一种融合超分辨率技术和JPEG2000标准的单幅彩色图像压缩编码方法与流程

本发明涉及图像稀疏表示超分辨率重建算法和图像压缩编码技术，具体涉及一种融合超分辨率技术和JPEG2000标准的单幅彩色图像压缩编码方法，属于图像通信领域。

背景技术：

研究表明，人类在日常生活中获取的绝大部分信息来自于视觉信息，这是由于视觉信息有着直观、形象、易于理解等特点。近年来，随着计算机科学技术的迅猛发展，图像处理技术也得到了广泛的应用，并在卫星遥感观测、医疗诊断、军事技术、智能监控、天文应用以及生物信息智能识别等各个领域起到了越来越重要的作用。图像和视频信息成为人类生活中越来越不可或缺的元素之一，出于对高质量信息的需求，促使人类迈入到超高清时代。

超高清时代图像和视频信息数据量大，通常都需要进行压缩编解码处理。现有的国际社会主流编解码标准较多，其中适用于静止图像压缩编解码的标准主要有JPEG和JPEG2000等，适用于视频压缩编解码的标准主要有H.264和HEVC等，各种压缩编解码标准的核心技术之一就是图像变换。经过一代又一代的技术研究与发展，图像变换编码方法已经发展得较为成熟。

在这样的技术背景下，本发明的研究意义在于利用有限的网络带宽，获取高质量的图像信息，即利用有限的数据量获得包含更多细节信息的图像。由于目前图像变换编码方法已经发展较为成熟，新技术的不断涌现启发我们将超分辨率技术与图像压缩联合应用并构建压缩编码框架，以得到良好的图像质量。

技术实现要素：

本发明提出的一种融合超分辨率技术和JPEG2000标准的单幅彩色图像压缩编码方法，该方法通过改进超完备字典的训练方式从而使所得高、低分辨率字典具有针对性，由此可将基于图像稀疏表示的超分辨率重建算法应用到图像压缩编码技术中。相对于使用广泛的JPEG2000等压缩算法，本方法表现出更为优越的压缩编码性能。在相同解码图像质量时，本发明设计的压缩方案所需码率更低；在相同码率时，本发明所得解码图像具有更好的主观视觉效果。

本发明提出一种融合超分辨率技术和JPEG2000标准的单幅彩色图像压缩编码方法，主要包括以下操作步骤：

(1)对待处理图像，选择其是在低码率段还是中高码率段中进行处理，获得编码模式标志α；

(2)根据编码模式标志位α，若在低码率段，则首先对输入图像进行下采样，并将下采样图像进行JPEG2000标准编解码，得到压缩的下采样图像；在YUV空间，对压缩后的下采样图像进行针对性YUV三通道字典重建，三通道重建的图像融合为一幅初始高分辨率图像；采用针对性YUV三通道残差字典对初始高分辨率图像进行高频信息补偿，将处理结果转回RGB空间，获得在低码率段最终的解码图像；

(3)根据编码模式标志位α，若在中高码率段，则对原始待压缩图像直接进行JPEG2000标准编解码，再对压缩后的图像进行针对性YUV三通道字典重建；对重建后的图像进行下采样操作，恢复到原始分辨率大小，获得在中高码率段最终的解码图像。

附图说明

图1是本发明的压缩编码方法框图

图2是本发明及JPEG2000压缩算法对‘Boat’测试图像在低码率段的率失真性能比较

图3是本发明及JPEG2000压缩算法对‘Boat’测试图像在中高码率断的率失真性能比较

图4是在低码率段且码率同为0.48bpp时，本发明及JPEG2000的‘Boat’解码图像的视觉效果比较：图(a)为原始图像，图(b)为JPEG2000解码图像，图(c)为本发明解码图像

图5是在中高码率段且码率同为1.20bpp时，本发明及JPEG2000的‘Boat’解码图像的视觉效果比较：图(a)左为原始图像，图(b)为JPEG2000解码图像，图(c)为本发明解码图像

具体实施方式

下面结合附图对本发明作进一步说明：

图1中，一种融合超分辨率技术和JPEG2000标准的单幅彩色图像压缩编码方法，包括以下步骤:

(1)对待处理图像，选择其是在低码率段还是中高码率段中进行处理，获得编码模式标志位α；

(2)根据编码模式标志位α，若在低码率段，则首先对输入图像进行下采样，并将下采样图像进行JPEG2000标准编解码，得到压缩的下采样图像；在YUV空间，对压缩后的下采样图像进行针对性YUV三通道字典重建，三通道重建的图像融合为一幅初始高分辨率图像；采用针对性YUV三通道残差字典对初始高分辨率图像进行高频信息补偿，将处理结果转回RGB空间，获得在低码率段最终的解码图像；

(3)根据编码模式标志位α，若在中高码率段，则对原始待压缩图像直接进行JPEG2000标准编解码，再对压缩后的图像进行针对性YUV三通道字典重建；对重建后的图像进行下采样操作，恢复到原始分辨率大小，获得在中高码率段最终的解码图像。

