一種基于殘差壓縮感知的相似圖像壓縮方法
【專利摘要】本發(fā)明公開了一種基于殘差壓縮感知的相似圖像壓縮方法，包括步驟：1)采集一組相似圖像；2)對(duì)相似圖像進(jìn)行智能訓(xùn)練，提取公共模板；將首幅待壓縮圖像與公共模板相減得到殘差，對(duì)殘差采用K-SVD算法進(jìn)行訓(xùn)練，得到公共字典及測(cè)量值系數(shù)；對(duì)殘差進(jìn)行壓縮感知測(cè)量得到殘差測(cè)量值；提取測(cè)量值非零項(xiàng)進(jìn)行量化、熵編碼得到壓縮碼流，提取非零項(xiàng)位置信息作為頭信息；3)對(duì)壓縮碼流反熵編碼、反量化解出非零項(xiàng)殘差測(cè)量值，結(jié)合頭信息恢復(fù)測(cè)量矩陣；根據(jù)字典，采用OMP稀疏編碼算法重構(gòu)出殘差圖像；將殘差圖像與公共模板相加得到重構(gòu)圖像；4)輸出重構(gòu)圖像。本發(fā)明可以大大減少數(shù)據(jù)存儲(chǔ)量，有效提高壓縮效率，且重構(gòu)質(zhì)量更好。
【專利說明】一種基于殘差壓縮感知的相似圖像壓縮方法

【技術(shù)領(lǐng)域】
[0001] 本發(fā)明涉及一種基于殘差壓縮感知的相似圖像壓縮方法，屬于圖像壓縮領(lǐng)域。

【背景技術(shù)】
[0002] 隨著多媒體技術(shù)的發(fā)展，大量的支票、辦公室公文、證書和表單等文件的電子存儲(chǔ) 成為迫切需求。目前存儲(chǔ)的電子圖像大都是采用傳統(tǒng)的JPEG、PNG等壓縮方式掃描的圖像， 雖然能夠?qū)崿F(xiàn)一定的壓縮比，但是隨著數(shù)據(jù)量的增加，對(duì)存儲(chǔ)容量的需求會(huì)進(jìn)一步增強(qiáng)，對(duì) 物理存儲(chǔ)設(shè)備要求會(huì)更高，這對(duì)企業(yè)會(huì)造成一定的經(jīng)濟(jì)負(fù)擔(dān)。此外同一類圖像（例如同一 銀行發(fā)行的支票）具有很大的相似性，如果對(duì)這類掃描圖像直接存儲(chǔ)會(huì)造成資源的極大浪 費(fèi)。傳統(tǒng)的圖像壓縮方案主要通過變換、量化和熵編碼來減少數(shù)據(jù)冗余，從而實(shí)現(xiàn)壓縮編 碼。其中，變換利用圖像的低通特性將信號(hào)能量集中，然而對(duì)于一組相似圖像，這些方法對(duì) 圖像間的結(jié)構(gòu)相關(guān)性尚未充分利用。如果能找到相似圖像的共同結(jié)構(gòu)特征作為公共模板， 則只需要存儲(chǔ)每幅圖像的不同部分，在解碼時(shí)加上公共模板就能很好實(shí)現(xiàn)存儲(chǔ)空間的利 用。目前提取結(jié)構(gòu)特征的常用方法分三類：1、基于空間共生的特征表達(dá)方法，利用空間信息 以及特征間的共生特性可以增強(qiáng)局部特征的判別能力，典型的方法有空間金字塔匹配方法 和主旨（GIST)特征方法；2、基于集合驗(yàn)證的圖像區(qū)域方法，即在進(jìn)行特征表達(dá)和相似度計(jì) 算時(shí)，通過驗(yàn)證兩張圖像局部特征分布的幾何相似性來進(jìn)一步計(jì)算圖像的相似性，完成相 應(yīng)的匹配或檢索任務(wù)，其中具有代表性的是基于隨機(jī)樣本一致性（RANSAC)及約束一致性 的方法；3、視覺短語(yǔ)方法，通過圖像中特征點(diǎn)的空間分布，將若干個(gè)特征點(diǎn)聯(lián)合起來組成特 征組，完成對(duì)圖像的描述，主要有具有表達(dá)力的視覺短語(yǔ)表達(dá)方法和基于特征綁定的方法。
