专利名称：基于稀疏表示的去块效应方法
技术领域：
本发明属于图像处理领域，涉及机器学习的方法，具体地说是一种字典学习和阈 值自动估计的方法，可用于减少块离散余弦变换BDCT压缩图像中的块效应。
背景技术：
块离散余弦变换BDCT广泛用于图像和视频压缩，已经被大多数图像和视频压缩 标准采用，包括JPEG、MPEG、H. 26X.AVC等。在基于BDCT的压缩编码中，首先将图像划分为 许多8*8大小不重叠的图像块，对每个块进行离散余弦变换，得到离散余弦系数，然后对其 进行量化和可变长度编码。在量化的过程中会导致数据的损失，从而导致压缩后的图像产 生失真，即编码效应，包括块效应和振铃效应。JPEG使用离散余弦变换压缩数字图像，目的 是在较低的比特率下保持图像质量。许多研究人员从不同的角度提出了减少编码效应的方法，以提高峰值信噪比和图 像视觉质量。一些研究者把块边界处的失真看作空间高频分量，提出了许多滤波技术，包括 低通滤波，自适应滤波和循环滤波等，缺点是峰值信噪比提高不多，视觉效果一般。一些研 究者把去块效应看作去噪问题，提出了基于小波技术的去块效应方法。还有一些研究者把 去块效应看作图像恢复问题，基于凸集投影POCS的方法是一个具有代表性的研究结果。在 基于POCS的方法当中，图像先验被表示为凸集，通过迭代过程来减少块效应。这种方法能 够很好的减少块效应，原因是在块边界处强加了平滑约束，缺点是计算复杂度高，去块效应 时间长。全变差是图像恢复的一个有效的准则，因此能够成功的用于减少块效应。另外还 有基于最大后验概率的方法，能够有效的减少块效应，但是计算复杂度高。
发明内容
本发明的目的在于克服上述技术的不足，提出一种基于稀疏表示的去除BDCT压 缩图像块效应的方法，以得到更高或相似的峰值信噪比，提升去除块效应后的图像视觉效 果，减少计算复杂度。实现上述目的的技术原理是利用KSVD算法训练一个通用字典，结合批处理正交 匹配追踪Batch-OMP算法去除BDCT压缩图像中的块效应，其具体步骤包括如下1)在一个干净的训练图像集中提取η个8*8图像块，50000 < η < 150000，利用 KSVD算法和批处理正交匹配追踪算法训练一个大小为64*512的通用字典D ；2)根据JPEG压缩中的品质因数Q对测试图像A进行压缩，得到JPEG压缩图像Al ；3)找到JPEG压缩图像Al中所有8*8大小不重叠的图像块的边界，计算这些 边界两边像素的差值Ci, i = 1，2，3...，将这些差值的绝对值的一半看作噪声数据Ni = 0. 5*abs (Ci), i = 1,2,3...，计算所有Ni >= 2的噪声数据的标准差σ ；4)根据品质因数Q和标准差σ自动计算误差阈值T = 8* σ 15* ^)/ (Q+10))；5)在JPEG压缩图像Al中根据行列像素间隔[1，1]选取8*8大小的图像块，
3构造一个图像块矩阵X，利用字典D和误差阈值T对图像块矩阵X按公式minD,0| Θ I1 s. t. IXk-D* θ k|2 < = T进行去噪，得到去噪后的稀疏表示矩阵 ，其中&是X中的第k个 8*8块的列向量表示形式，θ是X的稀疏表示矩阵，θ k是θ的第k列；6)利用去噪后的稀疏表示矩阵^和字典D得到去噪后的图像块矩阵i = jD*G，将 i中的图像块放回图像中的原来位置，对图像块的重叠部分进行平均，得到去块效应后的 图像A2。本发明与现有技术相比具有如下优点1.本发明将图像去噪的思想用于去除BDCT压缩图像中的块效应，利用KSVD算法 和批处理正交匹配追踪算法训练一个通用字典，并且设计了一个可以有效的自动计算误差 阈值的方法，利用通用字典和误差阈值去除块效应，因而与现有技术相比能得到更高或相 似的峰值信噪比，去块效应后的图像视觉效果很好，计算复杂度低；2.本发明中由于通用字典只需计算一次，故可对很多BDCT压缩图像进行块效应 消除。
图1是本发明的流程图；图2是本发明训练得到的通用字典D的示意图；图3是本发明测试用的六幅自然图像；图4是用本发明对Barbara图像三个不同Q值的JPEG压缩图像进行块效应消除 的仿真结果。
具体实施例方式参照图1，本发明的实现步骤表示如下步骤1.训练通用字典。对于一个干净的自然图像集，选取η个8*8的图像块，50000 < η < 150000，仿真 实验中η选取100000，构造大小为64*η的训练矩阵XI，迭代次数设置为20次，使用大小为 64*512的DCT字典进行字典初始化，设置图像块的稀疏度S = 6，利用KSVD算法和批处理 正交匹配追踪算法按公式(1)训练通用字典D，ιη ηοφ|Χ1-Ζ)*Φ|^ s.t.⑴其中Φ是Xl的稀疏表示矩阵，(^是Φ的第j列；所述的KSVD 算法是 2006 年 Michael Elad 等人在文章“K-SVD :An Algorithm for Designing Overcomplete Dictionaries for Sparse Representation，，中提出的。