn)化為：

當隸屬度函數(shù)已知時，為了方便計算，引入相應的系數(shù)：

其中：w1+w2+…+wm＝1,wk≥0，

系數(shù)為：

引進拉格朗日因子：

所以，求得：

結合：

得到：

最終，圖像塊y被分成了c類以此基于內(nèi)容來實現(xiàn)對圖像塊的分類。

對于k-svd算法，其處理過程包括稀疏編碼階段和訓練更新字典階段：

(1)稀疏編碼階段:針對每一類圖像塊yi,i＝1,...,c，對下述模型利用omp算法求解稀疏表示系數(shù)向量xi：

上式中，t0表示稀疏表示系數(shù)向量中的最大差異度。

(2)訓練更新字典階段：針對每一個樣本分類yi，借助k-svd算法來各自訓練對應該類樣本的優(yōu)化字典最后再將這些與優(yōu)化字典合并構造超完備字典；

具體步驟為：更新字典過程是更新原子及其稀疏向量的過程。假設固定xi與字典di中除原子dk以外的列，只考慮原子dk以及與它所對應的稀疏向量(表示由xi組成的系數(shù)矩陣x的第k行)，那么殘差可進一步改寫成：

上式將兩個相乘的矩陣dx分解成k個秩為1的矩陣的和。按照假設，其中上式中的k-1項是固定的，剩下的這一項是待求解的；同時上式被分為兩部分：一部分是殘差項ek，表示從n個樣本中除去采用了原子dk表示樣本時所產(chǎn)生的殘差；另一部分秩為1矩陣

從而，極小化上式就歸結為尋找dk與成來實現(xiàn)對殘差項ek的最佳擬合，因此我們不妨對矩陣ek做svd分解，選取最大奇異值及其對應的奇異向量來更新原子dk和稀疏向量

重復(1)，(2)階段，直至迭代結束。

參看圖2，本實施例公開一種圖像重構裝置，包括：

重構單元1，用于從預設的超完備字典中獲取待重構圖像的稀疏表示，實現(xiàn)所述待重構圖像的重構，其中，所述超完備字典通過依次對訓練樣本圖像進行多核模糊c均值聚類、k-svd算法處理得到。

本發(fā)明實施例提供的圖像重構裝置，利用預設的超完備字典，從該超完備字典中獲取待重構圖像的稀疏表示，實現(xiàn)所述待重構圖像的重構，該方案中使用的超完備字典通過依次對訓練樣本圖像進行多核模糊c均值聚類、k-svd算法處理得到，從而能夠?qū)Χ鄶?shù)據(jù)源以及異構數(shù)據(jù)源圖像進行圖像重構。

在前述方法實施例的基礎上，所述裝置還可以包括如下的圖中未示出的結構：

聚類單元，用于在所述重構單元工作之前，對所述訓練樣本圖像進行多核模糊c均值聚類，得到多個圖像類；

處理單元，用于對各個圖像類進行k-svd算法處理，得到所述各個圖像類對應的字典；

合并單元，用于將所述各個圖像類對應的字典合并成所述超完備字典。

在前述裝置實施例的基礎上，所述聚類單元，具體可以用于執(zhí)行如下步驟：

s100、初始化隸屬度矩陣；

s101、計算隸屬度矩陣，計算公式為其中，

m∈[1，∞)為加權指數(shù)，c為聚類中心的數(shù)量，uic為隸屬度矩陣中的元素，表示所述訓練樣本圖像中像素點xi屬于第c個聚類中心vc的隸屬度，ψ(x)＝w1ψ1(x)+w2ψ2(x)+…+wmψm(x)，ψ(x)為多個核函數(shù)ψk(x)k∈[1,2,…,m]的線性組合，wkk∈[1,2,…,m]為權重，m為大于1的整數(shù)，n為所述訓練樣本圖像中像素點的數(shù)量，κk(xi,xj)＝ψk(xi)^tψk(xj)；

s102、計算最新得到的隸屬度矩陣u^(t)與該最新得到的隸屬度矩陣u^(t)前一次得到的隸屬度矩陣u^(t-1)的差值的矩陣范數(shù)||u^(t)-u^(t-1)||，判斷所述矩陣范數(shù)是否小于預設的數(shù)值，若小于所述數(shù)值，則執(zhí)行步驟s103，否則，則執(zhí)行步驟s101；

s103、根據(jù)最終得到的隸屬度矩陣以及該隸屬度矩陣對應的聚類中心對所述訓練樣本圖像進行聚類，得到多個圖像類。

本領域內(nèi)的技術人員應明白，本申請的實施例可提供為方法、系統(tǒng)、或計算機程序產(chǎn)品。因此，本申請可采用完全硬件實施例、完全軟件實施例、或結合軟件和硬件方面的實施例的形式。而且，本申請可采用在一個或多個其中包含有計算機可用程序代碼的計算機可用存儲介質(zhì)(包括但不限于磁盤存儲器、cd-rom、光學存儲器等)上實施的計算機程序產(chǎn)品的形式。

