基于最大类间方差的分块压缩感知的图像压缩方法技术

本发明专利技术公开了基于最大类间方差的分块压缩感知的图像压缩方法，包括步骤1、图像分块；步骤2、图像子块分区：采用最大类间方差OSTU算法，将每个图像子块均分为前景重点区域、背景区域和过渡区域；步骤3、确定最佳采样率：通过控制变量法与最小二乘法，确定各区域的最佳采样率；步骤4、图像重构。本发明专利技术在图像压缩过程中，使用压缩感知的方法进行采样，可以突破奈奎斯特采样率的限制，以远小于奈奎斯特采样率的采样率对图像信号进行采样。在进行图像采样时时，可以对图像中重要区域与背景区域进行区分，相对重要的区域采用高采样率，在相对不重要的区域采用低采样率，可以较为高效的对图像进行采样进而压缩。

【技术实现步骤摘要】
基于最大类间方差的分块压缩感知的图像压缩方法
本专利技术涉及交通图像处理领域，特别是一种基于最大类间方差的分块压缩感知的图像压缩方法。
技术介绍
压缩感知理论利用非自适应性的线性投影方式保证原始信号的结构，以远少于Nyquist的采样频率对原始信号同时进行采样与压缩。使用传统的压缩感知算法进行图像压缩是基于全局像素选定采样率，得到全局采样率。这会导致全局采样率会因为某些特殊图像区域的图像特性而产生影响，此全局采样率在图像其他区域未体现好的效果，不具有很好的鲁棒性。对于收费站点的交通图像，具有背景相似，然而，只有前车的区域，是有价值的区域。如果，使用全局采样率对整个交通图像进行压缩，则会造成一个成本的增加。采样率越大，处理时间越大，在图像中一些不重要的区域并不需要使用那么大的采样率，一些重要的区域应当使用较大的采样率。如果全局图像均使用统一采样率则无法兼顾到重要的区域以及不重要的区域，如果照顾某一边，则会造成相应另一方的损失，所以这是一种不灵活的方法。如果能根据图像内容(复杂和重要的区域才使用较高的采样率，平坦不重要的区域采用较低的采样率)则可以达到成本节约并且具有较好的压缩价值。
技术实现思路
本专利技术要解决的技术问题是针对上述现有技术的不足，而提供一种基于最大类间方差的分块压缩感知的图像压缩方法，该基于最大类间方差的分块压缩感知的图像压缩方法在图像压缩过程中，使用压缩感知的方法进行采样，可以突破奈奎斯特采样率的限制，以远小于奈奎斯特采样率的采样率对图像信号进行采样。在进行图像采样时时，可以对图像中重要区域与背景区域进行区分，相对重要的区域采用高采样率，在相对不重要的区域采用低采样率，可以较为高效的对图像进行采样进而压缩。为解决上述技术问题，本专利技术采用的技术方案是：一种基于最大类间方差的分块压缩感知的图像压缩方法，包括如下步骤。步骤1、图像分块：采用列间像素与行间像素的灰度均方差值为对比标准，将交通收费站点原始图像进行图像分块，形成若干个图像子块。步骤2、图像子块分区：采用最大类间方差OSTU算法，对每个图像子块均计算最佳像素灰度分割阈值K。然后根据最佳像素灰度分割阈值K，并结合sobel算法，将每个图像子块均分为前景重点区域、背景区域和过渡区域。步骤3、确定最佳采样率：通过控制变量法与最小二乘法，先计算前景重点区域、背景区域和过渡区域的最佳采样率与基础采样率的关系，再利用图像处理算法选定基础采样率，从而得出各区域的最佳采样率。步骤4、图像重构：对每个图像子块中的三个区域分别采用对应的最佳采样率进行采样，使用压缩感知理论对图像进行重构，以达到图像压缩的效果。步骤1中，图像分块的方法，具体包括如下步骤：步骤11、图像预分块：将交通收费站点原始图像，预等分为N个B*B大小的不重叠区域块。交通收费站点原始图像称为父块，预分后的不重叠区域块称为预分子块。步骤12、图像二次分块：先计算父块中列间像素与行间像素的灰度均方差值σ2，再对预等分的每个预分子块分别计算列间像素与行间像素的灰度均方差值σ1，将σ1与σ2进行比较。