一種傅立葉域圖像顯著性信息的變密度壓縮采樣方法
【專利摘要】本發(fā)明提出一種傅立葉域圖像顯著性信息的變密度壓縮采樣方法。根據(jù)圖像顯著圖傅立葉變換后的振幅譜將圖像頻率平面劃分為顯著性區(qū)域和非顯著性區(qū)域，構(gòu)造顯著性掩碼矩陣和非顯著性掩碼矩陣，然后基于掩碼矩陣在顯著性區(qū)域?qū)嵤┏砻苄切筒蓸樱诜秋@著性區(qū)域?qū)嵤┫∈栊切筒蓸?。本發(fā)明能夠?qū)ψ匀粓D像中顯著性目標與非顯著性背景區(qū)域的采樣進行自適應處理，消除目標重建時邊緣附近的振鈴和鋸齒效應。
【專利說明】一種傅立葉域圖像顯著性信息的變密度壓縮采樣方法

【技術(shù)領(lǐng)域】
[0001]本發(fā)明屬于圖像處理【技術(shù)領(lǐng)域】，具體涉及一種傅立葉域圖像顯著性信息的變密度壓縮采樣方法。

【背景技術(shù)】
[0002]傳統(tǒng)的信號獲取和處理過程主要包括采樣、壓縮、傳輸和解壓縮四個部分，其中采樣過程必須遵循奈奎斯特采樣定律，而這種采樣方式數(shù)據(jù)量大，且先采樣后壓縮的過程會浪費大量的傳感元、存儲空間和時間。為了解決這種缺點，Donoho> Candes和Tao等人在2006年提出一種新的信號處理理論——壓縮感知(CS)理論，該理論基于信號的稀疏表示，將數(shù)據(jù)采集和數(shù)據(jù)壓縮合二為一，突破了奈奎斯特采樣定律的限制，有效緩解了信號采集的壓力。
[0003]目前，基于傅立葉頻域的采樣方法主要有星型、雙星型和環(huán)星型采樣，其中星型采樣方法由于簡單易實現(xiàn)，在壓縮感知采樣階段被廣泛應用。該方法利用傅立葉頻域中圖像頻譜能量集中分布的特點，采用等角度間距的星型采樣模式。然而，該星型采樣模式僅僅考慮了圖像頻譜能量分布特性，沒有考慮到圖像本身所包含的特征信息，而且重建后的結(jié)果對于自然圖像中的顯著性目標和非顯著性背景區(qū)域沒有自適應處理，容易造成視覺顯著性目標重構(gòu)不佳，影響重構(gòu)圖像的質(zhì)量。如何針對圖像本身固有的特征信息，保護圖像顯著性目標，在保證隨機性采樣的前提下，盡可能地將采樣點分布在圖像所包含的特征信息像素點上，是壓縮采樣方法需要考慮和解決的重要問題，以此達到提高重構(gòu)圖像質(zhì)量的效果。針對該問題，文獻[Wan T, Canagarajah N, Achim A.Compressive imagefus1n[C]//Image Processing, 2008.1CIP 2008.15th IEEE Internat1nal Conferenceon.1EEE, 2008:1308-1311.]經(jīng)討論并得出了基于傅立葉頻域中雙星型采樣模式，依據(jù)基于傅立葉頻域中雙星型采樣模式重構(gòu)的圖像效果優(yōu)于星型采樣模式，為壓縮采樣提供了又一種改善圖像重構(gòu)質(zhì)量的采樣方法，但是該方法仍然沒有考慮到圖像本身含有的邊緣和目標特征信息，同時也沒有對圖像中的顯著性目標和非顯著性背景區(qū)域做自適應處理，因此重構(gòu)后圖像的質(zhì)量容易引起目標重建時邊緣附近的振鈴和鋸齒效應。


