本發(fā)明屬于計(jì)算機(jī)技術(shù)領(lǐng)域，尤其涉及一種圖像的稀疏重構(gòu)方法及裝置。

背景技術(shù)：

圖像的稀疏重構(gòu)又可稱為圖像的壓縮感知、圖像的壓縮傳感等，是通過(guò)壓縮感知理論開(kāi)發(fā)圖像信號(hào)的稀疏性，使得在圖像的采樣頻率遠(yuǎn)小于傳統(tǒng)奈奎斯特采樣率的條件下依舊能夠精確地重建圖像信號(hào)，因此圖像的稀疏重構(gòu)有效地解決了由于圖像信息量大而導(dǎo)致壓縮過(guò)程中圖像信號(hào)部分丟失、圖像壓縮效率低的問(wèn)題。

目前，研究人員已經(jīng)提出了許多解決在圖像的稀疏重構(gòu)中l(wèi)₀范數(shù)優(yōu)化問(wèn)題的方法，以實(shí)現(xiàn)高效率、高精度的圖像重構(gòu)，這些方法包括Homotopy(同倫法)、BP(誤差反向算法)等，然而，l₀范數(shù)的優(yōu)化過(guò)程尚存在收斂能力不足、易陷入局部最優(yōu)等問(wèn)題，導(dǎo)致圖像重構(gòu)的重構(gòu)精度不佳、且重構(gòu)過(guò)程耗費(fèi)的軟硬件資源較多。

技術(shù)實(shí)現(xiàn)要素：

本發(fā)明的目的在于提供一種圖像的稀疏重構(gòu)方法及裝置，旨在解決由于現(xiàn)有技術(shù)無(wú)法提供一種有效的圖像重構(gòu)方法，導(dǎo)致圖像重構(gòu)精度不佳、且重構(gòu)過(guò)程耗費(fèi)的軟硬件資源較多的問(wèn)題。

一方面，本發(fā)明提供了一種圖像的稀疏重構(gòu)方法，所述方法包括下述步驟：

獲取圖像的壓縮矩陣，確定所述壓縮矩陣中每列數(shù)據(jù)的待優(yōu)化目標(biāo)；

判斷當(dāng)前的優(yōu)化次數(shù)是否超過(guò)預(yù)設(shè)的優(yōu)化閾值；

當(dāng)所述優(yōu)化次數(shù)未超過(guò)所述優(yōu)化閾值時(shí)，對(duì)所述待優(yōu)化目標(biāo)的當(dāng)前解集合進(jìn)行優(yōu)化，更新優(yōu)化次數(shù)，并跳轉(zhuǎn)至判斷當(dāng)前的優(yōu)化次數(shù)是否超過(guò)所述優(yōu)化閾值的步驟，否則，獲取所述待優(yōu)化目標(biāo)的優(yōu)化結(jié)果；

根據(jù)所述所有的優(yōu)化結(jié)果，獲取所述圖像的稀疏系數(shù)矩陣，并根據(jù)預(yù)設(shè)的稀疏基，獲取重構(gòu)的圖像。

另一方面，本發(fā)明提供了一種圖像的稀疏重構(gòu)裝置，所述裝置包括：

優(yōu)化目標(biāo)確定模塊，用于獲取圖像的壓縮矩陣，確定所述壓縮矩陣中每列數(shù)據(jù)的待優(yōu)化目標(biāo)；

判斷模塊，用于判斷當(dāng)前的優(yōu)化次數(shù)是否超過(guò)預(yù)設(shè)的優(yōu)化閾值；

優(yōu)化模塊，用于當(dāng)所述優(yōu)化次數(shù)未超過(guò)所述優(yōu)化閾值時(shí)，對(duì)所述待優(yōu)化目標(biāo)的當(dāng)前解集合進(jìn)行優(yōu)化，更新優(yōu)化次數(shù)，并觸發(fā)所述判斷模塊執(zhí)行判斷當(dāng)前的優(yōu)化次數(shù)是否超過(guò)所述優(yōu)化閾值的操作，否則，獲取所述待優(yōu)化目標(biāo)的優(yōu)化結(jié)果；以及

重構(gòu)圖像獲取模塊，用于根據(jù)所述所有的優(yōu)化結(jié)果，獲取所述圖像的稀疏系數(shù)矩陣，并根據(jù)預(yù)設(shè)的稀疏基，獲取重構(gòu)的圖像。

本發(fā)明根據(jù)信號(hào)的壓縮感知理論，將圖像的重構(gòu)問(wèn)題轉(zhuǎn)換為優(yōu)化問(wèn)題，并通過(guò)圖像的壓縮矩陣，確定了該優(yōu)化問(wèn)題中的待優(yōu)化目標(biāo)，對(duì)該優(yōu)化目標(biāo)進(jìn)行多次的優(yōu)化，根據(jù)優(yōu)化結(jié)果獲得該圖像的稀疏系數(shù)矩陣，得到重構(gòu)后的圖像，從而不僅實(shí)現(xiàn)了圖像的重構(gòu)，而且通過(guò)提高整個(gè)優(yōu)化過(guò)程的收斂速度和收斂能力，有效地降低了圖像重構(gòu)過(guò)程中軟硬件資源的消耗，提高了圖像的重構(gòu)效率和重構(gòu)精度。

附圖說(shuō)明

圖1是本發(fā)明實(shí)施例一提供的一種圖像的稀疏重構(gòu)方法的實(shí)現(xiàn)流程圖；

圖2是本發(fā)明實(shí)施例二提供的一種圖像的稀疏重構(gòu)方法中對(duì)待優(yōu)化目標(biāo)進(jìn)行優(yōu)化的實(shí)現(xiàn)流程圖；

