【技術實現步驟摘要】
本申請涉及及圖像處理，尤其涉及一種圖像重構方法、裝置、計算機設備及可讀存儲介質。
技術介紹
1、圖像重構是解決許多科學與工程問題的常用技術之一，通過圖像重構，可以有效解決許多實際問題。圖像重構技術在多個領域具有廣泛的應用，這些領域包括系統識別、醫學成像、計算機視覺、信號處理、地球物理學、過程控制、遙感、無線通信、無損檢測和人工智能等。圖像重構技術為各行各業的技術創新提供了強有力的支撐。
2、相關技術中，一般采用凸優化算法(例如最小絕對收縮、選擇算子和l1-極小化方法等)對圖像進行重構。凸優化算法可以使用稀疏性正則化項來恢復圖像。然而，隨著圖像重構問題規模的不斷增大，很多實際的圖像重構問題所包含的變量數目常常達到億級的規模，由此導致凸優化算法陷入了難以克服的計算瓶頸，進而出現在處理大規模圖像重構時，重構效率和重構精度降低的問題。
技術實現思路
1、本申請實施例的主要目的在于提出一種圖像重構方法、裝置、計算機設備及可讀存儲介質，能夠提高圖像重構的效率和精確性。
2、為實現上述目的，本申請實施例的第一方面提出了一種圖像重構方法，所述方法包括：
3、獲取待重構圖像的測量矩陣，并通過所述測量矩陣對所述待重構圖像進行線性測量，得到所述待重構圖像的觀測向量；
4、將所述測量矩陣劃分為由多個子矩陣組成的級聯正交矩陣，并根據所述多個子矩陣對所述觀測向量進行劃分，得到與所述多個子矩陣對應的多個子分配向量；
5、基于每個子矩陣和每個子分配向量確
6、獲取所述第一初始解的第一圖像稀疏度估計值，并基于所述第一圖像稀疏度估計值確定所述第一初始解中的第一非顯著指標集；
7、基于所述第一非顯著指標集、所述測量矩陣和所述觀測向量構建第一約束模型，并對所述第一約束模型進行最小化差異求解，得到所述待重構圖像的重構結果。
8、為實現上述目的，本申請實施例的第二方面提出了一種圖像重構裝置，所述裝置包括：
9、獲取模塊，用于獲取待重構圖像的測量矩陣，并通過所述測量矩陣對所述待重構圖像進行線性測量，得到所述待重構圖像的觀測向量；
10、劃分模塊，用于將所述測量矩陣劃分為由多個子矩陣組成的級聯正交矩陣，并根據所述多個子矩陣對所述觀測向量進行劃分，得到與所述多個子矩陣對應的多個子分配向量；
11、融合模塊，用于基于每個子矩陣和每個子分配向量確定對應的子初始解，并將所述多個子矩陣和所述多個子分配向量對應的多個子初始解進行融合，得到所述待重構圖像對應的第一初始解；
12、確定模塊，用于獲取所述第一初始解的第一圖像稀疏度估計值，并基于所述第一圖像稀疏度估計值確定所述第一初始解中的第一非顯著指標集；
13、求解模塊，用于基于所述第一非顯著指標集、所述測量矩陣和所述觀測向量構建第一約束模型，并對所述第一約束模型進行最小化差異求解，得到所述待重構圖像的重構結果。
14、在一些實施方式中，所述確定模塊，還用于：
15、基于所述第一圖像稀疏度估計值，確定對所述第一初始解的第一提取閾值；
16、在所述第一初始解中，按照各子初始解的絕對值確定與所述第一提取閾值數量相等的多個第一解分量；
17、獲取所述多個第一解分量在所述第一初始解中的多個位置索引，并基于所述位置索引，確定所述第一初始解的第一顯著指標集；
18、基于所述顯著指標集，確定所述第一初始解的第一非顯著指標集。
19、在一些實施方式中，所述求解模塊，還用于：
20、對所述第一約束模型進行最小化差異求解，得到第一中間解；
21、獲取所述第一中間解的第二圖像稀疏度估計值；
22、基于所述第二圖像稀疏度估計值確定所述第一中間解中的第二非顯著指標集；其中，所述第二圖像稀疏度估計值小于所述第一提取閾值；
23、基于所述第二非顯著指標集、所述測量矩陣和所述觀測向量構建第二約束模型，并對所述第二約束模型進行最小化差異求解，得到所述待重構圖像的重構結果。
24、在一些實施方式中，所述圖像重構裝置還包括更新模塊，用于：
25、根據所述重構結果和所述多個子矩陣對所述觀測向量進行劃分，得到與所述多個子矩陣對應的多個更新的子分配向量；
26、基于每個子矩陣和每個更新的子分配向量確定對應的更新的子初始解，并將所述多個更新的子初始解進行融合，得到所述待重構圖像對應的第二初始解；
27、獲取所述第二初始解的第三圖像稀疏度估計值，并基于所述第三圖像稀疏度估計值確定所述第二初始解中的第三非顯著指標集；
