一种面向量化分块压缩感知的螺旋式逐块测量值预测方法技术

本发明专利技术涉及一种面向量化分块压缩感知的螺旋式逐块测量值预测方法，包括以下步骤：按照螺旋次序，依次对当前第i个图像块xi进行独立观测得到当前图像块的测量值，其中，每个图像块均使用相同的观测矩阵；根据当前图像块的螺旋次序，对测量值执行测量值的多方向预测，得到最优的预测残差；对当前图像块最优的预测残差进行量化输出，获得量化值；对量化分块压缩感知系统的测量端的量化值进行反量化，得到当前图像块的重构残差；将重构残差与候选块的重构测量值相加得到当前图像块的重构测量值，随后进行缓存，为后续图像块的测量值预测做准备。本发明专利技术能够提高QBCS的整体率失真性能。

【技术实现步骤摘要】
一种面向量化分块压缩感知的螺旋式逐块测量值预测方法
本专利技术涉及图像压缩感知
，特别是涉及一种面向量化分块压缩感知的螺旋式逐块测量值预测方法。
技术介绍
压缩感知技术突破了奈奎斯特采样定律的限制，使得以欠奈奎斯特速率采样的信号仍然可以有效的恢复，大大降低了采集和处理的复杂度。在图像压缩感知中，观测获取的降维信号在信息论意义下并没有充分去除冗余，有必要对压缩感知的测量值进行预测与量化。作为一种典型的图像压缩感知系统，量化分块压缩感知(QuantizedBlockCompressiveSensing,简称“QBCS”)将图像划分成大小相同的若干块，每个块包含水平和垂直方向的多个连续像素，然后按序逐块采用相同的观测矩阵对图像块进行独立的压缩采样，即对每个块进行等采样率的测量，然后预测和量化编码，测量端无需进行耗时的两次观测。在QBCS的测量端和重构端，观测矩阵的规模不再随着目标图像的增大而增大，降低了计算和存储成本，为实时传输高分辨率图像提供了可行方案。若需要对整幅图像的压缩比进行调整，只需要对观测矩阵的采样率进行调整，避免了大尺度地改变观测矩阵，为硬件设计提供了便利。与HEVC等图像编码相比，QBCS在率失真性能上的损失较为严重，在观测矩阵不宜改变的前提下，QBCS需要通过改进测量值的预测或量化机制提高率失真性能。虽然分块操作提高了图像处理的实时性，并减小了重构的复杂度，但是分块操作忽略了块与块之间的空域冗余，尤其对于大面积的背景区域，相邻块之间的测量值差异并不大。受到图像编码帧内预测的启发，若能在QBCS量化之前，消除相邻块测量值之间的相关性，那么率失真性能将得到提升。由于QBCS在分块采样时使用相同的观测矩阵，若当前图像块的原始像素与相邻已编码块的原始像素相关性较强，那么进行线性投影至低维空间后所得测量值的相关性依然较强。QBCS测量值预测是指在获得当前图像块的测量值之后，利用已编码的邻域块对当前图像块的测量值进行预测，然后对残差进行量化和熵编码，以减少码流冗余度。针对QBCS系统，现有的测量值预测方法通过执行前后块或上下块的差分预测过程，在观测域对当前图像块进行预测，并对实际测量值与预测值的残差进行量化。现有的测量值预测方法采用逐行或逐列的光栅顺序逐块预测，且采用固定的块预测模式，在相同边带信息下没有充分利用测量值的相关性，特别是对于图像边缘块无法利用邻域相关性。
技术实现思路
本专利技术所要解决的技术问题是提供一种面向量化分块压缩感知的螺旋式逐块测量值预测方法，提高QBCS的整体率失真性能。本专利技术解决其技术问题所采用的技术方案是：提供一种面向量化分块压缩感知的螺旋式逐块测量值预测方法，包括以下步骤：(1)按照螺旋次序，依次对当前第i个图像块xi进行独立观测得到当前图像块的测量值，其中，每个图像块均使用相同的观测矩阵；(2)根据当前图像块的螺旋次序，对测量值执行测量值的多方向预测，得到最优的预测残差；(3)对当前图像块最优的预测残差进行量化输出，获得量化值；(4)对量化分块压缩感知系统的测量端的量化值进行反量化，得到当前图像块的重构残差；。(5)将重构残差与候选块的重构测量值相加得到当前图像块的重构测量值，随后进行缓存，为后续图像块的测量值预测做准备。所述步骤(1)中目标图像的第1个图像块不存在预测值，采用固定均值预测，第1个图像块的所有像素值均设定为128。所述步骤(2)具体为：选择可用的自适应候选块，计算当前图像块与各候选块的相关度，选择具有最大相关度的候选块，并获得该候选块的重构测量值，将当前图像块的测量值减去候选块的重构测量值，得到最优的预测残差。所述步骤(2)具体为：选择可用的自适应候选块，计算当前图像块与各候选块的相关度，选择具有最大相关度的候选块，并获得该候选块的重构测量值，将当前图像块的测量值减去候选块的重构测量值，得到最优的预测残差。所述自适应候选块是指从当前图像块的八邻域中选取一个或多个相邻的已编码块，所述相关度采用向量相关系数等度量准则。所述步骤(3)中当前图像块的预测残差采用标量量化或矢量量化，并形成熵编码的码流，随后判断当前图像块是否为目标图像内的最后一个块，如果是则结束循环，否则返回步骤(1)。有益效果由于采用了上述的技术方案，本专利技术与现有技术相比，具有以下的优点和积极效果：本专利技术基于螺旋次序逐一地对自适应候选块进行多方向预测，采用自适应的块预测模式，不需要将信号分布作为先验知识，在相同边带信息下充分利用了邻域块测量值之间的相关性，有效解决了大量边缘块无法进行测量值预测的问题，并使得图像块能更充分地利用空域相关性。所提方法在保持测量端低复杂度的前提下，能够有效降低码率，使QBCS系统获得更好的率失真性能。附图说明图1是一目标图像所有块由内向外的螺旋次序图；图2是八邻域的示意图；图3是自适应候选块的各种可能情形的示意图；图4是螺旋式逐块测量值预测方法的流程图。具体实施方式下面结合具体实施例，进一步阐述本专利技术。应理解，这些实施例仅用于说明本专利技术而不用于限制本专利技术的范围。此外应理解，在阅读了本专利技术讲授的内容之后，本领域技术人员可以对本专利技术作各种改动或修改，这些等价形式同样落于本申请所附权利要求书所限定的范围。本专利技术的实施方式涉及一种面向量化分块压缩感知的螺旋式逐块测量值预测方法，根据由内向外的螺旋次序，逐块地对每一个图像块的测量值执行多方向预测。该方法在八邻域的空间相邻块中自适应地选择已编码的候选块，并在自适应候选块中选取具有最大相关度的图像块。所提测量值预测方法在没有增加计算复杂度的情况下，避免了大量的边缘块无法进行测量值预测的问题，并使得更多图像块能充分利用空域相关性，因此能有效降低码率，获得更好的率失真性能。具体包括以下步骤：步骤(1)、按照螺旋次序，依次对当前第i个图像块xi进行独立观测，每个图像块均使用相同的观测矩阵ΦB，当前图像块xi的测量值yi＝ΦB·xi，随后对yi执行测量值的多方向预测。目标图像的第1个图像块不存在预测值，因此采用固定均值预测，第1个图像块的所有像素值均设定为128。其中，观测矩阵ΦB可采用高斯随机矩阵或其它任一种观测矩阵。步骤(2)、根据当前图像块的螺旋次序，多方向预测：首先选择可用的自适应候选块，然后计算当前图像块与各候选块的相关度，选择具有最大相关度的候选块，并获得该候选块的重构测量值yip，将当前图像块的测量值yi减去候选块的重构测量值yip，得到最优的预测残差：di＝yi-yip；其中，自适应候选块是指从当前图像块的八邻域中选取一个或多个相邻的已编码块，相关度可采用向量相关系数等度量准则。步骤(3)、对当前图像块最优的预测残差进行量化输出，获得量化值qi＝Q[di]；该步骤中，当前图像块的预测残差可采用标量量化或矢量量化，并形成熵编码的码流，随后判断当前图像块是否为目标图像内的最后一个图像块，如果是则结束循环，反之则返回到步骤(1)。步骤(4)、对QBCS测量端的量化值进行反量化，得到当前图像块的重构残差dir＝Q-1[qi]；步骤(5)、重构残差dir与候选块的重构测量值yip相加得到当前图像块的重构测量值yir＝yip+dir，随后进行缓存，为后续块的测量值预测做准备，以此类推。下面通过一个具体的实施例来进一步说明本专利技术本文档来自技高网...