圖3是本發(fā)明實(shí)施例三提供的一種圖像的稀疏重構(gòu)裝置的結(jié)構(gòu)示意圖；以及

圖4是本發(fā)明實(shí)施例四提供的一種圖像的稀疏重構(gòu)裝置中優(yōu)化模塊的結(jié)構(gòu)示意圖。

具體實(shí)施方式

為了使本發(fā)明的目的、技術(shù)方案及優(yōu)點(diǎn)更加清楚明白，以下結(jié)合附圖及實(shí)施例，對(duì)本發(fā)明進(jìn)行進(jìn)一步詳細(xì)說(shuō)明。應(yīng)當(dāng)理解，此處所描述的具體實(shí)施例僅僅用以解釋本發(fā)明，并不用于限定本發(fā)明。

以下結(jié)合具體實(shí)施例對(duì)本發(fā)明的具體實(shí)現(xiàn)進(jìn)行詳細(xì)描述：

實(shí)施例一：

圖1示出了本發(fā)明實(shí)施例一提供的一種圖像的稀疏重構(gòu)方法的實(shí)現(xiàn)流程，為了便于說(shuō)明，僅示出了與本發(fā)明實(shí)施例相關(guān)的部分，詳述如下：

在步驟S101中，獲取圖像的壓縮矩陣，確定壓縮矩陣中每列數(shù)據(jù)的待優(yōu)化目標(biāo)。

在本發(fā)明實(shí)施例中，圖像經(jīng)過(guò)壓縮傳感后得到的多個(gè)觀測(cè)向量可構(gòu)成圖像的壓縮矩陣，在壓縮傳感過(guò)程中，可利用預(yù)設(shè)的稀疏基矩陣B∈R^n×n對(duì)圖像X∈R^n×p進(jìn)行正交變換，使得圖像稀疏化，其中，正交變換的公式可為X＝B·S，S為圖像X在稀疏基矩陣B下的稀疏系數(shù)矩陣，再通過(guò)預(yù)設(shè)的觀測(cè)矩陣A∈R^m×n對(duì)圖像X∈R^n×p稀疏后的每列數(shù)據(jù)進(jìn)行觀測(cè)，得到相應(yīng)的觀測(cè)向量，其中，觀測(cè)的公式可為Y_i＝A·X_i＝A·B·S_i＝M·S_i，Y_i為X稀疏化后第i列數(shù)據(jù)的觀測(cè)向量，M為信息算子。

在獲取到圖像的壓縮矩陣后，可根據(jù)壓縮矩陣中的每列數(shù)據(jù)，確定每列數(shù)據(jù)對(duì)應(yīng)的待優(yōu)化目標(biāo)，進(jìn)而將圖像的重構(gòu)問(wèn)題轉(zhuǎn)換為該待優(yōu)化目標(biāo)的優(yōu)化問(wèn)題。具體地，待優(yōu)化目標(biāo)為l₁范數(shù)，其中，第i列數(shù)據(jù)對(duì)應(yīng)的l₁范數(shù)為λ為預(yù)設(shè)的標(biāo)量權(quán)重。

在步驟S102中，判斷當(dāng)前的優(yōu)化次數(shù)是否超過(guò)預(yù)設(shè)的優(yōu)化閾值。

在本發(fā)明實(shí)施例中，優(yōu)化次數(shù)為對(duì)待優(yōu)化目標(biāo)進(jìn)行優(yōu)化的次數(shù)，優(yōu)化閾值為可對(duì)待優(yōu)化目標(biāo)進(jìn)行優(yōu)化的最大次數(shù)。

具體地，當(dāng)對(duì)待優(yōu)化目標(biāo)進(jìn)行第一次優(yōu)化時(shí)，可預(yù)先設(shè)置優(yōu)化次數(shù)的值為0。

在步驟S103中，當(dāng)優(yōu)化次數(shù)未超過(guò)優(yōu)化閾值時(shí)，對(duì)待優(yōu)化目標(biāo)的當(dāng)前解集合進(jìn)行優(yōu)化，更新優(yōu)化次數(shù)，并跳轉(zhuǎn)至判斷當(dāng)前的優(yōu)化次數(shù)是否超過(guò)預(yù)設(shè)優(yōu)化閾值的步驟，否則，獲取待優(yōu)化目標(biāo)的優(yōu)化結(jié)果。

在本發(fā)明實(shí)施例中，將優(yōu)化次數(shù)與優(yōu)化閾值進(jìn)行比較，當(dāng)優(yōu)化次數(shù)未超過(guò)優(yōu)化閾值時(shí)，可認(rèn)為當(dāng)前優(yōu)化次數(shù)不夠，應(yīng)對(duì)優(yōu)化次數(shù)進(jìn)行加一操作，并繼續(xù)對(duì)待優(yōu)化目標(biāo)進(jìn)行優(yōu)化，當(dāng)優(yōu)化次數(shù)超過(guò)優(yōu)化閾值時(shí)，可認(rèn)為對(duì)待優(yōu)化目標(biāo)的優(yōu)化結(jié)束，應(yīng)獲取相應(yīng)的優(yōu)化結(jié)果。