【發(fā)明內(nèi)容】

[0004]本發(fā)明的目的在于提出一種傅立葉域圖像顯著性信息的變密度壓縮采樣方法，能夠?qū)ψ匀粓D像中顯著性目標與非顯著性背景區(qū)域的采樣進行自適應處理，在顯著性目標區(qū)域分配更多的采樣點以保護顯著性目標的優(yōu)先重構(gòu)，從而消除目標重建時邊緣附近的振鈴和鋸齒效應。
[0005]為了解決上述技術(shù)問題，本發(fā)明提供一種傅立葉域圖像顯著性信息的變密度壓縮采樣方法，根據(jù)圖像顯著圖傅立葉變換后的振幅譜將圖像頻率平面劃分為顯著性區(qū)域和非顯著性區(qū)域，構(gòu)造顯著性掩碼矩陣和非顯著性掩碼矩陣，然后基于掩碼矩陣在顯著性區(qū)域?qū)嵤┏砻苄切筒蓸?，在非顯著性區(qū)域?qū)嵤┫∈栊切筒蓸?。具體步驟為:
[0006]步驟1:計算原始圖像的傅立葉變換，獲得二維傅立葉變換系數(shù)；
[0007]步驟2:計算獲得傅立葉顯著圖的振幅譜；
[0008]步驟3:對傅立葉顯著圖的振幅譜進行閾值處理，構(gòu)造圖像傅立葉頻率坐標平面的顯著性掩碼矩陣和非顯著性掩碼矩陣；
[0009]步驟4:構(gòu)造顯著性區(qū)域稠密采樣矩陣和非顯著性區(qū)域的稀疏采樣矩陣；
[0010]步驟5:計算獲得變密度壓縮采樣矩陣；
[0011]步驟6:利用變密度壓縮采樣矩陣重建原始圖像。
[0012]本發(fā)明與現(xiàn)有技術(shù)相比，其顯著優(yōu)點在于，本發(fā)明在總體采樣數(shù)小于星型采樣數(shù)的前提下，在顯著性區(qū)域采取稠密采樣，而在非顯著性區(qū)域采取稀疏采樣，能夠減少圖像重建的壓縮測量的個數(shù)，減少目標重建時邊緣附近的振鈴和鋸齒效應，有效地保護了圖像中顯著性目標的重建質(zhì)量，重建圖像的信噪比得到顯著提升，提高了圖像重建的質(zhì)量；壓縮測量信息中有效保持了圖像的顯著性目標特征信息，有利于圖像特征抽取。本發(fā)明在光學遙感成像系統(tǒng)、數(shù)碼成像系統(tǒng)、電視制導、航空探測、壓縮和目標識別等都有廣泛的應用前景。

【專利附圖】

【附圖說明】
[0013]圖1是本發(fā)明流程圖。
[0014]圖2是本發(fā)明實施例中所用到的CameraMan測試圖像。
[0015]圖3是本發(fā)明實施例中CameraMan圖像視覺增強后的傅立葉顯著圖的頻譜。
[0016]圖4是本發(fā)明實施例中CameraMan圖像的顯著圖。
[0017]圖5是本發(fā)明方法變密度壓縮采樣矩陣示意圖。
[0018]圖6是本發(fā)明仿真實驗中所用CameraMan測試圖像以及使用本發(fā)明方法與傳統(tǒng)星型采樣方法對CameraMan圖像重構(gòu)的結(jié)果圖像,其中(a)是CameraMan測試圖像，(b)是使用傳統(tǒng)星型方法重構(gòu)結(jié)果圖，(C)是使用本發(fā)明方法重構(gòu)結(jié)果圖。
[0019]圖7是本發(fā)明仿真實驗中所用Lena測試圖像以及使用本發(fā)明方法與傳統(tǒng)星型采樣方法對Lena圖像重構(gòu)的結(jié)果圖像，其中(a)是Lena測試圖像，(b)是使用傳統(tǒng)星型方法重構(gòu)結(jié)果圖，(C)是使用本發(fā)明方法重構(gòu)結(jié)果圖。
[0020]圖8是本發(fā)明仿真實驗中所用Boat測試圖像以及使用本發(fā)明方法與傳統(tǒng)星型采樣方法對Boat圖像重構(gòu)的結(jié)果圖像，其中(a)是Boat測試圖像，(b)是使用傳統(tǒng)星型方法重構(gòu)結(jié)果圖，(C)是使用本發(fā)明方法重構(gòu)結(jié)果圖。