【技术保护点】
1.一种面向量化分块压缩感知的螺旋式逐块测量值预测方法，其特征在于，包括以下步骤：(1)按照螺旋次序，依次对当前第i个图像块xi进行独立观测得到当前图像块的测量值，其中，每个图像块均使用相同的观测矩阵；(2)根据当前图像块的螺旋次序，对测量值执行测量值的多方向预测，得到最优的预测残差；(3)对当前图像块最优的预测残差进行量化输出，获得量化值；(4)对量化分块压缩感知系统的测量端的量化值进行反量化，得到当前图像块的重构残差；(5)将重构残差与候选块的重构测量值相加得到当前图像块的重构测量值，随后进行缓存，为后续图像块的测量值预测做准备。

【技术特征摘要】
1.一种面向量化分块压缩感知的螺旋式逐块测量值预测方法，其特征在于，包括以下步骤：(1)按照螺旋次序，依次对当前第i个图像块xi进行独立观测得到当前图像块的测量值，其中，每个图像块均使用相同的观测矩阵；(2)根据当前图像块的螺旋次序，对测量值执行测量值的多方向预测，得到最优的预测残差；(3)对当前图像块最优的预测残差进行量化输出，获得量化值；(4)对量化分块压缩感知系统的测量端的量化值进行反量化，得到当前图像块的重构残差；(5)将重构残差与候选块的重构测量值相加得到当前图像块的重构测量值，随后进行缓存，为后续图像块的测量值预测做准备。2.根据权利要求1所述的面向量化分块压缩感知的螺旋式逐块测量值预测方法，其特征在于，所述步骤(1)中目标图像的第1个图像块不存在预测值，采用固定均值预测，第1个图像块的所有像素值均设定为128。3.根据权利要求1所述的面向量化分块压缩感知的螺旋式逐...

【专利技术属性】
技术研发人员：刘浩，孙嘉曈，宫晓蕙，魏国林，廖荣生，赵曙光，吴乐明，况奇刚，
申请(专利权)人：东华大学，
类型：发明
国别省市：上海,31