[0003] 傳統(tǒng)的圖像壓縮技術(shù)香農(nóng)定理，采用先采樣后壓縮的數(shù)據(jù)處理方式。壓縮感知理 論將傳統(tǒng)的數(shù)據(jù)獲取與數(shù)據(jù)壓縮合二為一，壓縮感知理論證明：如果信號(hào)在某個(gè)變換域是 稀疏的，就可以用一個(gè)與變換基不相關(guān)的測(cè)量矩陣將信號(hào)變換得到的高維信號(hào)投影到一個(gè) 低維空間上，這種投影包含了原信號(hào)絕大部分有用信息，采樣率遠(yuǎn)低于奈奎斯特Nyquist 采樣頻率，然后通過求解最優(yōu)化問題就可以從這些少量的投影中以高概率重構(gòu)出原信號(hào)。 本發(fā)明利用自然圖像數(shù)據(jù)的稀疏性特點(diǎn)，通過壓縮感知的方式對(duì)圖像進(jìn)行壓縮編碼，能夠 大大減少數(shù)據(jù)存儲(chǔ)壓力，同時(shí)通過自適應(yīng)字典的構(gòu)造，進(jìn)一步提高重構(gòu)質(zhì)量。


【發(fā)明內(nèi)容】

[0004] 為解決現(xiàn)有技術(shù)中的不足，本發(fā)明提供一種基于殘差壓縮感知的相似圖像壓縮方 法，可以大大減少數(shù)據(jù)存儲(chǔ)量，有效提高壓縮效率，且重構(gòu)質(zhì)量更好。
[0005] 為了實(shí)現(xiàn)上述目標(biāo)，本發(fā)明采用如下技術(shù)方案：一種基于殘差壓縮感知的相似圖 像壓縮方法，其特征在于：包括步驟：
[0006] ⑴初始化：
[0007] 11)通過輸入設(shè)備，采集待壓縮的N組相似圖像并保存；
[0008] 12)將采集到的N幅尺寸為L(zhǎng)XH圖像作為公共模板訓(xùn)練樣本讀入數(shù)組I中；
[0009] (2)編碼：
[0010] 21)公共模板智能訓(xùn)練：
[0011] 21a)將所有N幅圖像劃分為8X8不重疊的塊，對(duì)邊緣不足8X8的塊用0補(bǔ)充，得 到樣本訓(xùn)練圖像塊集合B;
[0012] 21b)在塊集合B中隨機(jī)選取小部分圖像塊進(jìn)行k-means聚類，得到K個(gè)聚類中心；
[0013] 21c)以21b)中K個(gè)聚類中心作為迭代初始值，對(duì)圖像塊集合B進(jìn)行聚類，得到圖 像塊集合Bk;
[0014] 21d)對(duì)當(dāng)前第k類圖像塊集合Bk，通過構(gòu)建以<的12范數(shù)作為懲罰函數(shù)并添加 到目標(biāo)函數(shù)⑵中，SP:
[0015]

【權(quán)利要求】
1. 一種基于殘差壓縮感知的相似圖像壓縮方法，其特征在于：包括步驟： ⑴初始化： 11) 通過輸入設(shè)備，采集待壓縮的N組相似圖像并保存； 12) 將采集到的N幅尺寸為L(zhǎng)XH圖像作為公共模板訓(xùn)練樣本讀入數(shù)組I中； (2)編碼： 21) 公共模板智能訓(xùn)練： 21a)將所有N幅圖像劃分為8X8不重疊的塊，對(duì)邊緣不足8X8的塊用O補(bǔ)充，得到樣 本訓(xùn)練圖像塊集合B; 21b)在塊集合B中隨機(jī)選取小部分圖像塊進(jìn)行k-means聚類，得到K個(gè)聚類中心； 21c)以21b)中K個(gè)聚類中心作為迭代初始值，對(duì)圖像塊集合B進(jìn)行聚類，得到圖像塊 集合Bk; 21d)對(duì)當(dāng)前第k類圖像塊集合Bk，通過構(gòu)建以名的12范數(shù)作為懲罰函數(shù)并添加到目 標(biāo)函數(shù)⑵中，即：
