本发明专利技术提供了一种基于离散余弦变换系数分布的自适应压缩感知采样方法，它是通过对每个图像块离散余弦变换系数的分布特征的分析来判断该图像块所具有的纹理特性，从而决定对此图像块所采用的采样率，以分配不同的采样样本数给不同的图像块，由此实现对整个图像信号的自适应压缩感知采样，最终完成对整个图像信号的高性能压缩感知采样及重建。与现有的方法相比,本发明专利技术具有将实际采样与图像内部特征紧密结合的特点，能够克服现有方法中对图像块进行均匀采样时因忽略图像内部具体纹理特征而造成采样和重建效率较低的缺陷。
【技术实现步骤摘要】
【专利摘要】本专利技术提供了一种，它是通过对每个图像块离散余弦变换系数的分布特征的分析来判断该图像块所具有的纹理特性，从而决定对此图像块所采用的采样率，以分配不同的采样样本数给不同的图像块，由此实现对整个图像信号的自适应压缩感知采样，最终完成对整个图像信号的高性能压缩感知采样及重建。与现有的方法相比,本专利技术具有将实际采样与图像内部特征紧密结合的特点，能够克服现有方法中对图像块进行均匀采样时因忽略图像内部具体纹理特征而造成采样和重建效率较低的缺陷。【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
压缩感知理论(Compressed sensing)是近年来信号处理领域最重大的发现之一,这一理论由D.Donoho、E.Candes及Τ.Tao等人提出，具体描述参见文献“Compressedsensing”。压缩感知理论自诞生之日起便极大地吸引了相关研究人员的关注，已被广泛应用于图像处理、计算机视觉、模式识别、无线通信、空间科学及医学图像等相关领域，被评为2007年度十大科技进展之一。传统的信号获取和处理过程主要包括采样、压缩和解压缩三个部分，其采样过程必须遵循奈奎斯特采样定理，即采样频率需要达到信号频率的两倍以上时，才能由采样信号精确重建原始信号。这种传统的信号采样方式采样数据量大，先采样后压缩，浪费了大量的传感时间和存储空间。而基于压缩感知的信号处理方法直接从连续时间信号采样得到压缩样本，然后在数字信号处理中采用优化方法处理压缩样本进行信号的重建。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，是一种高效的信号处理过程，因此有着突出的优点和广阔的应用前景。同时，压缩感知理论打破了传统的奈奎斯特采样定理的限制，可以在低于奈奎斯特采样频率的情况下采用一种数学投影的方法对信号进行整体的测量以获取少量的采样样本，继而用这些样本通过求解数值最优化的问题准确重建出原始信号。在图像压缩领域，压缩感知技术也得到了越来越多的应用。例如，L.Gan将分块式的压缩感知米样应用于图像压缩(详见参考文献“Block compressed sensing ofnatural images”)，而S.Mun和J.E.Fowler将多种变换与压缩感知理论相结合应用于图像压缩中(详见参考文献“Block compressed sensing of images using directionaltransforms”)。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一种，它是通过具体分析图像中每个图像块的具体特征，以实现自适应分配采样样本给每个图像块，最终完成对整个图像信号的高性能压缩感知采样及重建。与现有的方法相比，本专利技术具有将实际采样与图像内部特征紧密结合的特点，能够克服现有方法中对图像块进行均匀采样时因忽略图像内部具体纹理特征而造成采样和重建效率较低的缺陷。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1，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 IS10918 - 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 IS10918 - 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，根据设定的采样率，首先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 for imagecompression，，。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U范数的稀疏重建法传统的基于平滑U范数稀疏重建法是一种基于近似U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 l0norm，，。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，再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，传统的二维离散余弦变换传统的二维离散余弦变换是将原始的二维数据先左乘一个余弦变换矩阵，然后再右乘该变换矩阵的转置矩阵，最终得到变换后的二维数据，具体步骤参见文献“数字视频编码技术原理”，高文、赵德斌、马思伟著，科学出版社。定义8, 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。本专利技术提供了针对图像信号的一种，它包括以下几个步骤，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本文档来自技高网...
【技术保护点】
一种基于离散余弦变换系数分布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定义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，计算每个图像块的重要性因子首先,对每一个图像块Bi，进行传统的二维离散余弦变换，得到变换后的图像块，记为Ci；将Ci中每个离散余弦变换系数记为dl，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；l代表离散余弦变换系数的索引，l∈｛1，2，…，m2｝，m代表所产生的每个正方形图像块的宽度或高度；其次，定义二维离散余弦变换后图像块Ci中余弦变换系数的统计阀值为Ti，这里，dl代表离散余弦变换系数，l代表离散余弦变换系数的索引，l∈｛1，2，…，m2｝，m代表所产生的每个正方形图像块的宽度或高度，符号“| |”表示对符号内的数取绝对值；最后，定义图像块Bi的重要性因子为F(i)，这里，F(i)=num(dl≥Ti)，符号“num”表示在二维离散余弦变换后的图像块Ci中统计满足条件dl≥Ti的离散余弦变换系数dl的个数；i代表图像块的索引，i∈｛1，2，…，N｝，N是步骤1中所产生的所有图像块的个数；l代表离散余弦变换系数的索引，l∈｛1，2，…，m2｝，m代表所产生的每个正方形图像块的宽度或高度；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，F(i)代表图像块Bi的重要性因子，i代表图像块的索引，i∈｛1，2，…，N｝，F(k)代表图像块Bk的重要性因子，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Idx...
【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
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。