一種基于壓縮感知的圖像自適應(yīng)測量方法
【專利摘要】本發(fā)明涉及一種基于壓縮感知的圖像自適應(yīng)測量方法。本方法的操作步驟如下：(1)對輸入圖像建立恰可辨失真閾值模型，(2)對不同圖像區(qū)域，自適應(yīng)采用不同的測量數(shù)目進(jìn)行測量，(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)明對圖像壓縮感知中的測量過程進(jìn)行了改進(jìn)，改變了原有的對圖像所有的區(qū)域進(jìn)行單一數(shù)目測量的方式，而是根據(jù)人眼的視覺特性采取對圖像不同區(qū)域自適應(yīng)測量。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。
【專利說明】一種基于壓縮感知的圖像自適應(yīng)測量方法
【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。在圖像領(lǐng)域，人們對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)的不低于原信號帶寬兩倍的奈奎斯特采樣定理對信號進(jìn)行采樣，給硬件設(shè)備都來非常大的負(fù)擔(dān)。另一方面，實際應(yīng)用中，為降低傳輸和存儲成本，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題:既然在壓縮過程中已經(jīng)丟棄了很多采樣的數(shù)據(jù)，為什么不直接在采樣時就直接采取少量的對我們有用的數(shù)據(jù)呢？如果能夠解決這個問題，我們就能夠極大的降低數(shù)據(jù)的采樣頻率，同時降低傳輸代價和數(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，為這個問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獲取方式不同，它是將高維的信號投影到一個低維空間，再利用重建算法把這些投射到低維空間的信號恢復(fù)出來。由于CS理論所需要的投影測量矩陣遠(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。人眼對圖像的不同部分的敏感程度不同，在CS中對不同部分采取不同的測量數(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)明專利申請首次提出將JND模型應(yīng)用到基于CS圖像的自適應(yīng)測量的過程中，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)測量方法，該方法運(yùn)用JND模型對圖像的不同區(qū)域采取不同的測量數(shù)目，對人眼不敏感的區(qū)域采用較少的測量值，對人眼敏感的區(qū)域采用較多的測量值，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)測量方法，其特征在于操作步驟如下:
(I)對輸入圖像建立恰可辨失真閾值模型，(2)對不同圖像區(qū)域，自適應(yīng)采用不同的測量數(shù)目進(jìn)行測量，
(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)測量方法與已有技術(shù)相比較，具有如下顯而易見的突出實質(zhì)性特點和顯著技術(shù)進(jìn)步:本自適應(yīng)測量方法在保證重建圖像主觀和客觀質(zhì)量不變的同時，提高了圖像的壓縮效率。
【專利附圖】

【附圖說明】
[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)采用不同的測量矩陣進(jìn)行測量的框圖。
[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是固定測量數(shù)目和自適應(yīng)測量數(shù)目下的圖像PSNR值的結(jié)果。
[0016]圖7是固定測量數(shù)目和自適應(yīng)測量數(shù)目下的圖像壓縮比的結(jié)果。
[0017]圖8是固定測量數(shù)目和自適應(yīng)測量數(shù)目下的圖像PSNR值的對比結(jié)果直方圖。
[0018]圖9是固定測量數(shù)目和自適應(yīng)測量數(shù)目下的圖像壓縮比的對比結(jié)果直方圖。
[0019]圖10不同測量數(shù)目下圖像重建后的效果圖。
[0020]【具體實施方式】:
以下結(jié)合附圖對本發(fā)明的優(yōu)選實施例作進(jìn)一步的詳細(xì)說明:
實施例一:
本實施例一種基于壓縮感知中的圖像自適應(yīng)測量方法，參見圖1，包括以下步驟:
(1)對輸入圖像建立恰可辨失真閾值模型，
(2)對不同圖像區(qū)域，自適應(yīng)采用不同的測量數(shù)目進(jìn)行測量，
(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]實施例二:本實施例與實施例一基本相同，特別之處如下:
上述步驟(I)中對輸入圖像建立恰可辨失真閾值模型，參見圖2:
(1-1)空間對比靈敏度函數(shù)模型是根據(jù)人眼的帶通特性曲線，對于特定空間頻率
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)測量方法，其特征在于操作步驟如下: (1)對輸入圖像建立恰可辨失真閾值模型， (2)對不同圖像區(qū)域，自適應(yīng)采用不同的測量數(shù)目進(jìn)行測量， (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)測量方法，其特征在于步驟(I)對輸入圖像建立恰可辨失真閾值模型的操作步驟如下: ?計算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)測量方法，其特征在于所述步驟(2)對不同圖像區(qū)域，自適應(yīng)采用不同的測量數(shù)目進(jìn)行測量的操作步驟如下: ①分別計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對當(dāng)前8X8分塊使用較多行測量矩陣測量； ③對當(dāng)前8X8分塊使用較少行測量矩陣測量。
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: 對每個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: 對每個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】H04N7/26GK103475875SQ201310261818
【公開日】2013年12月25日 申請日期: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 申請人:上海大學(xué)