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 ...
【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 ...
【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
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。