若其中任一个预分子块A中，σ1＞σ2，则将预分子块A进行二次分块，使B减小。此时，二次分块前的预分子块A形成为父子块。预分子块A二次分块后，形成为若干个子块B。若σ1≤σ2，图像分块结束。步骤13，图像循环细分块：先对每个子块B分别计算列间像素与行间像素的灰度均方差值σ1。再计算父子块的列间像素与行间像素的灰度均方差值σ2。若σ1＞σ2，则将步骤12中B进一步调小，重复步骤12至步骤13，直至σ1≤σ2。步骤2中，图像子块分区的方法，具体包括如下步骤：步骤21、计算图像子块I的最佳像素分割阈值K，具体包括如下步骤：步骤21A、计算图像子块I的总像素值I_size和灰度总平均值S_avg：步骤1形成的若干个图像子块分别为图像子块I、图像子块Ⅱ、图像子块Ⅲ、……。通过获取图像子块I的长M和宽N尺寸，计算出图像子块I的像素点总和像素灰度值I_size＝M*N和灰度总平均值S_avg。步骤21B、第一次扫描参数预设：对图像子块I进行第一次扫描参数预设。第一次扫描参数与预设值分别为：图像最大方差σ2的起始值预设为图像总灰度G的起始值预设为G0，像素灰度阈值T的起始值预设为T0，最佳像素灰度分割阈值K的起始值预设为K0。步骤21C、像素灰度值分类预设：按像素灰度值大小，将图像子块I预分为A区和B区。其中，A区用于存储像素点的灰度值大于等于像素初始阈值T的像素点，B区用于存储像素点的灰度值小于像素初始阈值T的像素点。同时预设：S1为A区像素点个数的和。G1为A区总灰度值。S2为B区像素点个数的和。G2为B区总灰度值。并将S1、G1、S2和G2的起始值分别赋为：SA、GA、SB和GB。步骤21D、第一次扫描及像素点的灰度值分类：扫描图像子块I中的第一个像素点的灰度值为I(0,0)，并判断I(0,0)与像素灰度阈值T的起始值T0的大小：若I(0,0)＞T0，则S1＝SA+1，G1＝GA+I(0,0)。若I(0,0)≤T0，则S2＝SB+1，G2＝GB+I(0,0)。步骤21E、计算最大类间方差ICV：采用如下公式计算最大类间方差ICV：ICV＝R1×(R11-G_avg)2+R2×(R22-G_avg)2R1＝S1/I_sizeR2＝S2/I_sizeR11＝G1/S1R22＝G2/S2式中，R1为A区像素点总和与图像子块I像素点总和的比值。R11为A区总灰度值与A区像素点的总和的比值。R2为B区总像素与图像子块I总像素的比值。R22为B区总灰度值与B区像素点的总和的比值。G_avg为图像子块I灰度总均值。步骤21F、最佳像素灰度分割阈值K更新：将步骤21E计算的最大类间方差ICV与图像最大方差σ2的起始值进行比较，得到更新后的最佳像素灰度分割阈值K，具体更新方法如下：(1)当时，σ2＝ICV，K＝T。(2)当时，K＝K0，不更新。步骤21G、像素灰度阈值T更新：将当前像素灰度阈值T与255进行比较，如T≤255，则使T＝T+1。否则，执行步骤21H。步骤21H、最佳像素灰度分割阈值K迭代更新：遍历图像子块I中的其他像素点I(i,j)，其中，0＜i≤M-1，0＜j≤N-1。并判断I(i,j)与更新后像素灰度阈值T的大小：若I(i,j)＞T，则S1＝S1+1，G1＝G1+I(i,j)。若I(i,j)≤T，则S2＝S2+1，G2＝G2+I(i,j)。重复步骤21E至步骤21H，当出现如下任意一种情况时，停止迭代更新：(1)T≤255，且图像子块I中的所有像素点均已遍历完成。(2)T＞255。步骤22、按照步骤21的方法，完成对所有图像子块的最佳像素灰度分割阈值K的计算求解。步骤23，分区：根据步骤22求解的最佳像素灰度分割本文档来自技高网...

