基于稀疏表示的去块效应方法技术

本发明专利技术公开了一种基于稀疏表示的去块效应方法，主要解决BDCT压缩图像中存在的块效应，实现步骤为：(1)选取一个干净的训练图像集，利用KSVD算法和批处理正交匹配追踪算法训练一个通用字典；(2)控制JPEG压缩中的品质因数对测试图像进行压缩，得到JPEG压缩图像；(3)计算JPEG压缩图像的噪声标准差；(4)根据品质因数和噪声标准差自动估计误差阈值；(5)构造JPEG压缩图像的一个图像块矩阵，获取对其去噪后的稀疏表示矩阵；(6)利用通用字典和稀疏表示矩阵得到去块效应结果图。本发明专利技术是与现有技术相比，可以得到更高或相似的峰值信噪比，去块效应后的图像视觉效果很好，计算复杂度低，可用于去除BDCT压缩图像中的块效应。

Deblocking method based on sparse representation

The invention discloses a sparse representation based deblocking method, which mainly solves the block effect in image compression to achieve BDCT, which comprises the following steps: (1) choose a clean set of training images, matching pursuit algorithm to train a general dictionary using KSVD algorithm and orthogonal batch processing; (2) quality control factor in the JPEG compression to compress the test image, JPEG image compression; (3) calculating noise standard JPEG compression image; (4) according to the quality factor and the standard deviation of noise estimation error threshold automatically; (5) to construct JPEG image compression of an image block matrix, the sparse matrix representation to obtain after noise; (6) using the universal dictionary and sparse representation matrix to block the effect of the map. Compared with the prior art, the invention can obtain higher or similar peak signal-to-noise ratio, the image effect of the deblocking effect is good, and the calculation complexity is low, so that the blocking effect in the BDCT compressed image can be removed.

