[發(fā)明專利]一種基于圖模型的圖像壓縮感知方法

有效

• 申請?zhí)枺?/td>: 201810368095.0
• 申請日: 2018-04-23
• 公開（公告）號: CN109451314B
• 公開（公告）日: 2021-06-08
• 發(fā)明（設(shè)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(quán)）人: 杭州電子科技大學(xué)
• 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(wù)所(特殊普通合伙) 33240
• 代理人: 朱月芬

本發(fā)明公開了一種基于圖模型的圖像壓縮感知方法。本發(fā)明包括：1：設(shè)置QP因子，對測試圖像X進行壓縮得到圖片X'，并將壓縮后的圖片與原始圖片的PSNR值進行比較；2：將壓縮后的圖片X'分成若干重疊小塊，對于每個小塊構(gòu)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(jié)點，構(gòu)造對應(yīng)的圖模型；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(dá)式進行凸優(yōu)化處理求解；5：對每個重疊小塊處理完后，采用加權(quán)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(tǒng)圖像壓縮感知方法進行比較。本發(fā)明提高圖像的壓縮效率以及重建速率。

技術(shù)領(lǐng)域

本發(fā)明屬于圖像增強中的圖像壓縮感知領(lǐng)域，主要應(yīng)用于圖像存儲、壓縮等方面，具體涉及一種基于圖模型的圖像壓縮感知方法。

背景技術(shù)

當(dāng)今社會互聯(lián)網(wǎng)的飛速發(fā)展，人們對于多媒體的要求不斷提升，數(shù)據(jù)傳輸?shù)目焖傩院蜏?zhǔn)確性成為了圖像視頻領(lǐng)域的研究重點。同時海量數(shù)據(jù)的快速傳遞對于電腦、網(wǎng)絡(luò)等的配置要求很高，并且單幅圖像像素間和視頻序列的每幀圖像間存在一定的冗余現(xiàn)象(空間冗余和時間冗余)，圖像壓縮感知(Compressed Sensing)是多媒體時代必須執(zhí)行的操作。圖像壓縮感知理論其突破了傳統(tǒng)的香農(nóng)采樣定理，是信號處理領(lǐng)域的重大變革，能更好地對高分辨信號進行采集。圖像壓縮感知過程包含采樣、壓縮和解壓縮等步驟，主要解決圖像在存儲，運輸，處理方面的難題。圖像的稀疏性是處理壓縮感知的重要先驗，經(jīng)常使用稀疏基來對圖像進行稀疏表示，從而可以通過復(fù)雜的重構(gòu)算法進行壓縮重建。

圖像壓縮的主流標(biāo)準(zhǔn)主要有由聯(lián)合圖像專家組JPEG制定的JPEG標(biāo)準(zhǔn)、由國際標(biāo)準(zhǔn)化組織ISO制定的MPEG標(biāo)準(zhǔn)和由國際電信聯(lián)盟ITU制定的H.26X標(biāo)準(zhǔn)。JPEG標(biāo)準(zhǔn)主要針對于靜態(tài)圖像(圖片)，一般都是有損壓縮，而MPEG和H.26X標(biāo)準(zhǔn)主要應(yīng)用于動態(tài)圖像(視頻的壓縮標(biāo)準(zhǔn))，其兼容性比JPEG更好，壓縮性能更為優(yōu)越。當(dāng)今應(yīng)用于壓縮感知的圖像重構(gòu)算法主要有一些列匹配追蹤(Matching Pursuit)算法如矩陣匹配追蹤、貪婪匹配追蹤等，主要利用過完備字典計算信號表示，能很好的對信號進行重建，重建速度和準(zhǔn)確度比較完善。圖模型作為一種圖論方法，主要應(yīng)用在地理、氣候等領(lǐng)域，并能很好地對地理圖形進行處理，對氣候進行估計。同時圖模型能應(yīng)用于圖像處理領(lǐng)域，一些研究已經(jīng)著手于將圖模型應(yīng)用于圖像增強領(lǐng)域，并能取得不錯的處理效果。

將圖模型理論應(yīng)用于圖像壓縮感知領(lǐng)域是新穎的，此部分是當(dāng)今世界并未采用的方法，創(chuàng)新程度高，同時也能更好地利用圖像內(nèi)部的自相似性與稀疏性，是很有意義且有效的抉擇。

發(fā)明內(nèi)容

本發(fā)明主要考慮了圖像壓縮感知的流程以及圖模型在圖像壓縮感知領(lǐng)域的可應(yīng)用性，同時在實驗中探索了圖像內(nèi)部像素的自相似性與拓?fù)湫浴Ｈ绾螌D模型應(yīng)用于圖像壓縮感知，從而提高圖像的壓縮效率以及重建速率是值得探討的問題。

本發(fā)明通過引進圖模型，對圖像中的每一個重疊小塊進行處理。針對圖像中的每一個大小為s×s的重疊小塊，設(shè)置一個局部搜索窗，找到K個與其相似的相似小塊,并對K個相似小塊對應(yīng)的像素進行平均處理，得到一個平均的大小為s×s的小塊。將該小塊的每一個像素當(dāng)成一個節(jié)點，采用高斯核構(gòu)造拉普拉斯矩陣圖模型，考慮到了圖像內(nèi)部像素的拓?fù)浼s束與自相似性。最終得到壓縮感知方程的表達(dá)式，正則項為圖，二次項為重建塊塊與去壓縮塊的偏差。

本發(fā)明的具體實現(xiàn)步驟如下：

步驟1：設(shè)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'，并將壓縮后的圖片與原始圖片的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(gòu)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(jié)點，構(gòu)造對應(yīng)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(dá)式進行凸優(yōu)化處理求解；