【具體實施方式】
[0021]結(jié)合圖1，下面詳細說明本發(fā)明的實施過程，步驟如下:
[0022]步驟1:傅立葉變換
[0023]輸入一幅原始圖像I (m，η)，以圖2所示圖像寬度W = 256、圖像高度H = 256的CameraMan圖為例，計算該原始圖像的傅立葉變換，獲得如式(I)所示的傅立葉變換系數(shù)，
[0024]FFT (I (m, n)) = F1 (u, v) +iF2 (u, v) (I)
[0025]式(I)中，(m，η)為空間域坐標，I彡m彡W，I彡η彡H，F(xiàn)FT (.)表示二維快速傅立葉變換，F(xiàn)1 (u，ν)為傅立葉變換系數(shù)的實部，F(xiàn)2 (u，ν)為傅立葉變換系數(shù)的虛部，符號i表示虛數(shù)單位，(U，V)表示圖像的頻率域坐標,Ι?^ν?^Η。
[0026]步驟2:計算獲得傅立葉顯著圖的振幅譜0(u，ν)
[0027]仍然以圖2所示CameraMan圖為例，計算獲得其傅立葉顯著圖的振幅譜O (U，ν)過程為:
[0028]2.1根據(jù)原始圖像I (m，η)的二維傅立葉變換系數(shù)，分別計算獲得傅立葉變換系數(shù)的振幅譜和相位譜，振幅譜和相位譜得計算方式分別如式(2)和式(3)所示，
[0029]振幅譜

【權(quán)利要求】
1.一種傅立葉域圖像顯著性信息的變密度壓縮采樣方法，其特征在于，根據(jù)圖像顯著圖傅立葉變換后的振幅譜將圖像頻率平面劃分為顯著性區(qū)域和非顯著性區(qū)域，分別構(gòu)造顯著性掩碼矩陣和非顯著性掩碼矩陣，然后在顯著性區(qū)域?qū)嵤┏砻苄切筒蓸?，在非顯著性區(qū)域?qū)嵤┫∈栊切筒蓸印?br> 2.如權(quán)利要求1所述傅立葉域圖像顯著性信息的變密度壓縮采樣方法，其特征在于，具體步驟為: 步驟1:計算原始圖像的傅立葉變換，獲得二維傅立葉變換系數(shù)； 步驟2:計算傅立葉顯著圖的振幅譜； 步驟3:對傅立葉顯著圖的振幅譜進行閾值處理，構(gòu)造圖像傅立葉頻率坐標平面的顯著性掩碼矩陣和非顯著性掩碼矩陣； 步驟4:構(gòu)造顯著性區(qū)域稠密采樣矩陣和非顯著性區(qū)域的稀疏采樣矩陣； 步驟5:計算獲得變密度壓縮采樣矩陣； 步驟6:利用變密度壓縮采樣矩陣重建原始圖像。
3.如權(quán)利要求2所述傅立葉域圖像顯著性信息的變密度壓縮采樣方法，其特征在于，步驟I中二維傅立葉變換系數(shù)的計算方式如式(I)所示，
FFT (I (m, n)) = F1 (u，v) +iF2 (u, v) (I) 式(I)中，(m, η)為原始圖像I (m, η)的空間域坐標，l^m^ff,H, FFT (.)表示二維快速傅立葉變換，F(xiàn)1 (u, v)為傅立葉變換系數(shù)的實部，F(xiàn)2 (U，V)為傅立葉變換系數(shù)的虛部，符號i表示虛數(shù)單位，(U，V)表示圖像的頻率域坐標,H,W為原始圖像的寬度，H為原始圖像的高度。
4.如權(quán)利要求2所述傅立葉域圖像顯著性信息的變密度壓縮采樣方法，其特征在于，計算獲得其傅立葉顯著圖的振幅譜0(u，V)過程為: 4.1根據(jù)原始圖像I (m，η)的二維傅立葉變換系數(shù)，分別計算獲得傅立葉變換系數(shù)的振幅譜和相位譜，振幅譜和相位譜得計算方式分別如式(2)和式(3)所示，
振幅譜R(u，V) = |FFT(I(m,n))| =^F,2(u,v) + (u,v) (2) 相位譜 P(lW) = arCtan 2' U’'Π