KSVD 是一种迭代的训练过完备字典的方法，主要包括基于当前字典对训练数据进行稀疏编码和 更新字典原子两部分，训练过程中这两部分交替进行，使训练得到的字典能够更好的适合 训练数据，可以与基追踪、匹配追踪、正交匹配追踪等合作。2008年M. Elad, R. Rubinstein 和Μ. Z^xilevsky在压缩感知技术报告中发表了一篇文章〃 Efficient Implementation of the K-SVD Algorithm using Batch Orthogonal Matching Pursuit" , i^Xm-M 2006 ^ 提出的KSVD算法进行了一些优化，在大数据集的稀疏编码过程中，批处理正交匹配追踪相对于正交匹配追踪来说运算更快。KSVD算法已经应用于图像去噪、图像超分辨、压缩感知等 技术中，但未用于去除BDCT压缩图像块效应中，本发明利用KSVD算法和批处理正交匹配追 踪算法去除BDCT压缩图像中的块效应；步骤2.将测试图像压缩为JPEG图像。选择一幅不同于步骤1中的训练图像集的自然图像作为测试图像A，在JPEG压缩 编码的品质因数Q中选用0到100之间的任一个数值，品质因数Q值越大表示图像压缩质 量越好，在JPEG压缩编码程序中控制品质因数Q将测试图像A压缩为JPEG图像，得到JPEG 压缩图像Al ；步骤3.计算JPEG压缩图像的噪声标准差。对于得到的JPEG压缩图像Al，找到所有8*8大小不重叠的图像块的边界位置，计 算边界两边像素的差值Ci, i = 1，2，3...，将这些差值的绝对值的一半看作噪声数据Ni =
m
0. 5*abs (Ci)，i = 1，2，3. . ·，计算所有 Ni 彡 2 的标准差
权利要求
1.一种基于稀疏表示的去块效应方法，包括如下步骤1)在一个干净的训练图像集中提取η个8*8图像块，50000< η < 150000，利用KSVD 算法和批处理正交匹配追踪算法训练一个大小为64*512的通用字典D ；2)根据JPEG压缩中的品质因数Q对测试图像A进行压缩，得到JPEG压缩图像Al；3)找到JPEG压缩图像Al中所有8*8大小不重叠的图像块的边界，计算这些边界两边 像素的差值Ci, 1 = 1,2,3...，将这些差值的绝对值的一半看作噪声数据Ni = 0. 5*abS(Ci)， 土 = 1，2，3...，计算所有队>=2的噪声数据的标准差ο ；4)根据品质因数Q和标准差σ自动计算误差阈值Τ= 8*σ*1. 15Μ20Λ9+10))；5)在JPEG压缩图像Al中根据行列像素间隔[1，1]选取8*8大小的图像块，构造一个图 像块矩阵X，利用字典D和误差阈值T对图像块矩阵X按公式minD,0 I Θ I1 s. t. |Xk_D*0k|2 < =τ进行去噪，得到去噪后的稀疏表示矩阵 ，其中&是χ中的第k个8*8块的列向量表 示形式， 是X的稀疏表示矩阵，θ k是θ的第k列；6)利用去噪后的稀疏表示矩阵G和字典D得到去噪后的图像块矩阵f= jD*G，将i中的图像块放回图像中的原来位置，对图像块的重叠部分进行平均，得到去块效应后的图像 A2。
2.根据权利要求1所述的去块效应方法，其中步骤(1)所述的利用KSVD算法和批处理 正交匹配追踪算法训练一个大小为64*512的通用字典D，按如下步骤进行(Ia)将η个8*8的图像块构造成大小为64*η的训练矩阵Xl ； (Ib)使用大小为64*512的DCT字典进行字典初始化，迭代次数为20次，设图像块的稀 疏度S = 6，按照公式ιη ηΑΦ|Χ1-Ζ)*<Ι^ s.t. |么.|。<= S训练通用字典D，其中Φ是Xl的稀疏表示矩阵，Φ」是Φ的第j列。
3.根据权利要求1所述的去块效应方法，其中步骤(2)所述的根据JPEG压缩中的品质 因数Q对测试图像A进行压缩，是在JPEG压缩编码的品质因数Q中选用0到100之间的任 一个数值，在JPEG压缩编码程序中控制品质因数Q将测试图像A压缩为JPEG图像。
全文摘要
本发明公开了一种基于稀疏表示的去块效应方法，主要解决BDCT压缩图像中存在的块效应，实现步骤为(1)选取一个干净的训练图像集，利用KSVD算法和批处理正交匹配追踪算法训练一个通用字典；(2)控制JPEG压缩中的品质因数对测试图像进行压缩，得到JPEG压缩图像；(3)计算JPEG压缩图像的噪声标准差；(4)根据品质因数和噪声标准差自动估计误差阈值；(5)构造JPEG压缩图像的一个图像块矩阵，获取对其去噪后的稀疏表示矩阵；(6)利用通用字典和稀疏表示矩阵得到去块效应结果图。本发明是与现有技术相比，可以得到更高或相似的峰值信噪比，去块效应后的图像视觉效果很好，计算复杂度低，可用于去除BDCT压缩图像中的块效应。
文档编号G06N5/04GK102088606SQ20111004648
公开日2011年6月8日 申请日期2011年2月28日 优先权日2011年2月28日
发明者侯彪, 公茂果, 尚荣华, 焦李成, 王爽, 郑喆坤, 马文萍, 马晶晶, 齐宏涛 申请人:西安电子科技大学