一種基于壓縮感知的圖像自適應(yīng)測(cè)量方法
【專(zhuān)利摘要】本發(fā)明涉及一種基于壓縮感知的圖像自適應(yīng)測(cè)量方法。本方法的操作步驟如下:(1)對(duì)輸入圖像建立恰可辨失真閾值模型,(2)對(duì)不同圖像區(qū)域,自適應(yīng)采用不同的測(cè)量數(shù)目進(jìn)行測(cè)量,(3)進(jìn)行分塊正交匹配追蹤算法重建,(4)進(jìn)行反離散余弦變換,生成圖像。本發(fā)明對(duì)圖像壓縮感知中的測(cè)量過(guò)程進(jìn)行了改進(jìn),改變了原有的對(duì)圖像所有的區(qū)域進(jìn)行單一數(shù)目測(cè)量的方式,而是根據(jù)人眼的視覺(jué)特性采取對(duì)圖像不同區(qū)域自適應(yīng)測(cè)量。在保證主觀質(zhì)量和客觀質(zhì)量保持不變的情況下,提高了圖像的壓縮效率。
【專(zhuān)利說(shuō)明】一種基于壓縮感知的圖像自適應(yīng)測(cè)量方法
【技術(shù)領(lǐng)域】
[0001]本發(fā)明涉及壓縮感知的圖像壓縮領(lǐng)域,特別是一種基于壓縮感知的圖像自適應(yīng)測(cè)量方法,適用于提高圖像的壓縮效率。
【背景技術(shù)】
[0002]隨著信息技術(shù)的飛躍發(fā)展,信息全球化已成為科技發(fā)展的必然趨勢(shì)。在圖像領(lǐng)域,人們對(duì)高清圖像的要求十分迫切。一方面,為了得到高分辨率的圖像,采用傳統(tǒng)的不低于原信號(hào)帶寬兩倍的奈奎斯特采樣定理對(duì)信號(hào)進(jìn)行采樣,給硬件設(shè)備都來(lái)非常大的負(fù)擔(dān)。另一方面,實(shí)際應(yīng)用中,為降低傳輸和存儲(chǔ)成本,采用壓縮形式,丟棄了大量非重要的數(shù)據(jù)信息。這種高采樣率后再壓縮數(shù)據(jù),浪費(fèi)了大量的采樣數(shù)據(jù)。于是就引入了這樣的問(wèn)題:既然在壓縮過(guò)程中已經(jīng)丟棄了很多采樣的數(shù)據(jù),為什么不直接在采樣時(shí)就直接采取少量的對(duì)我們有用的數(shù)據(jù)呢?如果能夠解決這個(gè)問(wèn)題,我們就能夠極大的降低數(shù)據(jù)的采樣頻率,同時(shí)降低傳輸代價(jià)和數(shù)據(jù)傳輸空間。
[0003]2006 年,Candes, Tao, Donoho 等人正式提出壓縮感知(Compressed Sensing, CS)理論,為這個(gè)問(wèn)題提出了一種解決方案。CS理論與傳統(tǒng)的先采樣后壓縮的信號(hào)獲取方式不同,它是將高維的信號(hào)投影到一個(gè)低維空間,再利用重建算法把這些投射到低維空間的信號(hào)恢復(fù)出來(lái)。由于CS理論所需要的投影測(cè)量矩陣遠(yuǎn)小于傳統(tǒng)采樣方法所需要的數(shù)據(jù),從而降低了數(shù)據(jù)采集編碼端的壓力,豐富了信號(hào)采樣的理論,為相關(guān)領(lǐng)域的研究提供了全新的研究思維和方法。
[0004]CS理論極大的提高了對(duì)有用的數(shù)據(jù)量利用率,降低了采樣數(shù)據(jù)量,所以在圖像壓縮中得到了廣泛的應(yīng)用,但是目前的基于CS的圖像壓縮忽略了人的主觀特性。人眼對(duì)圖像的不同部分的敏感程度不同,在CS中對(duì)不同部分采取不同的測(cè)量數(shù)量,能夠進(jìn)一步降低采樣數(shù)據(jù)量,提高圖像的壓縮效率。