【技术保护点】
1.一种基于最大类间方差的分块压缩感知的图像压缩方法，其特征在于：包括如下步骤：/n步骤1、图像分块：采用列间像素与行间像素的灰度均方差值为对比标准，将交通收费站点原始图像进行图像分块，形成若干个图像子块；/n步骤2、图像子块分区：采用最大类间方差OSTU算法，对每个图像子块均计算最佳像素灰度分割阈值K；然后根据最佳像素灰度分割阈值K，并结合sobel算法，将每个图像子块均分为前景重点区域、背景区域和过渡区域；/n步骤3、确定最佳采样率：通过控制变量法与最小二乘法，先计算前景重点区域、背景区域和过渡区域的最佳采样率与基础采样率的关系，再利用图像处理算法选定基础采样率，从而得出各区域的最佳采样率；/n步骤4、图像重构：对每个图像子块中的三个区域分别采用对应的最佳采样率进行采样，使用压缩感知理论对图像进行重构，以达到图像压缩的效果。/n

【技术特征摘要】
1.一种基于最大类间方差的分块压缩感知的图像压缩方法，其特征在于：包括如下步骤：
步骤1、图像分块：采用列间像素与行间像素的灰度均方差值为对比标准，将交通收费站点原始图像进行图像分块，形成若干个图像子块；
步骤2、图像子块分区：采用最大类间方差OSTU算法，对每个图像子块均计算最佳像素灰度分割阈值K；然后根据最佳像素灰度分割阈值K，并结合sobel算法，将每个图像子块均分为前景重点区域、背景区域和过渡区域；
步骤3、确定最佳采样率：通过控制变量法与最小二乘法，先计算前景重点区域、背景区域和过渡区域的最佳采样率与基础采样率的关系，再利用图像处理算法选定基础采样率，从而得出各区域的最佳采样率；
步骤4、图像重构：对每个图像子块中的三个区域分别采用对应的最佳采样率进行采样，使用压缩感知理论对图像进行重构，以达到图像压缩的效果。


2.根据权利要求1所述的基于最大类间方差的分块压缩感知的图像压缩方法，其特征在于：步骤1中，图像分块的方法，具体包括如下步骤：
步骤11、图像预分块：将交通收费站点原始图像，预等分为N个B*B大小的不重叠区域块；交通收费站点原始图像称为父块，预分后的不重叠区域块称为预分子块；
步骤12、图像二次分块：先计算父块中列间像素与行间像素的灰度均方差值σ2，再对预等分的每个预分子块分别计算列间像素与行间像素的灰度均方差值σ1，将σ1与σ2进行比较；若其中任一个预分子块A中，σ1＞σ2，则将预分子块A进行二次分块，使B减小；此时，二次分块前的预分子块A形成为父子块；预分子块A二次分块后，形成为若干个子块B；若σ1≤σ2，图像分块结束；
步骤13，图像循环细分块：先对每个子块B分别计算列间像素与行间像素的灰度均方差值σ1；再计算父子块的列间像素与行间像素的灰度均方差值σ2；若σ1＞σ2，则将步骤12中B进一步调小，重复步骤12至步骤13，直至σ1≤σ2。


3.根据权利要求1所述的基于最大类间方差的分块压缩感知的图像压缩方法，其特征在于：步骤2中，图像子块分区的方法，具体包括如下步骤：
步骤21、计算图像子块I的最佳像素分割阈值K，具体包括如下步骤：
步骤21A、计算图像子块I的总像素值I_size和灰度总平均值S_avg：步骤1形成的若干个图像子块分别为图像子块I、图像子块Ⅱ、图像子块Ⅲ、……；通过获取图像子块I的长M和宽N尺寸，计算出图像子块I的像素点总和像素灰度值I_size＝M*N和灰度总平均值S_avg；
步骤21B、第一次扫描参数预设：对图像子块I进行第一次扫描参数预设；第一次扫描参数与预设值分别为：图像最大方差σ2的起始值预设为图像总灰度G的起始值预设为G0，像素灰度阈值T的起始值预设为T0，最佳像素灰度分割阈值K的起始值预设为K0；
步骤21C、像素灰度值分类预设：按像素灰度值大小，将图像子块I预分为A区和B区；其中，A区用于存储像素点的灰度值大于等于像素初始阈值T的像素点，B区用于存储像素点的灰度值小于像素初始阈值T的像素点；同时预设：S1为A区像素点个数的和；G1为A区总灰度值；S2为B区像素点个数的和；G2为B区总灰度值；并将S1、G1、S2和G2的起始值分别赋为：SA、GA、SB和GB；
步骤21D、第一次扫描及像素点的灰度值分类：扫描图像子块I中的第一个像素点的灰度值为I(0,0)，并判断I(0,0)与像素灰度阈值T的起始值T0的大小：
若I(0,0)＞T0，则S1＝SA+1，G1＝GA+I(0,0)；
若I(0,0)≤T0，则S2＝SB+1，G2＝GB+I(0,0)；
步骤21E、计算最大类间方差ICV：采用如下公式计算最大类间方差ICV：
ICV＝R1×(R11-G_avg)2+R2×(R22-G_avg)2
R1＝S1/I_size
R2＝S2/I_size
R11＝G1/S1
R22＝G2/S2



式中，R1为A区像素点总和与图像子块I像素点总和的比值；R11为A区总灰度值与A区像素点的总和的比值；R2为B区总像素与图像子块I总像素的比值；R22为B区总灰度值与B区像素点的总和的比值；G_avg为图像子块I灰度总均值；
步骤21F、最佳像素灰度分割阈值K更新：将步骤21E计算的最大类间方差ICV与图像最大方差σ2的起始值进行比较，得到更新后的最佳像素灰度分割阈值K，具体更新方法如下：
(1)当时，σ2＝ICV，K＝T；
(2)当时，K＝K0，不更新；
步骤21G、像素灰度阈值T更新...

【专利技术属性】
技术研发人员：石文婷，罗海宇，黄德耕，黄梦凡，王长海，覃超生，陈少锋，陈成伟，杨凯，陆海鹏，
申请(专利权)人：广西交通设计集团有限公司，
类型：发明
国别省市：广西;45