一种基于图像信息熵的自适应压缩感知采样方法技术

本发明专利技术提供了一种基于图像信息熵的自适应压缩感知采样方法，它是通过自适应分配采样样本给每个图像块：在压缩感知采样时，对信息熵大的图像块，分配较多的样本观测值，对信息熵小的图像块，分配较少的样本观测值。在编码端采样完成后，将每个图像块分得的采样样本数传输到解码端，并且对每个图像块分得的样本数进行量化。在解码端，当收到量化后的样本数信息后，产生针对每个图像块的采样矩阵，以实现针对整个图像信号的高性能压缩感知采样及重建。与现有的对所有图像块进行均匀采样的方法相比,本发明专利技术具有将实际采样与图像具体特征相结合的特点，能够克服传统方法中因忽略图像内部纹理特征而导致采样和重建效率较低的缺点。

【技术实现步骤摘要】
【专利摘要】本专利技术提供了，它是通过自适应分配采样样本给每个图像块：在压缩感知采样时，对信息熵大的图像块，分配较多的样本观测值，对信息熵小的图像块，分配较少的样本观测值。在编码端采样完成后，将每个图像块分得的采样样本数传输到解码端，并且对每个图像块分得的样本数进行量化。在解码端，当收到量化后的样本数信息后，产生针对每个图像块的采样矩阵，以实现针对整个图像信号的高性能压缩感知采样及重建。与现有的对所有图像块进行均匀采样的方法相比,本专利技术具有将实际采样与图像具体特征相结合的特点，能够克服传统方法中因忽略图像内部纹理特征而导致采样和重建效率较低的缺点。【专利说明】
本专利技术属于图像处理领域，主要涉及数字图像的压缩和重建技术。
技术介绍
图像通常来源于自然场景，任何图像的拍摄记录过程，实质是将原始场景进行数据采样和压缩的过程。长期以来，为了能够完整地重建信号，传统的采样过程都要遵循奈奎斯特采样定理来实现。这一采样理论在信号处理领域被沿用了将近八十年，直到压缩感知理论的提出，才打破了这一采样准则。2006年，Donobo, Candes和Tao等人提出了针对稀疏信号处理的压缩感知理论，根据这一理论，可以在远低于奈奎斯特采样定理中所要求的采样频率的情况下对信号进行随机采样，从而得到少量的观测值，以实现数据的压缩，然后通过求解凸优化问题，即可利用这些观测值对原始信号进行精确重构。这一理论的一个重要应用就是对图像进行压缩处理，这也是近年来图像处理领域的一项重大突破。经过压缩感知采样得到的数据，在完成对原始数据采样的同时，也完成了对数据的压缩，这是一种高效的信号处理过程。现有的对图像进行压缩感知采样的方法分为两个步骤:第一步，先对图像进行分块处理，将整个图像划分为大小一样的正方形图像块；第二步，对所有图像块进行均匀采样，即对每个图像块进行等采样率的采样。这种基于图像块的等采样率采样方法，存在一个重大的缺陷:忽略了不同图像块所具有的不同特征，若对具有不同特征的图像块采用相同的采样率进行采样，在进行重构时势必会影响整幅图像的重建质量。
技术实现思路
本专利技术的目的是提供，它是通过自适应分配采样样本给每个图像块，以实现针对整个图像信号的高性能压缩感知采样及重建。与现有的对所有图像块进行均匀采样的方法相比，本专利技术具有将实际采样与图像具体特征相结合的特点，能够克服传统方法中因忽略图像内部纹理特征而导致采样和重建效率较低的缺点。为了方便描述本专利技术的内容，首先做以下术语定义:定义I，传统的图像分块方法传统的图像分块方法按照JPEG标准中对图像进行分块的方法，将原始图像划分为多个互不重叠的等尺寸图像块，具体描述过程参见“JPEG(Joint Photographic ExpertsGroup):1S0/IEC IS 10918 -1 /ITU-T Recommendation T.81,Digital Compression andCoding of Continuous-Tone Still Image, 1993，，；定义2，传统的图像块合成图像的方法传统的图像块合成图像的方法是按照JPEG标准中用图像块进行相互不重叠组合以合成完整图像的方法，具体描述过程参见“JPEG(Joint