Iv F1Cu, v) J 式⑵中，I.I表示復數(shù)的模運算； 4.2計算獲得對數(shù)振幅譜和殘差譜， 對數(shù)振幅譜L(u，v)的計算方式如式(4)所示，
L(u, V) = ln(R(u, V)) (4) 殘差譜E(u，v)的計算方式如式(5)所示，
E(u,v) = L(u, v) - Kenn ? L(u, v) (5) 式(5)中,Kerm是窗口為rXr大小的均值濾波核，r e (2，8),本實施例中r = 3,符號8>表示卷積運算，ln(.)為自然對數(shù)運算； 4.3計算獲得傅立葉顯著圖的振幅譜0(u，V)，計算方式如式(6)所示，
式(6)中，g為窗口大小為σ的高斯函數(shù)，σ e (2，8)，本實施例中σ =.)表示二維快速傅立葉反變換，I.I表示復數(shù)的模運算。
5.如權(quán)利要求4所述傅立葉域圖像顯著性信息的變密度壓縮采樣方法，其特征在于，使用對數(shù)變換對得到的振幅譜0(u，V)進行視覺增強，視覺增強的計算方式如式(7)所示， IM(U，V) = In(1+0(U，V)) (7) 式⑵中，1η(.)為自然對數(shù)運算。
6.如權(quán)利要求2所述傅立葉域圖像顯著性信息的變密度壓縮采樣方法，其特征在于，步驟3中， 顯著性掩碼矩陣M(u，v)的計算方式如式(9)所示，
非顯著性掩碼矩陣N(u，v)的計算方式如式(10)所示，
式(9)和式(10)中，1η(.)為自然對數(shù)運算，T為閾值參數(shù)，T的取值范圍為
7.如權(quán)利要求2所述傅立葉域圖像顯著性信息的變密度壓縮采樣方法，其特征在于，步驟4中， 顯著性區(qū)域稠密采樣矩陣O1(WV)的構(gòu)造采用傅立葉域平面中心點向四周均勻發(fā)散角度為Q1的徑向射線，射線上的點為采樣點，不在射線上的點為非采樣點，其中Q1為射線間的角度，取值范圍為Θ I e [0.02 31 ,0.04 31 ]； 非顯著性區(qū)域的稀疏采樣矩陣Φ2(ιι，ν)的構(gòu)造采用傅立葉域平面中心點向四周均勻發(fā)散角度為θ2的徑向射線，射線上的點為采樣點，不在射線上的點為非采樣點，其中02為射線間的角度，且θ2 = cX Θ i，參數(shù)c為稀疏倍率，c e [1.5，4]。
8.如權(quán)利要求2所述傅立葉域圖像顯著性信息的變密度壓縮采樣方法，其特征在于，步驟5中變密度壓縮采樣矩陣Φ (U，V)計算方式如式(11)所示，
Φ (U，V) =M (U，V).Φ 丄(U，V)+N (U，V).Φ2 (u, v) (11)。
【文檔編號】G06T5/00GK104200429SQ201410410699
【公開日】2014年12月10日 申請日期:2014年8月19日 優(yōu)先權(quán)日:2014年8月19日
【發(fā)明者】肖亮, 黃海, 劉鵬飛, 許心影 申請人:南京理工大學