28、基于所述第三非顯著指標集、所述測量矩陣和所述觀測向量構建第三約束模型，并對所述第三約束模型進行最小化差異求解，得到所述待重構圖像的更新的重構結果；
29、重復根據所述更新的重構結果和所述多個子矩陣對所述觀測向量進行劃分，得到與所述多個子矩陣對應的多個更新的子分配向量；基于每個子矩陣和每個更新的子分配向量確定對應的更新的子初始解，并將所述多個更新的子初始解進行融合，得到所述待重構圖像對應的更新的第二初始解；獲取所述更新的第二初始解的更新的第三圖像稀疏度估計值，并基于所述更新的第三圖像稀疏度估計值確定所述更新的第二初始解中的更新的第三非顯著指標集；基于所述更新的第三非顯著指標集、所述測量矩陣和所述觀測向量構建更新的第三約束模型，并對所述更新的第三約束模型進行最小化差異求解，得到所述待重構圖像的更新的重構結果，直至所述更新的重構結果與上一次的重構結果之間的差值小于預設閾值，將所述更新的重構結果作為所述待重構圖像的重構結果。
30、在一些實施方式中，所述圖像重構裝置還包括重新劃分模塊，用于：
31、根據所述第一初始解中多個無效分量的分布，確定所述第一初始解的聚類系數；
32、當所述聚類系數大于聚類閾值時，基于所述多個無效分量的分布對所述測量矩陣進行重新劃分，得到多個更新的子矩陣；
33、根據所述多個更新的子矩陣對所述觀測向量進行劃分，得到與所述多個更新的子矩陣對應的多個更新的子分配向量；
34、基于每個更新的子矩陣和每個更新的子分配向量確定對應的更新的子初始解，并將所述多個更新的子矩陣和所述多個更新的子分配向量對應的多個更新的子初始解進行融合，得到所述待重構圖像對應的更新的第一初始解。
35、在一些實施方式中，所述劃分模塊，還用于：
36、獲取針對所述待重構圖像預設的參考解，并基于所述參考解確定每個子矩陣對應的初始子分配向量；
37、基于所述觀測向量和多個初始子分配向量，確定首個子分配向量；
38、將所述首個子分配向量加入已分配集合，并基于所述觀測向量、所述已分配集合和所述多個初始子分配向量確本文檔來自技高網...
【技術保護點】
1.一種圖像重構方法，其特征在于，所述方法包括：
2.根據權利要求1所述的圖像重構方法，其特征在于，所述基于所述第一圖像稀疏度估計值確定所述第一初始解中的第一非顯著指標集，包括：
3.根據權利要求2所述的圖像重構方法，其特征在于，所述對所述第一約束模型進行最小化差異求解，得到所述待重構圖像的重構結果，包括：
4.根據權利要求1所述的圖像重構方法，其特征在于，所述對所述第一約束模型進行最小化差異求解，得到所述待重構圖像的重構結果之后，還包括：
5.根據權利要求1所述的圖像重構方法，其特征在于，所述將所述多個子矩陣和所述多個子分配向量對應的多個子初始解進行融合，得到所述待重構圖像對應的第一初始解之后，還包括：
6.根據權利要求1所述的圖像重構方法，其特征在于，所述根據所述多個子矩陣對所述觀測向量進行劃分，得到與所述多個子矩陣對應的多個子分配向量，包括：
7.根據權利要求1所述的圖像重構方法，其特征在于，所述基于所述第一非顯著指標集、所述測量矩陣和所述觀測向量構建第一約束模型，包括：
8.一種圖像重構裝
9.一種計算機設備，其特征在于，所述計算機設備包括存儲器和處理器，所述存儲器存儲有計算機程序，所述處理器執行所述計算機程序時實現權利要求1至7任一項所述的圖像重構方法。
10.一種計算機可讀存儲介質，所述存儲介質存儲有計算機程序，其特征在于，所述計算機程序被處理器執行時實現權利要求1至7任一項所述的圖像重構方法。
...【技術特征摘要】
1.一種圖像重構方法，其特征在于，所述方法包括：
2.根據權利要求1所述的圖像重構方法，其特征在于，所述基于所述第一圖像稀疏度估計值確定所述第一初始解中的第一非顯著指標集，包括：
3.根據權利要求2所述的圖像重構方法，其特征在于，所述對所述第一約束模型進行最小化差異求解，得到所述待重構圖像的重構結果，包括：
4.根據權利要求1所述的圖像重構方法，其特征在于，所述對所述第一約束模型進行最小化差異求解，得到所述待重構圖像的重構結果之后，還包括：
5.根據權利要求1所述的圖像重構方法，其特征在于，所述將所述多個子矩陣和所述多個子分配向量對應的多個子初始解進行融合，得到所述待重構圖像對應的第一初始解之后，還包括：
6.根據...
還沒有人留言評論。發表了對其他瀏覽者有用的留言會獲得科技券。