Photographic ExpertsGroup):1S0/IEC IS 10918 - 1/ITU-T Recommendation T.81,Digital Compression andCoding of Continuous-Tone Still Image，1993，，；定义3，传统的加权式压缩感知采样传统的加权式压缩感知采样方法是在低于奈奎斯特采样率的条件下，设定一个采样率，首先根据这个设定的采样率产生一个随机采样矩阵Φ，接着在离散余弦变换域产生一个加权矩阵W，然后构造一个采样矩阵Φ’=Φ *w，最后用Φ’对原始信号进行采样，获取信号的离散样本的方法，具体描述过程参见文献“Reweighted compressive sampling forimage compression，，。定义4，传统的基于图像块的压缩感知采样为了实现对二维图像的压缩感知采样，通常先将二维图像分块，再将每个二维图像块转化为一个一维信号，最终用压缩感知采样的方法对每个一维信号进行压缩采样，具体步骤参见文献“Block compressed sensing of natural images，，。定义5，传统的基于平滑Ltl范数的稀疏重建法传统的基于平滑Ltl范数稀疏重建法是一种基于近似Ltl范数，并采用最陡下降法和梯度投影原理，对压缩感知采样后的数据进行快速重构的方法，具体步骤参见文献“A fastapproach for overcomplete sparse decomposition based on smoothed #° norm，，。定义6，传统的基于压缩感知的图像块重建传统的基于压缩感知的图像块重建是在对图像进行基于图像块的压缩感知采样后，对采样得到的数据进行稀疏重建，产生一维的重建信号，再将一维的重建信号转化为二维信号，即重建后的图像块，最终用重建的图像块来实现整个图像的重建，具体步骤参见文献“Block compressed sensing of natural images，，。定义7, MatlabMatlab是矩阵实验室(Matrix Laboratory)的简称，美国MathWorks公司出品的商业数学软件，用于算法开发、数据可视化、数据分析以及数值计算的高级技术计算语言和交互式环境。具体用法详见文献“MATLAB实用教程(第二版)”，Holly Moore编著，高会生、刘童娜、李聪聪译，电子工业出版社。本专利技术提供了，它包括以下步骤，如附图1所示:步骤1，原始图像的预处理将分辨率为CXR的原始图像，按照传统的图像分块方法划分为N=(CXR)/m2个互不重叠的，大小为mXm的正方形图像块，记为B1, B2,…，Bi,…，Bn，这里C代表原始图像的宽度，R代表原始图像的高度，N代表所产生的图像块的个数，m代表所产生的每个正方形图像块的宽度或高度，i代表图像块的索引，i e {1,2,…，N};步骤2，计算整个图像的采样样本总数将传统的针对整个图像的压缩感知采样率记为r，将整个图像的采样样本总数记为S，S=Lr_(C_/?).j，这里，符号“U”表示对符号内的数按照四舍五入的方式取最接近于它的整数，C代表原始图像的宽度，R代表原始图像的高度；步骤3，计算每个图像块的熵对每一个图像块^定义它的熵为則丄这里【权利要求】1.，其特征是它包括以下步骤: 步骤1，原始图像的预处理 将分辨率为CXR的原始图像，按照传统的图像分块方法划分为N=(CXR)/m2个互不重叠的，大小为mXm的正方形图像块，记为B1, B2,…，Bi,…，Bn，这里C代表原始图像的宽度，R代表原始图像的高度，N代表所产生的图像块的个数，m代表所产生的每个正方形图像块的宽度或高度，i代表图像块的索引，i e (1,2,…，N}; 步骤2，计算整个图像的采样样本总数 将传统的针对整个图像的压缩感知采样率记为r，将整个图像的采样样本总数记为S，Lr-(C-R)I，这本文档来自技高网...