具体地，所述步骤(1)中，首先根据码率选择合适的编码框架，获得编码模式标志位α，且定义α＝0，则选择在低码率段的编码框架；α＝1，则选择在中高码率段的编码框架。并将编码模式标志位α编码到码流中，传输到解码端，以便解码以及后续操作。

所述步骤(2)中，若α＝0，则在低码率段，使用采样再重建的思路进行压缩编码。首先输入待处理图像，对其进行双三次下采样，然后使用JPEG2000标准对其进行编解码。

所述步骤(2)中，压缩下采样图像经过针对性YUV三通道字典重建，三通道重建的图像融合为一幅初始高分辨率图像。该算法首先对训练库中的图像进行下采样、JPEG2000编解码操作，然后YUV三通道分别进行针对性的字典训练，利用训练所得高、低分辨率字典对压缩下采样图像进行超分辨率重建，这样可以有效弥补下采样以及编码过程中带来的高频信息丢失。针对性YUV三通道字典训练过程具体如下：对所有训练库图像统一进行下采样操作，接着进行JPEG2000标准编解码；对压缩下采样图像进行去噪声处理，去除编解码过程中产生的量化噪声，然后对所有去除噪声后的压缩下采样图像进行插值，得到超完备字典训练所需的低频信息；训练库原始图像与插值图像相减得到字典训练所需的高频信息，高、低频信息利用K-SVD算法进行联合训练得到高、低分辨率字典对。

所述步骤(2)中，采用针对性残差字典对初始重建图像进行高频信息补偿，得到在低码率段最终的解码图像。针对性YUV三通道残差字典的训练过程具体如下：训练库的所有图像统一进行下采样操作，然后进行JPEG2000标准编解码，压缩后的下采样训练库图像统一进行去噪声处理，去除编解码过程中产生的量化噪声，尽可能多地保留下采样图像信息，得到去除噪声后的压缩下采样训练库图像，然后对其进行双三次插值操作，插值得到的低频信息图像通过针对性YUV三通道字典重建出高频信息图像，高频信息与低频信息相互融合即可得到初始稀疏重建训练库图像；将初始稀疏重建训练库图像作为YUV三通道残差字典训练所需的低频信息，将训练库原始图像与初始稀疏重建得到的训练库图像相减得到YUV三通道残差字典训练所需的高频信息，高、低频信息利用K-SVD算法进行联合训练得到高、低分辨率残差字典对。

所述步骤(3)中，若α＝1，则在中高码率段，首先输入待压缩图像，对图像直接进行JPEG2000标准编解码，得到解码后的压缩图像；接着对解码后的压缩图像进行针对性的YUV三通道字典重建，再对重建图像进行相对应的下采样操作，恢复到原始分辨率大小，获得在中高码率段最终的解码图像。针对性YUV三通道字典训练过程具体如下：对所有训练库图像直接进行JPEG2000标准编解码，得到压缩后的解码图像，接着对压缩后的解码图像进行去噪声处理，去除编解码过程中产生的量化噪声，得到超完备字典训练所需的低频信息；训练库原始图像与去除噪声后的压缩图像相减得到字典训练所需的高频信息，高、低频信息利用K-SVD算法进行联合训练得到高、低分辨率字典对。

为了更好地说明本发明的有效性，本发明将采用对比实验的方式进行重建效果展示，选取“Boat”图像为测试图像，如图4(a)，5(a)所示。用上述步骤对其进行测试，并分别在低码率段和中高码率段与JPEG2000标准比较图像的率失真性能和视觉效果。

对比实验内容如下：

在低码率段，分别用本发明及JPEG2000对“Boat”图像进行测试，JPEG2000及本发明最终解码图像分别如图4(b)，4(c)所示，其客观评价指标PSNR、本发明所需码率以及JPEG2000标准所需码率如表一所示，且本发明和JPEG2000标准对于“Boat”图像的率失真曲线如图2所示。

在中高码率段，分别用本发明及JPEG2000对“Boat”图像进行测试，JPEG2000及本发明最终解码图像分别如图5(b)，5(c)所示，其客观评价指标PSNR、本发明所需码率以及JPEG2000标准所需码率如表一所示，且本发明和JPEG2000标准对于“Boat”图像的率失真曲线如图3所示。

表一给出了本发明和JPEG2000标准的最终解码图像的客观评价参数PSNR，以及本发明和JPEG2000标准所需总码率，以便比较两种算法的性能。

表一

从表一可以看出，本发明相较JPEG2000标准具有较高的客观参数值，且本发明所需总码率更低，压缩比提升明显。

综上所述，本发明无论是在低码率段还是中高码率段均优于JPEG2000标准编解码，所得最终解码图像无论是在主观视觉效果还是客观评价参数上相较JPEG2000标准均有较大提升，且大量实验数据表明，本发明的稳定性也较强，对于其他自然图像具有普适性。因此，本发明是一种有效的压缩编码方法。