[發(fā)明專利]一種基于深度學(xué)習(xí)的圖像壓縮感知方法

在審

• 申請?zhí)枺?/td>: 202211318691.0
• 申請日: 2022-10-26
• 公開（公告）號: CN115861452A
• 公開（公告）日: 2023-03-28
• 發(fā)明（設(shè)計）人: 王擊;吳桐雨
• 申請（專利權(quán)）人: 中南大學(xué)
• 主分類號: G06T9/00
• 分類號: G06T9/00;G06T7/66;G06V10/44;G06V10/74
• 代理公司: 北京清控智云知識產(chǎn)權(quán)代理事務(wù)所(特殊普通合伙) 11919
• 代理人: 林淡如

本發(fā)明提供了一種基于深度學(xué)習(xí)的圖像壓縮感知方法，所述方法包括獲取壓縮圖像數(shù)據(jù)，在所述壓縮圖像數(shù)據(jù)中插入識別塊和協(xié)同定位塊，根據(jù)所述識別塊和所述協(xié)同定位塊的位置來確定偏移向量；并基于所述偏移向量和原始參考圖像數(shù)據(jù)中所述協(xié)同定位塊和所述識別塊之間的視差向量來計算預(yù)測塊向量，其中，將所述預(yù)測塊向量添加到候選向量列表中，并對應(yīng)于候選向量的圖像塊之間的接近度對候選向量列表進(jìn)行排序。本發(fā)明通過所述識別塊和協(xié)同定位塊位置的確定，并插入所述圖像數(shù)據(jù)中，使得所述圖像數(shù)據(jù)中的有效成分能夠被采集，提升對所述圖像數(shù)據(jù)重建時的無損，也進(jìn)一步的保證圖像數(shù)據(jù)的準(zhǔn)確性。

技術(shù)領(lǐng)域

本發(fā)明涉及圖像數(shù)據(jù)處理技術(shù)領(lǐng)域，特別涉及一種基于深度學(xué)習(xí)的圖像壓縮感知方法。

背景技術(shù)

壓縮感知(Compressed sensing)理論，也被稱為壓縮采樣(Compressivesampling)，是近年來信號處理領(lǐng)域的研究熱點。該理論指出：若信號是稀疏的信號，則在遠(yuǎn)小于奈奎斯特(Nyquist)采樣率的條件下，對該信號進(jìn)行抽樣，并通過求解優(yōu)化問題的方法還原該信號，壓縮感知方法可以同時執(zhí)行采樣和壓縮過程，并且無需復(fù)雜的壓縮編碼，就可以減少大量的采樣數(shù)據(jù)，進(jìn)而提高了壓縮速率。

如CN206629212U現(xiàn)有技術(shù)公開了一種圖像壓縮感知裝置，目前的使用壓縮感知理論一般是針對一維信號的處理。如果需要對二維的圖像信號進(jìn)行壓縮抽樣，則需要將二維的圖像信號堆疊成一維的列向量，然后對一維的列向量進(jìn)行壓縮抽樣。由于現(xiàn)有的方法需要將二維數(shù)據(jù)轉(zhuǎn)為一維數(shù)據(jù)，導(dǎo)致在壓縮抽樣過程中觀測矩陣數(shù)據(jù)龐大，并且需要占用大量的存儲空間進(jìn)行大量的邏輯運算，進(jìn)而出現(xiàn)壓縮抽樣的速度慢，效率低的問題。

另一種典型的如CN107146259B的現(xiàn)有技術(shù)公開的一種新型的基于壓縮感知理論的圖像壓縮方法，最常用的基于壓縮感知理論的圖像壓縮是將圖像進(jìn)行分塊后再進(jìn)行壓縮采樣以及重建，由此而降低方法的復(fù)雜度，不過，當(dāng)前的壓縮感知方法在對圖像信號進(jìn)行壓縮感知采樣和信號重建時，由于缺少高效的采樣策略和重建方法，導(dǎo)致整體性能不高，由此限制了這一理論在圖像壓縮方面的應(yīng)用。

為了解決本領(lǐng)域普遍存在數(shù)據(jù)處理量大、依賴專家知識、無法遷移、精確性差、無法匹配樣本，很難建立顯式的圖像信息特征等等問題，作出了本發(fā)明。

發(fā)明內(nèi)容

本發(fā)明的目的在于，針對目前圖片處理所存在的不足，提出了一種基于深度學(xué)習(xí)的圖像壓縮感知方法。

為了克服現(xiàn)有技術(shù)的不足，本發(fā)明采用如下技術(shù)方案：

一種基于深度學(xué)習(xí)的圖像壓縮感知方法，所述方法包括獲取壓縮圖像數(shù)據(jù)，在所述壓縮圖像數(shù)據(jù)中插入識別塊和協(xié)同定位塊，根據(jù)所述識別塊和所述協(xié)同定位塊的位置來確定偏移向量；并基于所述偏移向量和原始參考圖像數(shù)據(jù)中所述協(xié)同定位塊和所述識別塊之間的視差向量來計算預(yù)測塊向量，其中，將所述預(yù)測塊向量添加到候選向量列表中，并對應(yīng)于候選向量的圖像塊之間的接近度對候選向量列表進(jìn)行排序；

通過處理模塊對壓縮圖像數(shù)據(jù)進(jìn)行處理，并獲得一個圖像塊矩陣Trans：

其中，m為圖像塊的行數(shù)，n為圖像塊的列數(shù)，a_ij表示第i行的第j個列的圖像塊；

建立所述預(yù)測塊向量與所述圖像塊矩陣之間的映射關(guān)系，以建立各個圖像塊與預(yù)測向量之間的對應(yīng)關(guān)系，并依據(jù)所述圖像塊矩陣中的圖像塊對所述候選向量列表進(jìn)行排序；

獲取候選向量列表中的任意兩個預(yù)測塊向量X和Y，并其對應(yīng)的所述圖像塊的接近度Picture依據(jù)下式進(jìn)行計算，