[發明專利]一種基于圖模型的圖像壓縮感知方法

有效

• 申請號: 201810368095.0
• 申請日: 2018-04-23
• 公開（公告）號: CN109451314B
• 公開（公告）日: 2021-06-08
• 發明（設計）人: 顏成鋼;李志勝;劉炳濤;周旭;俞靈慧;陳靖文;張勇東
• 申請（專利權）人: 杭州電子科技大學
• 主分類號: H04N19/176
• 分類號: H04N19/176;H04N19/42;H04N19/124;H04N19/91;H04N19/154;H04N19/182
• 代理公司: 杭州君度專利代理事務所(特殊普通合伙) 33240
• 代理人: 朱月芬

1.一種基于圖模型的圖像壓縮感知方法,其特征在于，包括：

步驟1：設置QP因子，對測試圖像X進行壓縮得到壓縮后待處理的圖片X'，并將壓縮后的圖片X'與原始的測試圖像X的PSNR值進行比較；

步驟2：將壓縮后的圖片X'分成若干個重疊小塊，對于每個小塊構造相似塊組，并進行平均；

步驟3：將待重建的壓縮平均塊中的每一個像素看成是一個節點，構造對應的圖模型；

步驟4：將圖作為正則項，將原始塊與待重建的壓縮平均塊的偏差作為二次項，對表達式進行凸優化處理求解；

步驟5：對每個重疊小塊處理完后，采用加權平均對圖片進行更新，得到壓縮重建后的圖片Y，并計算原始圖片與處理完后的圖片的PSNR值，并與傳統圖像壓縮感知方法進行比較；

所述的步驟1具體實現過程如下：

1-1.壓縮編碼：

首先對測試圖像X進行分塊，分成10×10的不重疊小塊，對于測試圖像X中的每一個小塊進行離散余弦變換，將測試圖像X中每一個小塊變換到頻率域；

然后設置QP為5進行量化操作得到具體的量化矩陣；

最后采用Huffman編碼規則對量化后的每一個小塊進行編碼操作；

所述的QP的設置是經過多次調試得出的最優QP值；

1-2.解碼合并：

對每一個小塊進行編碼之后，需要對這些小塊進行解碼；

首先通過解碼器對測試圖像X中的小塊進行解碼；

接著用反DCT變換將測試圖像X中的小塊從頻率域轉回空間域；

最終對于這些空間域的小塊進行合并，合并成壓縮后的圖像X'；

1-3.計算壓縮的峰值信噪比值：

峰值信噪比是衡量圖像之間相似度的一個重要比較標準，具體的計算公式如下：

公式中，m和n分別是圖像的長和寬，t是圖像的比特數，MSE為兩圖像之間的偏差；對原始測試圖像X與壓縮后的圖片X'進行PSNR值計算，并記為PSNR1，通過PSNR1的值來判斷通過壓縮編碼和解碼合并的壓縮效果；

所述的步驟2具體實現如下：

將壓縮后的圖片X’劃分重疊的5×5小塊，重疊的間隔為3；對于壓縮后的圖片X'中的每一個小塊，在局部的搜索窗10×10的搜索窗內使用KNN算法找到K個與其相似的小塊，并對對應像素進行平均操作，得到平均的大小為5×5平均塊，然后對每一個重疊小塊對應的平均塊進行處理；

所述的步驟3具體實現如下：

將平均的大小為5×5平均塊拉長成為一個25×1的列向量，將平均塊中每一個像素看成是一個節點，構造Graph模型，Graph模型的構造方式如下：

Graph模型由G＝(V,E,W)表示，其中V是由N個節點組成的邊，E是由多個邊構成的加權邊緣，W是加權鄰接矩陣；圖模型由圖拉普拉斯矩陣L表示，L封裝了圖的內部結構，L的計算方式是由W決定，具體的計算公式如下：

將拉長的25×1的列向量x的每一個像素看成是一個節點，通過計算節點與節點間的距離采用一個閾值的高斯核來構造加權鄰接矩陣：

構造出封裝了圖的內部結構的圖拉普拉斯矩陣，圖用拉普拉斯矩陣進行表示的方式如下：

||x_G||²＝tr(x^TLx) (4)；

所述的步驟4具體實現如下：

對于圖像中壓縮后的每一個重疊小塊，將圖作為正則項，壓縮后的小塊和重建后的小塊的偏差的二次項作為正則項，構造方程進行重建：

其中，x是壓縮后的小塊的向量形式，y是重建后的小塊的向量形式，通過對此方程采用凸優化工具，在Matlab中進行求解，并將重建后的25×1的向量形式轉換為5×5的矩陣形式，最終得到壓縮感知重建后的每一個重疊小塊。

2.根據權利要求1所述的一種基于圖模型的圖像壓縮感知方法,其特征在于步驟5具體實現過程如下：

圖像更新的原理是統計重疊處的像素用到的次數，并進行相應的平均，即采用了加權平均的方法進行操作，得到由各重疊小塊處理后的壓縮重建圖Y，并將壓縮重建圖Y與原始測試圖像X進行峰值信噪比計算，記為PSNR2，并在由原始測試圖像X和壓縮圖片X'對應的PSNR1前提下，將PSNR2于其他經典的壓縮重建方法對應的峰值信噪比值進行比較。