本发明涉及图像处理，特别是涉及一种图像反演方法、一种图像反演装置、一种电子设备以及一种计算机可读介质。
背景技术：
1、激光驱动惯性约束聚变(inertial confinement fusion,icf)是可控核聚变中一个极具挑战性的研究领域，icf实验中面临着许多问题，而诊断技术是推动进展的重要研究方向。其中，成像型任意反射面速度干涉仪(velocity interferometer system for anyreflector,visar)是记录icf所产生冲击波信息的基本设备，其成像记录设备一般为条纹相机或分幅相机。其中，使用分幅相机的2d-visar仅提供几个具有低时间分辨率ns尺度的二维条纹图像，无法连续记录整个过程。使用条纹相机的线成像visar具有更高的时间分辨率ps尺度，但由于条纹相机的特性，如果条纹相机的狭缝完全打开以记录2d速度，则记录屏幕ccd上检测到的不同周期条纹图像将重叠，导致信息错误。因此，它通常用于检测激光驱动冲击波速度作为时间函数的一维空间信息。尽管最新的线成像和取景平面成像速度干涉仪的干涉条纹可以通过条纹相机和分幅相机进行测量，但它仍然很难以高时间分辨率获得冲击波速度的二维信息。
2、2019年有人提出通过耦合线成像visar和压缩超快成像(compressed ultrafastphotography,cup)得到cup-visar系统，其成像方式是以明显低于奈奎斯特采样定理的采样率对原始信号进行采样，形成具备高时间分辨率的二维压缩图像；再进一步，通过反演算法实现对观测信息的重建。
3、近年有人基于cup-visar系统，提出基于全变分(total variation,tv)约束gap快速反演方法。其中，主流的反演算法有基于全变约束的二步迭代收缩/阈值(two-stepiterative shrinkage/thresholding,twist)法、基于全变分约束的广义交替投影(generalized alternating projection,gap)法以及基于全变分与低秩约束的交替方向乘子法(alternating direction method of multipliers，admm)等。
4、然而，目前，cup-visar二维压缩图像的反演质量不高、精度较低，主要存在以下几个缺点：
5、a.在cup-visar测量过程中存在信息丢失、噪声污染等因素，使得所得观测压缩图像的高空间分辨不佳；
6、b.在算法中对噪声污染的去噪处理有利于增强算法抗噪性，但易丢失图像细节；
7、c.tv-twist(基于全变分约束的twist)算法易受正则化参数影响，导致反演效果不稳定；
8、d.二维观测图像每一帧之间都存在时间维度上的关联，但以往算法没有针对该特征信息进行提取和利用。
技术实现思路
1、鉴于上述问题，提出了本发明以便提供一种克服上述问题或者至少部分地解决上述问题的一种图像反演方法和相应的一种图像反演装置、一种电子设备以及一种计算机可读介质。
2、本发明公开了一种图像反演方法，所述方法包括：
3、采用cup-visar系统对观测信号进行采样，得到二维压缩观测图像；
4、根据所述二维压缩观测图像，以低秩先验项、全变分先验项、卡尔曼预测先验项、帧间预测先验项作为约束，构建基于即插即用广义交替投影框架的图像反演数学模型；
5、将所述图像反演数学模型分解为关于待求值和辅助变量的两个优化子问题，交替更新待求值和辅助变量，直至达到迭代终止条件则停止交替更新，输出更新后的待求值，得到干涉条纹图像。
6、可选地，采用cup-visar系统对观测信号进行采样，得到二维压缩观测图像，包括：
7、visar系统携带靶面信息发生干涉在成像平面处形成干涉条纹图像，得到干涉条纹图像的观测信号；
8、将干涉条纹图像的观测信号输入cup系统，cup系统中的数字微镜器件对干涉条纹图像进行编码，得到编码图像；
9、编码图像进入条纹相机后，条纹相机对所述编码图像进行剪切和叠加，生成二维压缩观测图像。
10、可选地，所述二维压缩观测图像表示为：
11、y＝tsci
12、式中，i为像素大小为m×n×k的干涉条纹图像、y为通过条纹相机记录的二维压缩观测图像，其大小为(m+k-1)×n、t为时空积分算子、s为时间剪切算子、c为空间码掩膜算子。
13、可选地，根据所述二维压缩观测图像，以低秩先验项、全变分先验项、卡尔曼预测先验项、帧间预测先验项作为约束，构建基于即插即用广义交替投影框架的图像反演数学模型，包括：