具體地，可先獲取待優(yōu)化目標(biāo)的當(dāng)前解集合，當(dāng)優(yōu)化次數(shù)為0時(shí)，該當(dāng)前解集合即預(yù)設(shè)的初始解集合，初始解集合中的解可為隨機(jī)值，接著，可根據(jù)優(yōu)化次數(shù)與優(yōu)化閾值的比較結(jié)果，執(zhí)行不同的操作：當(dāng)優(yōu)化次數(shù)未超過(guò)優(yōu)化閾值時(shí)，可對(duì)當(dāng)前解集合中的解進(jìn)行變異、交叉、選擇以及局部搜索操作，得到一個(gè)優(yōu)化后的解集合，并將當(dāng)前解集合更新為該優(yōu)化后的解集合，繼而再次判斷優(yōu)化次數(shù)是否超過(guò)優(yōu)化閾值，如果沒(méi)有則繼續(xù)對(duì)待優(yōu)化目標(biāo)進(jìn)行下一次的優(yōu)化，如此循環(huán)，直到優(yōu)化次數(shù)超過(guò)優(yōu)化閾值。此時(shí)，可計(jì)算當(dāng)前解集合中所有解在待優(yōu)化目標(biāo)的公式中的函數(shù)值，獲取所有函數(shù)值中最小函數(shù)值所對(duì)應(yīng)的解，并將該解確定為待優(yōu)化目標(biāo)的優(yōu)化結(jié)果。

在步驟S104中，根據(jù)所有的優(yōu)化結(jié)果，獲取圖像的稀疏系數(shù)矩陣，并根據(jù)預(yù)設(shè)的稀疏基，獲取重構(gòu)的圖像。

在本發(fā)明實(shí)施例中，圖像壓縮矩陣中每列數(shù)據(jù)的待優(yōu)化目標(biāo)經(jīng)過(guò)優(yōu)化后，都對(duì)應(yīng)著一個(gè)優(yōu)化結(jié)果，將這些優(yōu)化結(jié)果進(jìn)行組合，可得到圖像的稀疏系數(shù)矩陣S，預(yù)設(shè)的稀疏基即步驟S101中提到的稀疏基矩陣B，最終可根據(jù)圖像的原始矩陣等于稀疏系數(shù)矩陣與稀疏基矩陣之積(X＝B·S)，計(jì)算出圖像的原始矩陣，得到重構(gòu)后的圖像。

在本發(fā)明實(shí)施例中，獲取圖像壓縮矩陣中每列數(shù)據(jù)對(duì)應(yīng)的待優(yōu)化目標(biāo)，當(dāng)優(yōu)化次數(shù)未超過(guò)優(yōu)化閾值時(shí)，循環(huán)對(duì)待優(yōu)化目標(biāo)的優(yōu)化操作，具體的優(yōu)化操作包括變異、交叉、選擇以及基于軟閾值迭代局部搜索算法的局部搜索操作，直至優(yōu)化次數(shù)超過(guò)優(yōu)化閾值，最后通過(guò)所有待優(yōu)化目標(biāo)的優(yōu)化結(jié)果，得到圖像的稀疏系數(shù)矩陣，實(shí)現(xiàn)對(duì)圖像的重構(gòu)，從而通過(guò)提高整個(gè)優(yōu)化過(guò)程的收斂速度和收斂能力，有效地降低了圖像重構(gòu)過(guò)程中軟硬件資源的消耗，提高了圖像的重構(gòu)效率和重構(gòu)精度。

實(shí)施例二：

圖2示出了本發(fā)明實(shí)施例二提供的一種圖像的稀疏重構(gòu)方法中對(duì)待優(yōu)化目標(biāo)的當(dāng)前解集合進(jìn)行優(yōu)化的實(shí)現(xiàn)流程，詳述如下：

如實(shí)施例一中描述的，圖像壓縮矩陣中每列數(shù)據(jù)都對(duì)應(yīng)著一個(gè)待優(yōu)化目標(biāo)，在本發(fā)明實(shí)施例中，對(duì)其中任一待優(yōu)化目標(biāo)的優(yōu)化過(guò)程進(jìn)行描述：

在步驟S201中，根據(jù)預(yù)設(shè)的策略概率，在待優(yōu)化目標(biāo)的當(dāng)前解集合中選取預(yù)設(shè)數(shù)量個(gè)當(dāng)前解，并根據(jù)預(yù)設(shè)的多個(gè)變異策略，對(duì)預(yù)設(shè)數(shù)量個(gè)當(dāng)前解中的每個(gè)當(dāng)前x_i進(jìn)行變異。

在本發(fā)明實(shí)施例中，預(yù)先設(shè)置策略概率集合q_g＝{q_1,g,...,q_k,g,...,q_K,g}和多種變異策略，策略概率集合中的q_k,g表示當(dāng)優(yōu)化次數(shù)為g時(shí)第k種變異策略對(duì)應(yīng)的策略概率，在變異操作中，依次采用K種變異策略對(duì)當(dāng)前解集合中預(yù)設(shè)數(shù)量個(gè)解進(jìn)行變異，其中，當(dāng)采用的變異策略不同時(shí)，預(yù)設(shè)數(shù)量可能不同，具體地，當(dāng)在第g次優(yōu)化過(guò)程中采用第k種變異策略進(jìn)行變異操作時(shí)，可從當(dāng)前解集合中選取q_k,g×NP個(gè)當(dāng)前解，并將這q_k,g×NP個(gè)當(dāng)前解中的每個(gè)當(dāng)前解x_i按照第k種變異策略進(jìn)行變異，其中，NP為當(dāng)前解集合中當(dāng)前解的數(shù)目。

具體地，當(dāng)優(yōu)化次數(shù)為0時(shí)或在第一次優(yōu)化過(guò)程中，可對(duì)當(dāng)前解集合隨機(jī)進(jìn)行初始化，并將當(dāng)前解集合中的所有值初始化為K為變異策略的數(shù)目。