其中，戌為64X64的固定字典；mk為當(dāng)前第k類圖像塊集合Bk的總塊數(shù)，為當(dāng)前 類中的第j圖像塊，矩陣Ak為當(dāng)前第k類在字典I)。4下的稀疏系數(shù)矩陣，其尺寸為64Xmk， 尤為矩陣Ak第i行，為矩陣Ak第j列，A為尺度參數(shù)，求解式⑵找出Ak的最小二乘 表示>，其列為圖像塊在固定字典以上的稀疏系數(shù)矩陣； 21e)聯(lián)合稀疏系數(shù)矩陣Ak和固定字典從對(duì)同一類mk個(gè)圖像塊產(chǎn)重構(gòu)，即： Yk =D^Ak (3) 21f)重復(fù)21d)到21e)步驟，直到所有K類圖像完成重構(gòu)，得到重構(gòu)圖像塊集合 21g)對(duì)重構(gòu)圖像塊集合左中的相同位置圖像塊取均值，并按順序組合，得到N幅圖像 的公共模板M:
其中，Mu代表模板中第i行第j列圖像塊，N代表圖像總數(shù)，B代表第n幅圖像中 第i行第j列個(gè)圖像塊； 22) 字典訓(xùn)練： 22a)第一幅圖像I1數(shù)據(jù)減去公共模板M得到當(dāng)前圖像的殘差圖像Ri，即： R1=I1-M (5) 22b)將殘差R1劃分成8X8不重疊的圖像塊，對(duì)邊緣不足8X8的塊用O補(bǔ)充，共S塊，S=ceil(L/8)Xceil(H/8)，ceil代表向上取整，L為殘差圖像&的行數(shù)，H為殘差圖像R: 的列數(shù)，并按順序列向量化組成尺寸為64XS的矩陣X1; 22c)對(duì)矩陣X1采用K-SVD算法進(jìn)行訓(xùn)練得到公共字典D及首幅圖像測(cè)量值系數(shù)?i， 滿足公式：
其中，公共字典D尺寸為64X64,測(cè)量值〇:的尺寸為64XS，T為測(cè)量值? :的Itl范數(shù) 的閾值； 23) 生成殘差測(cè)量值： 23a)計(jì)算當(dāng)前待壓縮圖像Ii(i= 2?N)與公共模板M的殘差Ri(i= 2?N): Ri=Ii-MQ= 2 ?N) (7) 其中，i為當(dāng)前圖像序號(hào)，以8X8為單位劃分Ri(i= 2?N)為若干圖像塊，對(duì)邊緣不 足8的采用O作為補(bǔ)充；將劃分好的圖像塊按順序列向量化得到新的矩陣Xi(i= 2?N); 23b)采用正交匹配追蹤OMP算法，結(jié)合公共字典D計(jì)算當(dāng)前Xi(i= 2?N)的測(cè)量值 i(i= 2 ?N); 23c)對(duì)于其余待壓縮圖像Ii(i= 2?N)，重復(fù)以上兩個(gè)步驟，直到計(jì)算出所有圖像測(cè) 量值?