14、将所述二维压缩观测图像的表达式添加待求值的先验约束转换为：
15、
16、s.t.y＝tsci
17、以低秩先验项、全变分先验项、卡尔曼预测先验项、帧间预测先验项作为约束，得到：
18、minλ||i||tv+τrrank(i)
19、s.t.y＝tsci、i＝γkalman(i)、i＝λinterframe(i)
20、其中，i表示干涉条纹图像，为待求值；λ和τ代表大于0的拉格朗日乘子；||i||tv是全变分去噪算子，rrank(i)是低秩函数算子，γkalman(i)是卡尔曼预测算子，λinterframe(i)是帧间预测算子；
21、将即插即用广义交替投影框架应用到上式，并引入辅助变量u，得到基于即插即用广义交替投影框架的图像反演数学模型：
22、
23、其中，argmin{·}为目标面积最小化时的变量值，η是调节参数，||·||*代表核范数。
24、可选地，将所述图像反演数学模型分解为关于待求值和辅助变量的两个优化子问题表示为：
25、待求值的优化表示式：
26、
27、辅助变量的优化表示式：
28、
29、可选地，卡尔曼预测先验项的确定过程为：
30、将当前迭代次数的每一帧二维压缩观测图像按列展开生成每一帧二维压缩观测图像的一维信号；
31、对所述每一帧二维压缩观测图像的一维信号进行卡尔曼预测，得到每一帧二维压缩观测图像在下一次迭代次数的一维信号预测值；
32、将每一帧二维压缩观测图像在下一次迭代次数的一维信号预测值重构为卡尔曼预测的二维压缩观测图像。
33、可选地，帧间预测先验项的确定过程为：
34、通过分析同一次迭代中前后两帧二维压缩观测图像每一行条纹的相位差，确定前后两帧二维压缩观测图像每一行条纹的位移像素差。
35、将前帧二维压缩观测图像的每一行条纹拟合到余弦曲线，得到前帧二维压缩观测图像每一行条纹的余弦函数；
36、利用所述前帧二维压缩观测图像每一行条纹的余弦函数和所述前后两帧二维压缩观测图像每一行条纹的位移像素差，生成预测的条纹序列；
37、按照后帧二维压缩观测图像每一行条纹的长度，从预测的像素值序列中提取所述后帧二维压缩观测图像的每一行条纹，并拼接为预测的后帧二维压缩观测图像。
38、本发明还公开了一种图像反演装置，所述装置包括：
39、二维压缩观测图像采集模块，用于采用cup-visar系统对观测信号进行采样，得到二维压缩观测图像；
40、图像反演数学模型构建模块，用于根据所述二维压缩观测图像，以低秩先验项、全变分先验项、卡尔曼预测先验项、帧间预测先验项作为约束，构建基于即插即用广义交替投影框架的图像反演数学模型；
41、模型求解模块，用于将所述图像反演数学模型分解为关于待求值和辅助变量的两个优化子问题，交替更新待求值和辅助变量，直至达到迭代终止条件则停止交替更新，输出更新后的待求值，得到干涉条纹图像。
42、可选地，所述二维压缩观测图像采集模块，包括：
43、观测信号生成子模块，用于visar系统携带靶面信息发生干涉在成像平面处形成干涉条纹图像，得到干涉条纹图像的观测信号；
44、编码子模块，用于将干涉条纹图像的观测信号输入cup系统，cup系统中的数字微镜器件对干涉条纹图像进行编码，得到编码图像；
45、二维压缩观测图像生成子模块，用于编码图像进入条纹相机后，条纹相机对所述编码图像进行剪切和叠加，生成二维压缩观测图像。
46、可选地，所述二维压缩观测图像表示为：
47、y＝tsci
48、式中，i为像素大小为m×n×k的干涉条纹图像、y为通过条纹相机记录的二维压缩观测图像，其大小为(m+k-1)×n、t为时空积分算子、s为时间剪切算子、c为空间码掩膜算子。
49、可选地，所述图像反演数学模型构建模块，包括：
50、待求值表达式构建子模块，用于将所述二维压缩观测图像的表达式添加待求值的先验约束转换为：
51、
52、s.t.y＝tsci
53、先验项约束子模块，用于以低秩先验项、全变分先验项、卡尔曼预测先验项、帧间预测先验项作为约束，得到：
54、minλ||i||tv+τrrank(i)
55、s.t.y＝tsci、i＝γkalman(i)、i＝λinterframe(i)
56、其中，i表示干涉条纹图像，为待求值；λ和τ代表大于0的拉格朗日乘子；||i||tv是全变分去噪算子，rrank(i)是低秩函数算子，γkalman(i)是卡尔曼预测算子，λinterframe(i)是帧间预测算子；
