[發明專利]一種壓縮成像分類方法及系統

有效

• 申請號: 202110008976.3
• 申請日: 2021-01-05
• 公開（公告）號: CN112616050B
• 公開（公告）日: 2022-09-27
• 發明（設計）人: 程雪岷;焦文斌;林家用;高子琪;王安琪
• 申請（專利權）人: 清華大學深圳國際研究生院
• 主分類號: H04N19/12
• 分類號: H04N19/12;H04N19/132;H04N19/48;H04N19/87;G06V10/764
• 代理公司: 深圳新創友知識產權代理有限公司 44223
• 代理人: 江耀純

本發明提供一種壓縮成像分類方法及系統，該方法包括：S1.根據目標場景圖像的大小M*N建立多個正交矩陣，所述正交矩陣為二維離散余弦變換的由低到高階次的變換基底；S2.將所述多個正交矩陣二值化生成多個測量矩陣；S3.利用所述多個測量矩陣中的前n個測量矩陣對所述目標場景圖像進行壓縮采樣，壓縮率為f；同時提取場景圖像頻率信息，獲得所述n個測量矩陣對應的權重，所述權重為調制目標場景的像所對應的光強值；S4.根據所述前n個測量矩陣所對應的正交矩陣和權重對所述目標場景進行重構和識別，輸出所述目標場景的重構圖像和類別；其中，所述數量n和壓縮率f滿足如下公式：n＝f*M*N。利用該方法和系統可降低采集數據量至5％?25％，同時保持高識別精度。

技術領域

本發明涉及計算機與圖像處理技術領域，尤其涉及一種壓縮成像分類方法及系統。

背景技術

智能監測系統主要由以下三個部分組成：前端-圖像采集端，數據傳輸通道，后端-圖像智能分析端。前端通過成像系統采集場景圖像之后，傳輸通道負責將采集到的數據送給后端，后端采用圖像處理、模式識別和計算機視覺技術對圖像進行實時分析、識別。后端分析作為整個智能監測系統的結果輸出端，其精度直接取決于圖像采集的成像質量以及傳輸過程中的信息損耗，越高的成像質量能帶來越高的識別精度，但是也需要采集和傳輸更多的數據量，不僅需要更高成本的探測器，同時對傳輸速度和傳輸通道的帶寬有著極高的要求，例如，用于水下浮游生物實時監測系統中的原位成像儀PlanktonScope，每小時采集五萬多幅圖像，數據量高達300GB。因此，能否在保持高識別精度的情況下，壓縮圖像采集端的數據量對智能監測系統的發展具有重大意義。

目前常用的壓縮方法通常是在奈奎斯特采樣率(Nyquist Sampling Rate)下對場景進行采集后，使用壓縮算法(如：JPEG)降低數據量后再進行傳輸，這種方法在一定程度上可以降低傳輸帶寬的負擔，但是仍需先采集大量的數據，探測器的成本隨之增高，在一些特殊波段尤為明顯(如太赫茲波段探測器單個像素價格可高達10³-10⁴元)。隨著壓縮感知技術的出現，允許在低于奈奎斯特采樣率時采集圖像，達到“邊采樣邊壓縮”的效果，但是壓縮感知要求圖像在特定域足夠稀疏，重構過程需要繁雜地迭代計算，且重構效果依賴于圖像的稀疏程度，不利于最終的后端識別。

發明內容

為解決上述問題，本發明提出一種壓縮成像分類方法及系統，其能大大降低采集的數據量，且通過逆變換重構算法就可恢復目標場景的圖像，同時保持高識別精度。

本發明提出一種壓縮成像分類方法，包括：S1.根據目標場景圖像的大小M*N建立多個正交矩陣，所述正交矩陣為二維離散余弦變換的由低到高階次的變換基底；S2.將所述多個正交矩陣二值化生成多個測量矩陣；S3.利用所述多個測量矩陣中的前n個測量矩陣對所述目標場景圖像進行壓縮采樣，壓縮率為f；同時提取場景圖像頻率信息，獲得所述n個測量矩陣對應的權重，所述權重為調制目標場景的像所對應的光強值；S4.根據所述前n個測量矩陣所對應的正交矩陣和權重對所述目標場景進行重構和識別，輸出所述目標場景的重構圖像和類別；其中，所述數量n和壓縮率f滿足如下公式：n＝f*M*N。

本發明同時考慮JPEG壓縮算法和壓縮感知技術，以離散余弦變換(DiscreteCosine Transform,DCT)為基礎，結合利用圖像低頻信息可完成識別任務的思想，建立了由低到高階次的正交矩陣，并將其二值化生成測量矩陣，從而在測量過程中采集圖像的低頻信息，在保持后端識別精度不變的情況下，將采樣數據量大大降低，并可降低至5％-25％。另外，使用該測量矩陣，壓縮解碼不需要繁雜的迭代計算，通過逆變化重構就可恢復目標場景的圖像。

其中，測量矩陣的計算公式如下：