[0005]目前對(duì)人眼的主觀特性研究最具代表性的是人眼恰可辨失真(Just NoticeableDistortion, JND)模型,在圖像應(yīng)用領(lǐng)域,它主要包含部分:亮度掩蓋效應(yīng),紋理掩蓋效應(yīng)和空間靈敏度函數(shù)效應(yīng)。
[0006]本發(fā)明專(zhuān)利申請(qǐng)首次提出將JND模型應(yīng)用到基于CS圖像的自適應(yīng)測(cè)量的過(guò)程中,在保證主觀質(zhì)量和客觀質(zhì)量不變的情況下,進(jìn)一步提高圖像的壓縮效率。
[0007]
【發(fā)明內(nèi)容】
本發(fā)明的目的是針對(duì)已有技術(shù)存在的缺陷,提供一種基于壓縮感知的圖像自適應(yīng)測(cè)量方法,該方法運(yùn)用JND模型對(duì)圖像的不同區(qū)域采取不同的測(cè)量數(shù)目,對(duì)人眼不敏感的區(qū)域采用較少的測(cè)量值,對(duì)人眼敏感的區(qū)域采用較多的測(cè)量值,在保證重建圖像主觀質(zhì)量和客觀質(zhì)量不變的情況下,極大提高了圖像的壓縮效率。
[0008]為達(dá)到上述目的,本發(fā)明采用如下的技術(shù)方案:
一種基于壓縮感知中的圖像自適應(yīng)測(cè)量方法,其特征在于操作步驟如下:
(I)對(duì)輸入圖像建立恰可辨失真閾值模型,(2)對(duì)不同圖像區(qū)域,自適應(yīng)采用不同的測(cè)量數(shù)目進(jìn)行測(cè)量,
(3)進(jìn)行分塊正交匹配追蹤算法(OrthogonalMatching Pursuit, OMP)重建,
(4)進(jìn)行反離散余弦變換,生成圖像。
[0009]本發(fā)明的一種基于壓縮感知中的圖像自適應(yīng)測(cè)量方法與已有技術(shù)相比較,具有如下顯而易見(jiàn)的突出實(shí)質(zhì)性特點(diǎn)和顯著技術(shù)進(jìn)步:本自適應(yīng)測(cè)量方法在保證重建圖像主觀和客觀質(zhì)量不變的同時(shí),提高了圖像的壓縮效率。
【專(zhuān)利附圖】
【附圖說(shuō)明】
[0010]圖1是本發(fā)明中的一種基于壓縮感知中的圖像自適應(yīng)測(cè)量方法的原理框圖。
[0011]圖2是圖像的恰可辨失真閾值模型的框圖。
[0012]圖3是自適應(yīng)采用不同的測(cè)量矩陣進(jìn)行測(cè)量的框圖。
[0013]圖4是8 X 8分塊的OMP算法重建框圖。
[0014]圖5是8X8分塊的IDCT恢復(fù)圖像的框圖。
[0015]圖6是固定測(cè)量數(shù)目和自適應(yīng)測(cè)量數(shù)目下的圖像PSNR值的結(jié)果。
[0016]圖7是固定測(cè)量數(shù)目和自適應(yīng)測(cè)量數(shù)目下的圖像壓縮比的結(jié)果。
[0017]圖8是固定測(cè)量數(shù)目和自適應(yīng)測(cè)量數(shù)目下的圖像PSNR值的對(duì)比結(jié)果直方圖。
[0018]圖9是固定測(cè)量數(shù)目和自適應(yīng)測(cè)量數(shù)目下的圖像壓縮比的對(duì)比結(jié)果直方圖。
[0019]圖10不同測(cè)量數(shù)目下圖像重建后的效果圖。