在步驟S202中，獲取變異操作后每個(gè)當(dāng)前解x_i對(duì)應(yīng)的變異解x_i'，并根據(jù)預(yù)設(shè)的交叉概率，將當(dāng)前解x_i與變異解x_i'進(jìn)行交叉。

在本發(fā)明實(shí)施例中，在當(dāng)前解x_i采用第k種變異策略變異得到變異解x_i'后，可在預(yù)設(shè)的第k種變異策略的交叉概率集合CR_k＝{CR_k,1,...,CR_k,i,...CR_k,NP}(NP為當(dāng)前解集合中當(dāng)前解的數(shù)目)中獲取第k種變異策略對(duì)應(yīng)當(dāng)前解x_i的交叉概率CR_k,i，并將當(dāng)前解x_i與變異解x_i'按照該交叉概率CR_k,i進(jìn)行交叉，因此根據(jù)當(dāng)前解在變異過(guò)程中采用的變異策略的不同，該當(dāng)前解交叉過(guò)程中的交叉概率也可能不同。

可選地，可預(yù)先設(shè)置總交叉概率集合CR＝{CR₁,...,CR_k,...,CR_K}，CR_k表示第k種變異策略的交叉概率集合，CR_k＝{CR_k,1,...,CR_k,i,...CR_k,NP}，其中，CR_k,i表示第k種變異策略對(duì)應(yīng)當(dāng)前解x_i的交叉概率，當(dāng)優(yōu)化次數(shù)為0或者在第1次優(yōu)化過(guò)程中時(shí)，可初始化K種變異策略的交叉概率集合，其中，CR_k,i可初始化為0。

在步驟S203中，獲取交叉操作后每個(gè)當(dāng)前解x_i對(duì)應(yīng)的交叉解u_i，并將當(dāng)前解x_i的函數(shù)值與交叉解u_i的函數(shù)值進(jìn)行比較，當(dāng)交叉解u_i的函數(shù)值不超過(guò)當(dāng)前解x_i的函數(shù)值時(shí)，將交叉解u_i存儲(chǔ)在預(yù)設(shè)的第一解集合中，否則，將當(dāng)前解x_i存儲(chǔ)在第一解集合中。

在本發(fā)明實(shí)施例中，當(dāng)每個(gè)當(dāng)前解x_i與變異解x_i'交叉后得到交叉解u_i時(shí)，可將當(dāng)前解x_i和交叉解u_i分別代入待優(yōu)化目標(biāo)的公式得到函數(shù)值f(x_i)和函數(shù)值f(u_i)，其中，將函數(shù)值f(x_i)與函數(shù)值f(u_i)進(jìn)行比較，當(dāng)函數(shù)值f(u_i)不超過(guò)函數(shù)值f(u_i)時(shí)，可將交叉解u_i存儲(chǔ)在預(yù)設(shè)的第一解集合中的對(duì)應(yīng)位置處，否則，將當(dāng)前解x_i存儲(chǔ)在該第一解集合中的對(duì)應(yīng)位置處。

可選地，當(dāng)函數(shù)值f(u_i)不超過(guò)函數(shù)值f(u_i)時(shí)，可將當(dāng)前解x_i使用的交叉概率CR_k,i存儲(chǔ)在預(yù)設(shè)的交叉成功概率集合CR_list(k)中，并對(duì)預(yù)設(shè)的第k種策略的進(jìn)化成功次數(shù)ns_k,g進(jìn)行加一操作，否則，對(duì)預(yù)設(shè)的第k種策略的進(jìn)化失敗次數(shù)nf_k,g進(jìn)行加一操作，以便后續(xù)根據(jù)交叉成功概率集合CR_list(k)、第k種策略的進(jìn)化成功次數(shù)ns_k,g以及第k種策略的進(jìn)化失敗次數(shù)nf_k,g等數(shù)據(jù)，對(duì)策略概率和交叉概率進(jìn)行更新操作。

優(yōu)選地，可預(yù)設(shè)設(shè)置學(xué)習(xí)閾值，當(dāng)優(yōu)化次數(shù)超過(guò)學(xué)習(xí)閾值時(shí)，可根據(jù)不同變異策略在優(yōu)化過(guò)程中的貢獻(xiàn)，對(duì)策略概率集合q_g＝{q_1,g,...,q_k,g,...,q_K,g}中的策略概率和總交叉概率集合CR＝{CR₁,...,CR_k,...,CR_K}中K種集合的交叉概率集合進(jìn)行更新，從而實(shí)現(xiàn)對(duì)變異策略的智能選擇，增加了優(yōu)化過(guò)程中解的多樣性，有效地提高了優(yōu)化過(guò)程的收斂速度和收斂能力。

作為示例地，策略概率集合q_g＝{q_1,g,...,q_k,g,...,q_K,g}的q_k,g的更新公式可為：

其中，S_k,g為在優(yōu)化次數(shù)為第g次時(shí)當(dāng)前解集合中的解采用第k種變異策略成功進(jìn)入第一解集合的概率，ε為預(yù)設(shè)參數(shù)。

作為示例地，在對(duì)第k種策略的交叉概率集合CR_k＝{CR_k,1,...,CR_k,i,...CR_k,NP}進(jìn)行更新時(shí)，可通過(guò)下述步驟實(shí)現(xiàn)：

(1)檢測(cè)交叉成功概率集合CR_list(k)是否為空；

(2)當(dāng)交叉成功概率集合CR_list(k)不為空時(shí)，計(jì)算交叉成功概率集合CR_list(k)的中值，將第k種策略的交叉概率集合CR_k＝{CR_k,1,...,CR_k,i,...CR_k,NP}設(shè)置為以該中值為均值、以預(yù)設(shè)常數(shù)為標(biāo)準(zhǔn)差的高斯隨機(jī)值；