【技术实现步骤摘要】

本专利技术属于图像处理领域，涉及机器学习的方法，具体地说是一种字典学习和阈 值自动估计的方法，可用于减少块离散余弦变换BDCT压缩图像中的块效应。
技术介绍
块离散余弦变换BDCT广泛用于图像和视频压缩，已经被大多数图像和视频压缩 标准采用，包括JPEG、MPEG、H. 26X.AVC等。在基于BDCT的压缩编码中，首先将图像划分为 许多8*8大小不重叠的图像块，对每个块进行离散余弦变换，得到离散余弦系数，然后对其 进行量化和可变长度编码。在量化的过程中会导致数据的损失，从而导致压缩后的图像产 生失真，即编码效应，包括块效应和振铃效应。JPEG使用离散余弦变换压缩数字图像，目的 是在较低的比特率下保持图像质量。许多研究人员从不同的角度提出了减少编码效应的方法，以提高峰值信噪比和图 像视觉质量。一些研究者把块边界处的失真看作空间高频分量，提出了许多滤波技术，包括 低通滤波，自适应滤波和循环滤波等，缺点是峰值信噪比提高不多，视觉效果一般。一些研 究者把去块效应看作去噪问题，提出了基于小波技术的去块效应方法。还有一些研究者把 去块效应看作图像恢复问题，基于凸集投影POCS的方法是一个具有代表性的研究结果。在 基于POCS的方法当中，图像先验被表示为凸集，通过迭代过程来减少块效应。这种方法能 够很好的减少块效应，原因是在块边界处强加了平滑约束，缺点是计算复杂度高，去块效应 时间长。全变差是图像恢复的一个有效的准则，因此能够成功的用于减少块效应。另外还 有基于最大后验概率的方法，能够有效的减少块效应，但是计算复杂度高。
技术实现思路
本专利技术的目的在于克服上述技术的不足，提出一种基于稀疏表示的去除BDCT压 缩图像块效应的方法，以得到更高或相似的峰值信噪比，提升去除块效应后的图像视觉效 果，减少计算复杂度。实现上述目的的技术原理是利用KSVD算法训练一个通用字典，结合批处理正交 匹配追踪Batch-OMP算法去除BDCT压缩图像中的块效应，其具体步骤包括如下1)在一个干净的训练图像集中提取η个8*8图像块，50000 < η < 150000，利用 KSVD算法和批处理正交匹配追踪算法训练一个大小为64*512的通用字典D ；2)根据JPEG压缩中的品质因数Q对测试图像A进行压缩，得到JPEG压缩图像Al ；3)找到JPEG压缩图像Al中所有8*8大小不重叠的图像块的边界，计算这些 边界两边像素的差值Ci, i = 1，2，3...，将这些差值的绝对值的一半看作噪声数据Ni = 0. 5*abs (Ci), i = 1,2,3...，计算所有Ni >= 2的噪声数据的标准差σ ；4)根据品质因数Q和标准差σ自动计算误差阈值T = 8* σ 15* ^)/ (Q+10))；5)在JPEG压缩图像Al中根据行列像素间隔选取8*8大小的图像块，3构造一个图像块矩阵X，利用字典D和误差阈值T对图像块矩阵X按公式minD,0| Θ I1 s. t. IXk-D* θ k|2 < = T进行去噪，得到去噪后的稀疏表示矩阵 ，其中&是X中的第k个 8*8块的列向量表示形式，θ是X的稀疏表示矩阵，θ k是θ的第k列；6)利用去噪后的稀疏表示矩阵^和字典D得到去噪后的图像块矩阵i = jD*G，将 i中的图像块放回图像中的原来位置，对图像块的重叠部分进行平均，得到去块效应后的 图像A2。本专利技术与现有技术相比具有如下优点1.本专利技术将图像去噪的思想用于去除BDCT压缩图像中的块效应，利用KSVD算法 和批处理正交匹配追踪算法训练一个通用字典，并且设计了一个可以有效的自动计算误差 阈值的方法，利用通用字典和误差阈值去除块效应，因而与现有技术相比能得到更高或相 似的峰值信噪比，去块效应后的图像视觉效果很好，计算复杂度低；2.本专利技术中由于通用字典只需计算一次，故可对很多BDCT压缩图像进行块效应 消除。附图说明图1是本专利技术的流程图；图2是本专利技术训练得到的通用字典D的示意图；图3是本专利技术测试用的六幅自然图像；图4是用本专利技术对Barbara图像三个不同Q值的JPEG压缩图像进行块效应消除 的仿真结果。具体实施例方式参照图1，本专利技术的实现步骤表示如下步骤1.训练通用字典。对于一个干净的自然图像集，选取η个8*8的图像块，50000 < η < 150000，仿真 实验中η选取100000，构造大小为64*η的训练矩阵XI，迭代次数设置为20次，使用大小为 64*512的DCT字典进行字典初始化，设置图像块的稀疏度S = 6，利用KSVD算法和批处理 正交匹配追踪算法按公式(1)训练通用字典D，ιη ηοφ|Χ1-Ζ)*Φ|^ s.t.⑴其中Φ是Xl的稀疏表示矩阵，(^是Φ的第j列；所述的KSVD 算法是 2006 年 Michael Elad 等人在文章“K-SVD :An Algorithm for Designing Overcomplete Dictionaries for Sparse Representation，，中提出的。KSVD 是一种迭代的训练过完备字典的方法，主要包括基于当前字典对训练数据进行稀疏编码和 更新字典原子两部分，训练过程中这两部分交替进行，使训练得到的字典能够更好的适合 训练数据，可以与基追踪、匹配追踪、正交匹配追踪等合作。2008年M. Elad, R. Rubinstein 和Μ. Z^xilevsky在压缩感知技术报告中发表了一篇文章〃 Efficient Implementation of the K-SVD Algorithm using Batch Orthogonal Matching Pursuit" , i^Xm-M 2006 ^ 提出的KSVD算法进行了一些优化，在大数据集的稀疏编码过程中，批处理正交匹配追踪相对于正交匹配追踪来说运算更快。KSVD算法已经应用于图像去噪、图像超分辨、压缩感知等 技术中，但未用于去除BDCT压缩图像块效应中，本专利技术利用KSVD算法和批处理正交匹配追 踪算法去除BDCT压缩图像中的块效应；步骤2.将测试图像压缩为JPEG图像。选择一幅不同于步骤1中的训练图像集的自然图像作为测试图像A，在JPEG压缩 编码的品质因数Q中选用0到100之间的任一个数值，品质因数Q值越大表示图像压缩质 量越好，在JPEG压缩编码程序中控制品质因数Q将测试图像A压缩为JPEG图像，得到JPEG 压缩图像Al ；步骤3.计算JPEG压缩图像的噪声标准差。对于得到的JPEG压缩图像Al，找到所有8*8大小不重叠的图像块的边界位置，计 算边界两边像素的差值Ci, i = 1，2，3...，将这些差值的绝对值的一半看作噪声数据Ni =m0. 5*abs (Ci)，i = 1，2，3. . ·，计算所有 Ni 彡 2 的标准差权利要求1.一种，包括如下步骤1)在一个干净的训练图像集中提取η个8*8图像块，50000< η < 150000，利用KSVD 算法和批处理正交匹配追踪算法训练一个大小为64*512的通用字典D ；2)根据JPEG压缩中的品质因数Q对测试图像A进行压缩，得到JPEG压缩图像Al；3)找到JPEG压缩图像Al中所有本文档来自技高网...