【技术保护点】
一种基于图像信息熵的自适应压缩感知采样方法，其特征是它包括以下步骤：步骤1，原始图像的预处理将分辨率为C×R的原始图像,按照传统的图像分块方法划分为N=(C×R)/m2个互不重叠的，大小为m×m的正方形图像块，记为B1，B2，…，Bi，…，BN，这里C代表原始图像的宽度，R代表原始图像的高度，N代表所产生的图像块的个数，m代表所产生的每个正方形图像块的宽度或高度，i代表图像块的索引，i∈｛1，2，…，N｝；步骤2，计算整个图像的采样样本总数将传统的针对整个图像的压缩感知采样率记为r，将整个图像的采样样本总数记为S，,这里，符号表示对符号内的数按照四舍五入的方式取最接近于它的整数，C代表原始图像的宽度，R代表原始图像的高度；步骤3，计算每个图像块的熵对每一个图像块Bi，定义它的熵为H(i)，这里pj代表每一个图像块内灰度值j出现的概率,这里，符号“num”表示统计符号内的灰度值在一个图像块内出现的总次数，j是整数，0≤j≤255，m是每个正方形图像块的宽度或高度；i代表图像块的索引，i∈｛1，2，…，N｝，N是步骤1中所产生的所有图像块的个数；步骤4，初始化每个图像块的采样样本数对每一个图像块Bi，定义它的采样样本数为ni，这里符号表示对符号内的数按照四舍五入的方式取最接近于它的整数，S代表步骤2中得到的整个图像的采样样本总数，H(i)代表图像块Bi的熵，i代表图像块的索引，i∈｛1，2，…，N｝，H(k)代表图像块Bk的熵，k代表图像块的索引，k∈｛1，2，…，N｝，N是步骤1中所产生的所有图像块的个数；步骤5，将图像块分组将所有图像块按照每个图像块Bi的采样样本数分成两个集合，记为G0和G1，将集合G0中每个图像块的采样样本数记为将集合G1中每个图像块的采样样本数记为其中这里，m是每个正方形图像块的宽度或高度；i代表图像 块的索引，i∈｛1，2，…，N｝，N是步骤1中所产生的所有图像块的个数；步骤6，调整图像块的采样样本数修改集合G0中每个图像块的采样样本数将修改后每个图像块的采样样本数记为令将修改后的集合G0记为G'0，这里，m是每个正方形图像块的宽度或高度，i代表图像块的索引，i∈｛1，2，…，N｝，N是步骤1中所产生的所有图像块的个数；步骤7，统计每个集合中的图像块个数将步骤6得到的集合G'0中每个图像块的索引记为i0，将集合G1中每个图像块的索引记为i1；将集合G'0中所有图像块的索引i0构成集合Idx0，Idx0=｛i0=i｜Bi∈G'0｝，将集合G1中所有图像块i1的索引构成集合Idx1,Idx1=｛i1=i｜Bi∈G1｝；这里，Idx0∪Idx1=｛1，2，…，N｝；将Idx0中所包含的元素的个数记为K0，将Idx1中所包含的元素的个数记为K1,K0和K1为非负整数，且K0+K1=N；这里，i代表图像块的索引，i∈｛1，2，…，N｝，N是步骤1中所产生的所有图像块的个数；步骤8，样本再分配的判断首先，计算剩余采样样本数，记为Δ，这里，S是步骤2中得到的整个图像的采样样本总数，是集合G'0中每个图像块的采样样本数是集合G1中每个图像块的采样样本数，Idx0代表步骤7中产生的集合G'0中所有图像块索引的集合，Idx1代表步骤7中产生的集合G1中所有图像块索引的集合；K0为索引集合Idx0中元素的个数，K1为索引集合Idx1中元素的个数，i代表图像块的索引，i∈｛1，2，…，N｝，N是步骤1中所产生的图像块的个数；其次，判断是否进行样本再分配，具体判断步骤是：如果剩余采样样本数Δ＝0，则不需要进行样本再分配，直接进入步骤10；如果剩余采样样本数Δ≠0，则进入步骤9，进行样本再分配；步骤9，采样样本的再分配首先,更新步骤5中得到的集合G1中图像块Bi的采样样本数定义更新后的样本数为令将更新后的集合G1记为G'1，这里，符号表示对符号内的数按照四舍五入的方式取最接近于它的整数；Δ为步骤8中得到的剩余样本数；Idx1是步骤7中产生的集合G1中所有图像块索引构成的集合；K1为Idx1中元素的个数；m是每个正方形图像块的宽度或高度，i代表图像块的索引，i∈｛1，2，…，N｝，N是步骤1中所产生的所有图像块的个数；接着，把集合G'1中采样样本数大于或等于m2的图像块Bi选出，组成集合g1，这里，将集合g1放入步骤6得到的集合G'0中，同时将集合g1从集合G'1中删除；将修改后的集合G'0记为G″0，将修改后的集合G'1记为G″1；这里，m为每个正方形图像块的宽度或高度；i代表图像块的索引，i∈｛1，2，…，N｝，N是步骤1中所产生的所有图像块的个数；最后，返回步骤6～8，判断是否需要进行样本再分配；步骤10，图像块采样样本数的量化首先，将集合G″0中每个图像块的索引记为i″0，将集合G″1中每个图像块的索引记为i″1；将集...

【技术特征摘要】

【专利技术属性】
技术研发人员：朱树元，曾兵，
申请(专利权)人：电子科技大学，
类型：发明
国别省市：四川;51