(3)當(dāng)交叉成功概率集合CR_list(k)為空時(shí)，獲取高斯隨機(jī)值CRm_k，并將第k種策略的交叉概率集合CR_k＝{CR_k,1,...,CR_k,i,...CR_k,NP}設(shè)置為以高斯隨機(jī)值CRm_k為均值、以預(yù)設(shè)常數(shù)為標(biāo)準(zhǔn)差的高斯隨機(jī)值。

在步驟S204中，根據(jù)預(yù)設(shè)的軟閾值迭代局部搜索算法，對(duì)第一解集合中每個(gè)解進(jìn)行局部搜索，獲取每個(gè)解對(duì)應(yīng)的局部搜索解，并將第一解集合中的解與局部搜索解進(jìn)行比較操作，并將比較后的解存儲(chǔ)在預(yù)設(shè)的第二解集合中。

在本發(fā)明實(shí)施例中，軟閾值迭代局部搜索算法具有較好的局部搜索能力和收斂速度，通過(guò)該局部搜索算法，在第一解集合中進(jìn)行梯度搜索，以得到每個(gè)解對(duì)應(yīng)的局部搜索解，并將該局部搜索解與第一解集合中的解進(jìn)行步驟S203中的函數(shù)比較操作，將比較后的解存儲(chǔ)在預(yù)設(shè)的第二解集合中。

在步驟S205中，將第二解集合確定為待優(yōu)化目標(biāo)的當(dāng)前解集合。

在本發(fā)明實(shí)施例中，待優(yōu)化目標(biāo)的當(dāng)前解集合經(jīng)過(guò)變異、交叉、選擇以及局部搜索后，得到第二解集合，之后，將該第二解集合設(shè)置為待優(yōu)化目標(biāo)的當(dāng)前解集合。

在本發(fā)明實(shí)施例中，對(duì)待優(yōu)化目標(biāo)的當(dāng)前解集合進(jìn)行變異、交叉、選擇，得到第一解集合，接著，采用預(yù)設(shè)的軟閾值迭代收縮局部搜索算法，對(duì)待第一解集合進(jìn)行局部搜索，得到第二解集合，并將第二解集合設(shè)置為待優(yōu)化目標(biāo)的當(dāng)前解集合，從而不僅完成對(duì)待優(yōu)化目標(biāo)的整個(gè)優(yōu)化過(guò)程，而且有效地提高了優(yōu)化過(guò)程的收斂速度和收斂能力。

本領(lǐng)域普通技術(shù)人員可以理解實(shí)現(xiàn)上述實(shí)施例方法中的全部或部分步驟是可以通過(guò)程序來(lái)指令相關(guān)的硬件來(lái)完成，所述的程序可以存儲(chǔ)于一計(jì)算機(jī)可讀取存儲(chǔ)介質(zhì)中，所述的存儲(chǔ)介質(zhì)，如ROM/RAM、磁盤、光盤等。

實(shí)施例三：

圖3示出了本發(fā)明實(shí)施例三提供的一種圖像的稀疏重構(gòu)裝置的結(jié)構(gòu)，為了便于說(shuō)明，僅示出了與本發(fā)明實(shí)施例相關(guān)的部分，其中包括：

優(yōu)化目標(biāo)確定模塊31，用于獲取圖像的壓縮矩陣，確定壓縮矩陣中每列數(shù)據(jù)的待優(yōu)化目標(biāo)。

在本發(fā)明實(shí)施例中，圖像經(jīng)過(guò)壓縮傳感后得到的多個(gè)觀測(cè)向量可構(gòu)成圖像的壓縮矩陣，在壓縮傳感過(guò)程中，可利用預(yù)設(shè)的稀疏基矩陣B∈R^n×n對(duì)圖像X∈R^n×p進(jìn)行正交變換，使得圖像稀疏化，其中，正交變換的公式可為X＝B·S，S為圖像X在稀疏基矩陣B下的稀疏系數(shù)矩陣，再通過(guò)預(yù)設(shè)的觀測(cè)矩陣A∈R^m×n對(duì)圖像X∈R^n×p稀疏后的每列數(shù)據(jù)進(jìn)行觀測(cè)，得到相應(yīng)的觀測(cè)向量，其中，觀測(cè)的公式可為Y_i＝A·X_i＝A·B·S_i＝M·S_i，Y_i為X稀疏化后第i列數(shù)據(jù)的觀測(cè)向量，M為信息算子。

在獲取到圖像的壓縮矩陣后，可根據(jù)壓縮矩陣中的每列數(shù)據(jù)，確定每列數(shù)據(jù)對(duì)應(yīng)的待優(yōu)化目標(biāo)，進(jìn)而將圖像的重構(gòu)問(wèn)題轉(zhuǎn)換為該待優(yōu)化目標(biāo)的優(yōu)化問(wèn)題。具體地，待優(yōu)化目標(biāo)為l₁范數(shù)，其中，第i列數(shù)據(jù)對(duì)應(yīng)的l₁范數(shù)為λ為預(yù)設(shè)的標(biāo)量權(quán)重。

判斷模塊32，用于判斷當(dāng)前的優(yōu)化次數(shù)是否超過(guò)預(yù)設(shè)的優(yōu)化閾值。

在本發(fā)明實(shí)施例中，優(yōu)化次數(shù)為對(duì)待優(yōu)化目標(biāo)進(jìn)行優(yōu)化的次數(shù)，優(yōu)化閾值為可對(duì)待優(yōu)化目標(biāo)進(jìn)行優(yōu)化的最大次數(shù)。