[0020]【具體實(shí)施方式】:
以下結(jié)合附圖對(duì)本發(fā)明的優(yōu)選實(shí)施例作進(jìn)一步的詳細(xì)說(shuō)明:
實(shí)施例一:
本實(shí)施例一種基于壓縮感知中的圖像自適應(yīng)測(cè)量方法,參見(jiàn)圖1,包括以下步驟:
(1)對(duì)輸入圖像建立恰可辨失真閾值模型,
(2)對(duì)不同圖像區(qū)域,自適應(yīng)采用不同的測(cè)量數(shù)目進(jìn)行測(cè)量,
(3)進(jìn)行分塊正交匹配追蹤算法重建,
(4)進(jìn)行反離散余弦變換,生成圖像。
[0021]實(shí)施例二:本實(shí)施例與實(shí)施例一基本相同,特別之處如下:
上述步驟(I)中對(duì)輸入圖像建立恰可辨失真閾值模型,參見(jiàn)圖2:
(1-1)空間對(duì)比靈敏度函數(shù)模型是根據(jù)人眼的帶通特性曲線,對(duì)于特定空間頻率
W其基本的JND閾值可表示為:
【權(quán)利要求】
1.一種基于壓縮感知的圖像自適應(yīng)測(cè)量方法,其特征在于操作步驟如下: (1)對(duì)輸入圖像建立恰可辨失真閾值模型, (2)對(duì)不同圖像區(qū)域,自適應(yīng)采用不同的測(cè)量數(shù)目進(jìn)行測(cè)量, (3)進(jìn)行分塊正交匹配追蹤算法重建, (4)進(jìn)行反離散余弦變換,生成圖像。
2.根據(jù)權(quán)利要求1所述的一種基于壓縮感知的圖像自適應(yīng)測(cè)量方法,其特征在于步驟(I)對(duì)輸入圖像建立恰可辨失真閾值模型的操作步驟如下: ?計(jì)算8x8 DCT變換的空間靈敏度因子1:L / J,其公式為:
3.根據(jù)權(quán)利要求1所述的一種基于壓縮感知的圖像自適應(yīng)測(cè)量方法,其特征在于所述步驟(2)對(duì)不同圖像區(qū)域,自適應(yīng)采用不同的測(cè)量數(shù)目進(jìn)行測(cè)量的操作步驟如下: ①分別計(jì)算整幅圖像的恰可辨失真平均值和8X8分塊的恰可辨失真平均值JND^ 7 ^ JND > JMJgxg執(zhí)行步馬聚?,否貝U,執(zhí)行步馬聚③; ②對(duì)當(dāng)前8X8分塊使用較多行測(cè)量矩陣測(cè)量; ③對(duì)當(dāng)前8X8分塊使用較少行測(cè)量矩陣測(cè)量。
4.根據(jù)權(quán)利要求1所述的一種基于壓縮感知的圖像自適應(yīng)測(cè)量方法,其特征在于所述步驟(3)進(jìn)行分塊正交匹配追蹤算法重建的操作步驟如下: 對(duì)每個(gè)8X8分塊分別進(jìn)行正交匹配追蹤算法的重建。
5.根據(jù)權(quán)利要求1所述的一種基于壓縮感知的圖像自適應(yīng)測(cè)量方法,其特征在于所述步驟(4)進(jìn)行反離散余弦變換,生成圖像的操作步驟如下: 對(duì)每個(gè)8X8分塊分別進(jìn)行反離散余弦變換,恢復(fù)出原圖像。
【文檔編號(hào)】H04N7/26GK103475875SQ201310261818
【公開(kāi)日】2013年12月25日 申請(qǐng)日期:2013年6月27日 優(yōu)先權(quán)日:2013年6月27日
【發(fā)明者】王永芳, 商習(xí)武, 羅麗冬, 宋允東, 張兆楊 申請(qǐng)人:上海大學(xué)