57、图像反演数学模型构建子模块，用于将即插即用广义交替投影框架应用到上式，并引入辅助变量u，得到基于即插即用广义交替投影框架的图像反演数学模型：
58、
59、其中，argmin{·}为目标面积最小化时的变量值，η是调节参数，‖·‖*代表核范数。
60、可选地，将所述图像反演数学模型分解为关于待求值和辅助变量的两个优化子问题表示为：
61、待求值的优化表示式：
62、
63、辅助变量的优化表示式：
64、
65、可选地，所述图像反演装置还包括：
66、一维信号转换模块，用于将当前迭代次数的每一帧二维压缩观测图像按列展开生成每一帧二维压缩观测图像的一维信号；
67、一维信号预测模块，用于对所述每一帧二维压缩观测图像的一维信号进行卡尔曼预测，得到每一帧二维压缩观测图像在下一次迭代次数的一维信号预测值；
68、卡尔曼预测图像重构模块，用于将每一帧二维压缩观测图像在下一次迭代次数的一维信号预测值重构为卡尔曼预测的二维压缩观测图像。
69、可选地，所述图像反演装置还包括：
70、位移像素差确定模块，用于通过分析同一次迭代中前后两帧二维压缩观测图像每一行条纹的相位差，确定前后两帧二维压缩观测图像每一行条纹的位移像素差。
71、拟合模块，用于将前帧二维压缩观测图像的每一行条纹拟合到余弦曲线，得到前帧二维压缩观测图像每一行条纹的余弦函数；
72、后帧预测模块，用于利用所述前帧二维压缩观测图像每一行条纹的余弦函数和所述前后两帧二维压缩观测图像每一行条纹的位移像素差，生成预测的条纹序列；
73、后帧生成模块，用于按照后帧二维压缩观测图像每一行条纹的长度，从预测的像素值序列中提取所述后帧二维压缩观测图像的每一行条纹，并拼接为预测的后帧二维压缩观测图像。
74、本发明还公开了一种电子设备，包括处理器、通信接口、存储器和通信总线，其中，所述处理器、所述通信接口以及所述存储器通过所述通信总线完成相互间的通信；
75、所述存储器，用于存放计算机程序；
76、所述处理器，用于执行存储器上所存放的程序时，实现如本发明所述的图像反演方法。
77、本发明还公开了一个或多个计算机可读介质，其上存储有指令，当由一个或多个处理器执行时，使得所述处理器执行如本发明所述的图像反演方法。
78、本发明包括以下优点：
79、本发明的图像反演方法，通过采用cup-visar系统对观测信号进行采样得到二维压缩观测图像，根据二维压缩观测图像，以低秩先验项、全变分先验项、卡尔曼预测先验项、帧间预测先验项作为约束，构建基于即插即用广义交替投影框架的图像反演数学模型，将图像反演数学模型分解为关于待求值和辅助变量的两个优化子问题，交替更新待求值和辅助变量，直至达到迭代终止条件则停止交替更新，输出更新后的待求值，得到干涉条纹图像。本发明巧妙融合低秩先验、全变分先验、卡尔曼预测先验以及帧间预测先验等多维度约束条件重建图像，有效抑制了噪声干扰以及增强了图像恢复的准确性和鲁棒性，确保重建的图像边缘更清晰、更连续，具有较高的精度。并且重建图像的图像反演数学模型是基于即插即用的广义交替投影框架构建，使得图像反演数学模型具备即插即用特性，有效地提高反演效率，并且也可以根据具体需求灵活调整先验项和约束条件。
1.一种图像反演方法，其特征在于，所述方法包括：
2.根据权利要求1所述的方法，其特征在于，采用cup-visar系统对观测信号进行采样，得到二维压缩观测图像，包括：
3.根据权利要求1所述的方法，其特征在于，所述二维压缩观测图像表示为：
4.根据权利要求3所述的方法，其特征在于，根据所述二维压缩观测图像，以低秩先验项、全变分先验项、卡尔曼预测先验项、帧间预测先验项作为约束，构建基于即插即用广义交替投影框架的图像反演数学模型，包括：
5.根据权利要求4所述的方法，其特征在于，将所述图像反演数学模型分解为关于待求值和辅助变量的两个优化子问题表示为：
6.根据权利要求1所述的方法，其特征在于，卡尔曼预测先验项的确定过程为：
7.根据权利要求1所述的方法，其特征在于，帧间预测先验项的确定过程为：
8.一种图像反演装置，其特征在于，所述装置包括：
9.一种电子设备，其特征在于，包括处理器、通信接口、存储器和通信总线，其中，所述处理器、所述通信接口以及所述存储器通过所述通信总线完成相互间的通信；
10.一个或多个计算机可读介质，其上存储有指令，当由一个或多个处理器执行时，使得所述处理器执行如权利要求1-7任一项所述的图像反演方法。