具體地，當(dāng)對(duì)待優(yōu)化目標(biāo)進(jìn)行第一次優(yōu)化時(shí)，可預(yù)先設(shè)置優(yōu)化次數(shù)的值為0。

優(yōu)化模塊33，用于當(dāng)優(yōu)化次數(shù)未超過(guò)優(yōu)化閾值時(shí)，對(duì)待優(yōu)化目標(biāo)的當(dāng)前解集合進(jìn)行優(yōu)化，更新優(yōu)化次數(shù)，并觸發(fā)判斷模塊32執(zhí)行判斷當(dāng)前的優(yōu)化次數(shù)是否超過(guò)優(yōu)化閾值的操作，否則，獲取待優(yōu)化目標(biāo)的優(yōu)化結(jié)果。

在本發(fā)明實(shí)施例中，將優(yōu)化次數(shù)與優(yōu)化閾值進(jìn)行比較，當(dāng)優(yōu)化次數(shù)未超過(guò)優(yōu)化閾值時(shí)，可認(rèn)為當(dāng)前優(yōu)化次數(shù)不夠，應(yīng)對(duì)優(yōu)化次數(shù)進(jìn)行加一操作，并對(duì)待優(yōu)化目標(biāo)進(jìn)行優(yōu)化，當(dāng)優(yōu)化次數(shù)超過(guò)優(yōu)化閾值時(shí)，可認(rèn)為對(duì)待優(yōu)化目標(biāo)的優(yōu)化結(jié)束，應(yīng)獲取相應(yīng)的優(yōu)化結(jié)果。

具體地，可先獲取待優(yōu)化目標(biāo)的當(dāng)前解集合，當(dāng)優(yōu)化次數(shù)為0時(shí)，該當(dāng)前解集合即預(yù)設(shè)的初始解集合，初始解集合中的解可為隨機(jī)值，接著，可根據(jù)優(yōu)化次數(shù)與優(yōu)化閾值的比較結(jié)果，執(zhí)行不同的操作：當(dāng)優(yōu)化次數(shù)未超過(guò)優(yōu)化閾值時(shí)，可對(duì)當(dāng)前解集合中的解進(jìn)行變異、交叉、選擇以及局部搜索操作，得到一個(gè)優(yōu)化后的解集合，并將當(dāng)前解集合更新為該優(yōu)化后的解集合，繼而再次判斷優(yōu)化次數(shù)是否超過(guò)優(yōu)化閾值，如果沒(méi)有則繼續(xù)對(duì)待優(yōu)化目標(biāo)進(jìn)行下一次的優(yōu)化，如此循環(huán)，直到優(yōu)化次數(shù)超過(guò)優(yōu)化閾值。此時(shí)，可計(jì)算當(dāng)前解集合中所有解在待優(yōu)化目標(biāo)的公式中的函數(shù)值，獲取所有函數(shù)值中最小函數(shù)值所對(duì)應(yīng)的解，并將該解確定為待優(yōu)化目標(biāo)的優(yōu)化結(jié)果。

重構(gòu)圖像獲取模塊34，用于根據(jù)所有的優(yōu)化結(jié)果，獲取圖像的稀疏系數(shù)矩陣，并根據(jù)預(yù)設(shè)的稀疏基，獲取重構(gòu)的圖像。

在本發(fā)明實(shí)施例中，圖像壓縮矩陣中每列數(shù)據(jù)的待優(yōu)化目標(biāo)經(jīng)過(guò)優(yōu)化后，都對(duì)應(yīng)著一個(gè)優(yōu)化結(jié)果，因此，將這些優(yōu)化結(jié)果進(jìn)行組合，可得到圖像的稀疏系數(shù)矩陣S，預(yù)設(shè)的稀疏基即優(yōu)化目標(biāo)確定模塊31中提到的稀疏基矩陣B，最終可根據(jù)圖像的原始矩陣等于稀疏系數(shù)矩陣與稀疏基矩陣之積(X＝B·S)，計(jì)算出圖像的原始矩陣，得到重構(gòu)后的圖像。

在本發(fā)明實(shí)施例中，獲取圖像壓縮矩陣中每列數(shù)據(jù)對(duì)應(yīng)的待優(yōu)化目標(biāo)，當(dāng)優(yōu)化次數(shù)未超過(guò)優(yōu)化閾值時(shí)，循環(huán)對(duì)待優(yōu)化目標(biāo)的優(yōu)化操作，具體的優(yōu)化操作包括變異、交叉、選擇以及基于軟閾值迭代局部搜索算法的局部搜索操作，直至優(yōu)化次數(shù)超過(guò)優(yōu)化閾值，最后通過(guò)所有待優(yōu)化目標(biāo)的優(yōu)化結(jié)果，得到圖像的稀疏系數(shù)矩陣，實(shí)現(xiàn)對(duì)圖像的重構(gòu)，從而通過(guò)提高整個(gè)優(yōu)化過(guò)程的收斂速度和收斂能力，有效地降低了圖像重構(gòu)過(guò)程中軟硬件資源的消耗，提高了圖像的重構(gòu)效率和重構(gòu)精度。

實(shí)施例四：

圖4示出了本發(fā)明實(shí)施例四提供的一種圖像的稀疏重構(gòu)裝置中優(yōu)化模塊的結(jié)構(gòu)，為了便于說(shuō)明，僅示出了與本發(fā)明實(shí)施例相關(guān)的部分，其中包括：