【技术保护点】
一种基于稀疏表示的去块效应方法，包括如下步骤：１）在一个干净的训练图像集中提取ｎ个８＊８图像块，５００００＜ｎ＜１５００００，利用ＫＳＶＤ算法和批处理正交匹配追踪算法训练一个大小为６４＊５１２的通用字典Ｄ；２）根据ＪＰＥＧ压缩中的品质因数Ｑ对测试图像Ａ进行压缩，得到ＪＰＥＧ压缩图像Ａ１；３）找到ＪＰＥＧ压缩图像Ａ１中所有８＊８大小不重叠的图像块的边界，计算这些边界两边像素的差值Ｃ↓［ｉ］，ｉ＝１，２，３．．．，将这些差值的绝对值的一半看作噪声数据Ｎ↓［ｉ］＝０．５＊ａｂｓ（Ｃ↑［ｉ］），ｉ＝１，２，３．．．，计算所有Ｎ↓［ｉ］＞＝２的噪声数据的标准差σ；４）根据品质因数Ｑ和标准差σ自动计算误差阈值：Ｔ＝８＊σ＊１．１５＊（２０／（Ｑ＋１０））；５）在ＪＰＥＧ压缩图像Ａ１中根据行列像素间隔［１，１］选取８＊８大小的图像块，构造一个图像块矩阵Ｘ，利用字典Ｄ和误差阈值Ｔ对图像块矩阵Ｘ按公式ｍｉｎ↓［Ｄ，Θ］｜Θ｜↓［１］ｓ．ｔ．｜Ｘ↓［ｋ］－Ｄ＊θ↓［ｋ］｜↓［２］＜＝Ｔ进行去噪，得到去噪后的稀疏表示矩阵＊，其中Ｘ↓［ｋ］是Ｘ中的第ｋ个８＊８块的列向量表示形式，Θ是Ｘ的稀疏表示矩阵，θ↓［ｋ］是Θ的第ｋ列；６）利用去噪后的稀疏表示矩阵＊和字典Ｄ得到去噪后的图像块矩阵＊＝Ｄ＊＊，将＊中的图像块放回图像中的原来位置，对图像块的重叠部分进行平均，得到去块效应后的图像Ａ２。...

【技术特征摘要】

【专利技术属性】
技术研发人员：郑喆坤，焦李成，齐宏涛，王爽，尚荣华，马文萍，公茂果，马晶晶，侯彪，
申请(专利权)人：西安电子科技大学，
类型：发明
国别省市：87