本申請是參照根據(jù)本申請實施例的方法、設備(系統(tǒng))、和計算機程序產(chǎn)品的流程圖和/或方框圖來描述的。應理解可由計算機程序指令實現(xiàn)流程圖和/或方框圖中的每一流程和/或方框、以及流程圖和/或方框圖中的流程和/或方框的結合?？商峁┻@些計算機程序指令到通用計算機、專用計算機、嵌入式處理機或其他可編程數(shù)據(jù)處理設備的處理器以產(chǎn)生一個機器，使得通過計算機或其他可編程數(shù)據(jù)處理設備的處理器執(zhí)行的指令產(chǎn)生用于實現(xiàn)在流程圖一個流程或多個流程和/或方框圖一個方框或多個方框中指定的功能的裝置。

這些計算機程序指令也可存儲在能引導計算機或其他可編程數(shù)據(jù)處理設備以特定方式工作的計算機可讀存儲器中，使得存儲在該計算機可讀存儲器中的指令產(chǎn)生包括指令裝置的制造品，該指令裝置實現(xiàn)在流程圖一個流程或多個流程和/或方框圖一個方框或多個方框中指定的功能。

這些計算機程序指令也可裝載到計算機或其他可編程數(shù)據(jù)處理設備上，使得在計算機或其他可編程設備上執(zhí)行一系列操作步驟以產(chǎn)生計算機實現(xiàn)的處理，從而在計算機或其他可編程設備上執(zhí)行的指令提供用于實現(xiàn)在流程圖一個流程或多個流程和/或方框圖一個方框或多個方框中指定的功能的步驟。

需要說明的是，在本文中，諸如第一和第二等之類的關系術語僅僅用來將一個實體或者操作與另一個實體或操作區(qū)分開來，而不一定要求或者暗示這些實體或操作之間存在任何這種實際的關系或者順序。而且，術語“包括”、“包含”或者其任何其他變體意在涵蓋非排他性的包含，從而使得包括一系列要素的過程、方法、物品或者設備不僅包括那些要素，而且還包括沒有明確列出的其他要素，或者是還包括為這種過程、方法、物品或者設備所固有的要素。在沒有更多限制的情況下，由語句“包括一個……”限定的要素，并不排除在包括所述要素的過程、方法、物品或者設備中還存在另外的相同要素。術語“上”、“下”等指示的方位或位置關系為基于附圖所示的方位或位置關系，僅是為了便于描述本發(fā)明和簡化描述，而不是指示或暗示所指的裝置或元件必須具有特定的方位、以特定的方位構造和操作，因此不能理解為對本發(fā)明的限制。除非另有明確的規(guī)定和限定，術語“安裝”、“相連”、“連接”應做廣義理解，例如，可以是固定連接，也可以是可拆卸連接，或一體地連接；可以是機械連接，也可以是電連接；可以是直接相連，也可以通過中間媒介間接相連，可以是兩個元件內(nèi)部的連通。對于本領域的普通技術人員而言，可以根據(jù)具體情況理解上述術語在本發(fā)明中的具體含義。

本發(fā)明的說明書中，說明了大量具體細節(jié)。然而能夠理解的是，本發(fā)明的實施例可以在沒有這些具體細節(jié)的情況下實踐。在一些實例中，并未詳細示出公知的方法、結構和技術，以便不模糊對本說明書的理解。類似地，應當理解，為了精簡本發(fā)明公開并幫助理解各個發(fā)明方面中的一個或多個，在上面對本發(fā)明的示例性實施例的描述中，本發(fā)明的各個特征有時被一起分組到單個實施例、圖、或者對其的描述中。然而，并不應將該公開的方法解釋呈反映如下意圖：即所要求保護的本發(fā)明要求比在每個權利要求中所明確記載的特征更多的特征。更確切地說，如權利要求書所反映的那樣，發(fā)明方面在于少于前面公開的單個實施例的所有特征。因此，遵循具體實施方式的權利要求書由此明確地并入該具體實施方式，其中每個權利要求本身都作為本發(fā)明的單獨實施例。需要說明的是，在不沖突的情況下，本申請中的實施例及實施例中的特征可以相互組合。本發(fā)明并不局限于任何單一的方面，也不局限于任何單一的實施例，也不局限于這些方面和/或?qū)嵤├娜我饨M合和/或置換。而且，可以單獨使用本發(fā)明的每個方面和/或?qū)嵤├蛘吲c一個或更多其他方面和/或其實施例結合使用。

最后應說明的是：以上各實施例僅用以說明本發(fā)明的技術方案，而非對其限制；盡管參照前述各實施例對本發(fā)明進行了詳細的說明，本領域的普通技術人員應當理解：其依然可以對前述各實施例所記載的技術方案進行修改，或者對其中部分或者全部技術特征進行等同替換；而這些修改或者替換，并不使相應技術方案的本質(zhì)脫離本發(fā)明各實施例技術方案的范圍，其均應涵蓋在本發(fā)明的權利要求和說明書的范圍當中。