如實(shí)施例三中描述的，圖像壓縮矩陣中每列數(shù)據(jù)都對(duì)應(yīng)著一個(gè)待優(yōu)化目標(biāo)，在本發(fā)明實(shí)施例中，對(duì)優(yōu)化模塊中33中對(duì)其中任一個(gè)待優(yōu)化目標(biāo)的優(yōu)化操作進(jìn)行描述：

變異模塊41，用于根據(jù)預(yù)設(shè)的策略概率，在待優(yōu)化目標(biāo)的當(dāng)前解集合中選取預(yù)設(shè)數(shù)量個(gè)當(dāng)前解，并根據(jù)預(yù)設(shè)的多個(gè)變異策略，對(duì)預(yù)設(shè)數(shù)量個(gè)當(dāng)前解中的每個(gè)當(dāng)前x_i進(jìn)行變異。

在本發(fā)明實(shí)施例中，預(yù)先設(shè)置策略概率集合q_g＝{q_1,g,...,q_k,g,...,q_K,g}和多種變異策略，策略概率集合中的q_k,g表示當(dāng)優(yōu)化次數(shù)為g時(shí)第k種變異策略對(duì)應(yīng)的策略概率，在變異操作中，依次采用K種變異策略對(duì)當(dāng)前解集合中預(yù)設(shè)數(shù)量個(gè)解進(jìn)行變異，其中，當(dāng)采用的變異策略不同時(shí)，預(yù)設(shè)數(shù)量可能不同，具體地，當(dāng)在第g次優(yōu)化過(guò)程中采用第k種變異策略進(jìn)行變異操作時(shí)，可從當(dāng)前解集合中選取q_k,g×NP個(gè)當(dāng)前解，并將這q_k,g×NP個(gè)當(dāng)前解中的每個(gè)當(dāng)前解x_i按照第k種變異策略進(jìn)行變異，其中，NP為當(dāng)前解集合中當(dāng)前解的數(shù)目。

具體地，當(dāng)優(yōu)化次數(shù)為0時(shí)或在第一次優(yōu)化過(guò)程中，可對(duì)當(dāng)前解集合隨機(jī)進(jìn)行初始化，并將當(dāng)前解集合中的所有值初始化為K為變異策略的數(shù)目。

交叉模塊42，用于獲取變異操作后每個(gè)當(dāng)前解x_i對(duì)應(yīng)的變異解x_i'，并根據(jù)預(yù)設(shè)的交叉概率，將當(dāng)前解x_i與變異解x_i'進(jìn)行交叉。

在本發(fā)明實(shí)施例中，在當(dāng)前解x_i采用第k種變異策略變異得到變異解x_i'后，可在預(yù)設(shè)的第k種變異策略的交叉概率集合CR_k＝{CR_k,1,...,CR_k,i,...CR_k,NP}(NP為當(dāng)前解集合中當(dāng)前解的數(shù)目)中獲取第k種變異策略對(duì)應(yīng)當(dāng)前解x_i的交叉概率CR_k,i，并將當(dāng)前解x_i與變異解x_i'按照該交叉概率CR_k,i進(jìn)行交叉，因此根據(jù)當(dāng)前解在變異過(guò)程中采用的變異策略的不同，該當(dāng)前解交叉過(guò)程中的交叉概率也可能不同。

可選地，可預(yù)先設(shè)置總交叉概率集合CR＝{CR₁,...,CR_k,...,CR_K}，CR_k表示第k種變異策略的交叉概率集合，CR_k＝{CR_k,1,...,CR_k,i,...CR_k,NP}，其中，CR_k,i表示第k種變異策略對(duì)應(yīng)當(dāng)前解x_i的交叉概率，當(dāng)優(yōu)化次數(shù)為0或者在第1次優(yōu)化過(guò)程中時(shí)，可初始化K種變異策略的交叉概率集合，其中，CR_k,i可初始化為0。

選擇模塊43，用于獲取交叉操作后每個(gè)當(dāng)前解x_i對(duì)應(yīng)的交叉解u_i，并將當(dāng)前解x_i的函數(shù)值與交叉解u_i的函數(shù)值進(jìn)行比較，當(dāng)交叉解u_i的函數(shù)值不超過(guò)當(dāng)前解x_i的函數(shù)值時(shí)，將交叉解u_i存儲(chǔ)在預(yù)設(shè)的第一解集合中，否則，將當(dāng)前解x_i存儲(chǔ)在第一解集合中。

在本發(fā)明實(shí)施例中，當(dāng)每個(gè)當(dāng)前解x_i與變異解x_i'交叉后得到交叉解u_i時(shí)，可將當(dāng)前解x_i和交叉解u_i分別代入待優(yōu)化目標(biāo)的公式得到函數(shù)值f(x_i)和函數(shù)值f(u_i)，其中，將函數(shù)值f(x_i)與函數(shù)值f(u_i)進(jìn)行比較，當(dāng)函數(shù)值f(u_i)不超過(guò)函數(shù)值f(u_i)時(shí)，可將交叉解u_i存儲(chǔ)在預(yù)設(shè)的第一解集合中的對(duì)應(yīng)位置處，否則，將當(dāng)前解x_i存儲(chǔ)在該第一解集合中的對(duì)應(yīng)位置處。

可選地，當(dāng)函數(shù)值f(u_i)不超過(guò)函數(shù)值f(u_i)時(shí)，可將當(dāng)前解x_i使用的交叉概率CR_k,i存儲(chǔ)在預(yù)設(shè)的交叉成功概率集合CR_list(k)中，并對(duì)預(yù)設(shè)的第k種策略的進(jìn)化成功次數(shù)ns_k,g進(jìn)行加一操作，否則，對(duì)預(yù)設(shè)的第k種策略的進(jìn)化失敗次數(shù)nf_k,g進(jìn)行加一操作，以便后續(xù)根據(jù)交叉成功概率集合CR_list(k)、第k種策略的進(jìn)化成功次數(shù)ns_k,g以及第k種策略的進(jìn)化失敗次數(shù)nf_k,g等數(shù)據(jù)，對(duì)策略概率和交叉概率進(jìn)行更新操作。

