公开(公告)号：CN110113607A

公开(公告)日：2019-08-09

申请号：CN201910336663.3

申请日：2019-04-25

Applicant: 长沙理工大学

Inventor： 宋云 ,  章登勇 ,  邓泽林 ,  余飞 ,  梁惠 ,  兰林涛

IPC: H04N19/132 ,  H04N19/177 ,  H04N19/19 ,  H04N19/42 ,  H04N19/597

Abstract: 本发明涉及一种基于局部与非局部约束的压缩感知视频重建方法，在压缩感知重建视频模型中引入局部与非局部约束，利用基于图像帧最小全变差(Total Variation,TV)约束和基于序列时空相似块矩阵的低秩约束，引导优化模型的解趋向三维视频序列的固有特征。优化问题求解过程中首先采用传统方法进行对视频中每帧图像压缩感知图像进行重建，得到的图像帧的一个初始估计，然后引入辅助变量并将问题分解为一个TV优化子问题和一个低秩优化子问题，交替求解，并在内循环中进一步地将TV子问题和低秩优化子问题分解为可微的和求解的部分分别求解。由于发明的方法充分考虑了图像帧的时空局部与非局部特征，因而提高了图像的重建质量。

公开(公告)号：CN110113607B

公开(公告)日：2022-02-01

申请号：CN201910336663.3

申请日：2019-04-25

Applicant: 长沙理工大学

Inventor： 宋云 ,  章登勇 ,  邓泽林 ,  余飞 ,  梁惠 ,  兰林涛

IPC: H04N19/132 ,  H04N19/177 ,  H04N19/19 ,  H04N19/42 ,  H04N19/597

Abstract: 本发明涉及一种基于局部与非局部约束的压缩感知视频重建方法，在压缩感知重建视频模型中引入局部与非局部约束，利用基于图像帧最小全变差(Total Variation,TV)约束和基于序列时空相似块矩阵的低秩约束，引导优化模型的解趋向三维视频序列的固有特征。优化问题求解过程中首先采用传统方法进行对视频中每帧图像压缩感知图像进行重建，得到的图像帧的一个初始估计，然后引入辅助变量并将问题分解为一个TV优化子问题和一个低秩优化子问题，交替求解，并在内循环中进一步地将TV子问题和低秩优化子问题分解为可微的和求解的部分分别求解。由于发明的方法充分考虑了图像帧的时空局部与非局部特征，因而提高了图像的重建质量。