，并保存； 24) 測(cè)量值壓縮編碼： 24a)選取當(dāng)前測(cè)量值Oi中不為零的^個(gè)系數(shù)按列順序保存到SXceil(WiA)的矩陣Qi中，將不為零系數(shù)位置信息按順序保存到矩陣Coord 作為頭信息； 24b)對(duì)矩陣Qi采用量化矩陣進(jìn)行量化得到矩陣Q' i； 24c)對(duì)量化后矩陣進(jìn)行熵編碼得到壓縮碼流； 24d)將頭信息及壓縮碼流封裝并保存； 24e)重復(fù)24a)?24d)過程，直到所有測(cè)量值數(shù)據(jù)均被壓縮編碼； (3)解碼： 31) 殘差測(cè)量值解碼： 31a)讀取本地存儲(chǔ)的當(dāng)前待解碼圖像殘差測(cè)量壓縮碼流值進(jìn)行熵解碼； 31b)對(duì)熵解碼數(shù)據(jù)進(jìn)行反量化得到反量化矩陣泛； 31c)通過頭信息矩陣Coordi中測(cè)量值位置信息對(duì)反量化矩陣泛重組到殘差測(cè)量值 6,; 31d)重復(fù)31a)?31c)步驟直至得到當(dāng)前待解碼圖像的全部殘差測(cè)量值數(shù)據(jù) 6,.(/ =卜;V); 32) 殘差圖像壓縮感知重構(gòu)： 32a)將緩存中的公共字典D讀出，根據(jù)公共字典D及解碼的殘差測(cè)量值數(shù)據(jù)私相乘得 到重構(gòu)的殘差圖像矩陣龍： Ii-D-O,. (14) 32b)將得到的殘差圖像矩陣龍按順序重組得到最終殘差圖像； 33) 相似圖像重構(gòu)： 33a)將步驟32)得到的殘差重構(gòu)圖像為與公共模板M相加得到最終的重構(gòu)圖像數(shù)據(jù) I:
1. =Ri+M (15) 33b)重復(fù)以上解碼過程，直到得到所有待解碼圖像； (4)重構(gòu)圖像輸出：將步驟33)得到的重構(gòu)圖像數(shù)據(jù)按照?qǐng)D像格式輸出，得到解壓縮后 圖像。
2. 根據(jù)權(quán)利要求1所述的一種基于殘差壓縮感知的相似圖像壓縮方法，其特征是：步 驟11)中所述相似圖像為同一類圖像。
3. 根據(jù)權(quán)利要求1所述的一種基于殘差壓縮感知的相似圖像壓縮方法，其特征是：步 驟21b)中對(duì)圖像塊進(jìn)行聚類時(shí)，選取圖像塊間的歐式距離作為距離測(cè)度。
4. 根據(jù)權(quán)利要求1所述的一種基于殘差壓縮感知的相似圖像壓縮方法，其特征是：步 驟21d)中所述固定字典為：故，其中Dott為雙正交小波字典，DDa為離散余 弦字典。
5. 根據(jù)權(quán)利要求1所述的一種基于殘差壓縮感知的相似圖像壓縮方法，其特征是：步 驟23b)中基于OMP算法的測(cè)量值生成過程如下： 第一步，將23a)中尺寸為的LXH的殘差圖像Ri劃分為8X8的圖像塊，對(duì)邊緣不足 8X8的以0進(jìn)行補(bǔ)充，共K±夬，K=ceil(L/8)Xceil(H/8)，ceil代表向上取整； 第二步，將殘差圖像氏中K個(gè)圖像塊列向量化，并按順序重組為新的矩陣Xi; 第三步，結(jié)合公共字典D以及矩陣Xi通過OMP算法，計(jì)算得到當(dāng)前圖像塊的測(cè)量值?i。
6. 根據(jù)權(quán)利要求1所述的一種基于殘差壓縮感知的相似圖像壓縮方法，其特征是：步 驟24b)中所述量化矩陣為JPEG亮度量化矩陣。
7. 根據(jù)權(quán)利要求1所述的一種基于殘差壓縮感知的相似圖像壓縮方法，其特征是：步 驟24c)中所述商編碼為Huffman編碼。
【文檔編號(hào)】H04N1/41GK104506752SQ201510004688
【公開日】2015年4月8日 申請(qǐng)日期:2015年1月6日 優(yōu)先權(quán)日:2015年1月6日
【發(fā)明者】朱金秀, 張瑤, 范新南, 裴穎, 倪建軍, 張學(xué)武, 湯一彬 申請(qǐng)人:河海大學(xué)常州校區(qū)