局部搜索模塊44，用于根據(jù)預(yù)設(shè)的軟閾值迭代局部搜索算法，對(duì)第一解集合中每個(gè)解進(jìn)行局部搜索，獲取每個(gè)解對(duì)應(yīng)的局部搜索解，并將第一解集合中的解與局部搜索解進(jìn)行比較操作，并將比較后的解存儲(chǔ)在預(yù)設(shè)的第二解集合中。

在本發(fā)明實(shí)施例中，軟閾值迭代局部搜索算法具有較好的局部搜索能力和收斂速度，通過(guò)該局部搜索算法，在第一解集合中進(jìn)行梯度搜索，以得到每個(gè)解對(duì)應(yīng)的局部搜索解，并將該局部搜索解與第一解集合中的解進(jìn)行選擇模塊33中的函數(shù)比較操作，將比較后的解存儲(chǔ)在預(yù)設(shè)的第二解集合中。

解集合更新模塊45，用于將第二解集合確定為待優(yōu)化目標(biāo)的當(dāng)前解集合。

在本發(fā)明實(shí)施例中，待優(yōu)化目標(biāo)的當(dāng)前解集合經(jīng)過(guò)變異、交叉、選擇以及局部搜索后，得到第二解集合，之后，將該第二解集合設(shè)置為待優(yōu)化目標(biāo)的當(dāng)前解集合。

優(yōu)選地，優(yōu)化模塊還包括概率更新模塊46，其中：

概率更新模塊46，用于當(dāng)優(yōu)化次數(shù)超過(guò)預(yù)設(shè)的學(xué)習(xí)閾值時(shí)，更新策略概率和交叉概率。

優(yōu)選地，可預(yù)設(shè)設(shè)置學(xué)習(xí)閾值，當(dāng)優(yōu)化次數(shù)超過(guò)學(xué)習(xí)閾值時(shí)，可根據(jù)不同變異策略在優(yōu)化過(guò)程中的貢獻(xiàn)，對(duì)策略概率集合q_g＝{q_1,g,...,q_k,g,...,q_K,g}中的策略概率和總交叉概率集合CR＝{CR₁,...,CR_k,...,CR_K}中K種集合的交叉概率集合進(jìn)行更新，從而實(shí)現(xiàn)對(duì)變異策略的智能選擇，增加了優(yōu)化過(guò)程中解的多樣性，有效地提高了優(yōu)化過(guò)程的收斂速度和收斂能力。

作為示例地，策略概率集合q_g＝{q_1,g,...,q_k,g,...,q_K,g}的q_k,g的更新公式可為：

其中，S_k,g為在優(yōu)化次數(shù)為第g次時(shí)當(dāng)前解集合中的解采用第k種變異策略成功進(jìn)入第一解集合的概率，ε為預(yù)設(shè)參數(shù)。

作為示例地，第k種策略的交叉概率集合CR_k＝{CR_k,1,...,CR_k,i,...CR_k,NP}的更新步驟可為：

(1)檢測(cè)交叉成功概率集合CR_list(k)是否為空；

(2)當(dāng)交叉成功概率集合CR_list(k)不為空時(shí)，計(jì)算交叉成功概率集合CR_list(k)的中值，將第k種策略的交叉概率集合CR_k＝{CR_k,1,...,CR_k,i,...CR_k,NP}設(shè)置為以該中值為均值、以預(yù)設(shè)常數(shù)為標(biāo)準(zhǔn)差的高斯隨機(jī)值；

(3)當(dāng)交叉成功概率集合CR_list(k)為空時(shí)，獲取高斯隨機(jī)值CRm_k，并將第k種策略的交叉概率集合CR_k＝{CR_k,1,...,CR_k,i,...CR_k,NP}設(shè)置為以高斯隨機(jī)值CRm_k為均值、以預(yù)設(shè)常數(shù)為標(biāo)準(zhǔn)差的高斯隨機(jī)值。

在本發(fā)明實(shí)施例中，對(duì)待優(yōu)化目標(biāo)的當(dāng)前解集合進(jìn)行變異、交叉、選擇，得到第一解集合，接著，采用預(yù)設(shè)的軟閾值迭代收縮局部搜索算法，對(duì)待第一解集合進(jìn)行局部搜索，得到第二解集合，并將第二解集合設(shè)置為待優(yōu)化目標(biāo)的當(dāng)前解集合，從而不僅完成對(duì)待優(yōu)化目標(biāo)的整個(gè)優(yōu)化過(guò)程，而且有效地提高了優(yōu)化過(guò)程的收斂速度和收斂能力。

在本發(fā)明實(shí)施例中，圖像的稀疏重構(gòu)裝置的各模塊可由相應(yīng)的硬件或軟件模塊實(shí)現(xiàn)，各模塊可以為獨(dú)立的軟、硬件模塊，也可以集成為一個(gè)軟、硬件模塊，在此不用以限制本發(fā)明。

以上所述僅為本發(fā)明的較佳實(shí)施例而已，并不用以限制本發(fā)明，凡在本發(fā)明的精神和原則之內(nèi)所作的任何修改、等同替換和改進(jìn)等，均應(yīng)包含在本發(fā)明的保護(hù)范圍之內(nèi)。