专利名称：基于稀疏表示模型的图像解码方法
技术领域：
本发明涉及一种图像解码方法，特别涉及一种基于压缩感知的图像解码方法。
背景技术：
近年来，图像压缩编码技术取得了长足进展，涌现出许多图像编码标准，如JPEG 和JPEG2000。这些标准都是通过变换将图像信号或预测残差信号的能量集中到少数显著变 换系数上，通过量化和熵编码将变换系数压缩为一定结构的码流。解码端通过反熵编码、反 量化和反变换重构图像信号。当量化步长较大时，解码的图像质量会大幅度下降。最近，Candes,Donoho 等人提出的压缩感知理论(Compressive Sensing/ Compressed Sampling,CS)表明对于某个变换域下稀疏的信号，可以利用优化方法由与变 换基非一致关系的观测矩阵生成的少量数据精确重建。因此根据压缩感知理论，解码器可 以利用信号的稀疏特性，基于编码端传输的量化的观测数据，采用优化方法重建信号。与传 统的反变换的解码方法相比，压缩感知重建解码方法具有较高的鲁棒，有望获得更高的图 像重建质量。
发明内容
本发明的技术解决问题是克服现有技术的不足，提供一种基于稀疏表示模型的 图像解码方法。本发明的技术解决方案是本发明提供的基于稀疏表示模型的图像解码方法，包括以下步骤(1)建立六个分段线性自回归模型(又称PAR模型)，它们反映图像的不同纹理， 相应地，六个PAR模型对应六个自适应稀疏矩阵A，所述自适应稀疏矩阵由像素的权重构 成，所述像素的权重就是PAR模型的参数值；(2)在解码端，将反量化得到的图像块的变换系数通过IDCT变换，得到该图像块 Inxn的初值；再通过分析该图像块的结构特征和纹理特征，确定选用六个PAR模型中的 哪一个，即确定该图像信号的最优模式；(3)根据该图像信号的最优模式，预测该模式中PAR模型的参数值；(4)将得到的模型参数填充到自适应稀疏矩阵A中；(5)通过求解下式对该图像块进行信号重构/ = argmin||4/||p s.t. \\Φ/-γ\\2<ε,上式表示在满足I|2彡ε条件下/取使I |Af| I1最小的f值；式中，f表 示图像块Inxn经过列扫描后得到的NX 1维向量，/表示f的重构，A表示NXN维的自适应 稀疏矩阵，其中N = nXn，A使IlAfM1稀疏，ε表示由量化噪声引起的误差，y表示观测 值，它通过在解码端将反量化得到的图像块变换系数矩阵进行列扫描获得，是NX 1维的列 向量；Φ表示标准观测矩阵；
(6)若步骤(5)解出的列向量/不满足设定条件，则将其再次代入步骤(3)，预测 PAR模型的参数值，继续步骤⑷和(5)，PAR模型参数O通过f的第(t-Ι)次预测得到； 如此迭代下去，直到前后得到的两个/值满足设定条件为止；这样最后迭代得到的/即为
所求，然后将最后迭代得到的列向量/转化成矩阵/ ,实现该图像块的解码。步骤⑴中六个PAR模型包括两个四级的PAR模型和四个二级的PAR模型；自适 应稀疏矩阵A用行向量表示为A = Ia1 ;a2 ；…；％}，每一行向量IaJ包含一组PAR模型参 数k.J ；定义M为六个PAR模型的数学表示
M = {M1，M2, M3, M4, M5, M6}
M1 ={
M2 ={
M3 ={
M4 ={
M5 ={ M6 = {(1，-1)，(_1，1)}
0，-1)，(-1,0), (0,1), (1,0)} -1，-1)，(-1,1), (1,1), (1，-1)} -1,0), (1,0)} 0，-1)，(0,1)} 1,1), (-1,-1)}
值屮…·
步骤(3)中根据该图像信号的最优模式，用EM方法预测该模式中PAR模型的参数
^=argmin ^ f^ihj)- Σ a{u,v)f'-X){i-uj-ν)
(u,v)eMPAR模型参数通过f的第(t-1)次预测得到。步骤(4)将得到的模型参数填充到自适应稀疏矩阵A中的方法是自适应稀疏矩 阵A的每一行对应列向量f的一个像素，图像块里的每一个像素都适用步骤C3)得到的一 组模型参数，将得到的一组PAR模型参数填到每一行的相应位置。依据选定的最优模式，将上述操作重复应用于每一个图像块，从而实现整幅图像 的解码。为了保证图像块Inxn的每一个像素都有预测像素，本发明进一步在步骤C3)前还 包括将nXn的图像块Inxn进行边界像素扩展的步骤，所述边界像素扩展是通过引入相邻 块的像素完成的，即在整个图像中把围绕ηΧη图像块的一圈像素引入作为预测像素，这一 圈像素属于nXn图像块的相邻块；因为进行扩充后图像块变大，所以针对原图像块的观测 矩阵就不再适用于扩充后的图像块，为了解决这个问题，还需要对观测矩阵Φ进行扩充， 扩充的方法是将观测矩阵中与新引入像素对应的位置用单位1填充，得到一个新的观测矩 阵；再对扩展后的图像块进行后续操作。本发明与现有技术相比具有如下优点目前常用的图像压缩编码标准，如JPEG和JPEG2000。这些标准都通过量化和熵编 码将变换系数压缩为一定结构的码流。解码端通过反熵编码、反量化和反变换重构图像信 号。当量化步长较大时，解码的图像质量会大幅度下降。本发明将压缩感知(⑶)应用在图 像解码上，编码端不需要作任何改动，只是在解码端用CS重构部分替代了反变换，通过CS 重构来提高图像的解码性能，从而提升图像的重构质量。为了提升CS重构的质量，本发明引入分段线性自回归模型并且构造了相应的自适应稀疏矩阵，可以更好的适应图像信号的局部结构的变化。为了提升CS重构的质量，本发明还对图像块进行扩充，引入相邻块的像素作为预 测像素。
图1为根据本发明的图像编解码框图。图2为根据本发明的PAR模型的六种模式。图3为根据本发明引入块边缘像素。
具体实施例方式以下将结合附图对本发明的具体实施方式
进行说明。压缩感知(CS)理论指出，如果图像信号足够稀疏，那么它就可以被准确地重建。 图像信号的稀疏性对CS重构以后的图像质量有很大的影响。本发明旨在使用分段线性自回归(PAR)模型构造自适应稀疏矩阵，然后通过CS重 构出图像。大部分的图像编解码机制(例如JPEG和JPEG2000)，都是基于图像块的，而在自然 图像中大部分的图像块都是非稀疏的二维信号，即像素值绝大多数为非零值。因此本发明 也以8X8的图像块为例进行说明。实施例一如图1所示，根据本发明的基于稀疏表示模型的图像解码方法，包括以下步骤(1)建立六个分段线性自回归模型(又称PAR模型)，它们反映图像的不同纹理， 相应地，六个PAR模型对应六个自适应稀疏矩阵A，所述自适应稀疏矩阵由像素的权重构 成，所述像素的权重就是PAR模型的参数值。如图2所示，六个PAR模型包括两个四级的PAR模型和四个二级的PAR模型；自适 应稀疏矩阵A用行向量表示为A = Ia1 ;a2 ；…；％}，每一行向量IaJ包含一组PAR模型参 数kj ；定义M为六个PAR模型的数学表示M = {M1, M2, M3, M4, M5, M6}M1 = {(0，-1)，(-1,0), (0,1), (1,0)}M2 = {(-1，-1)，(-1,1), (1,1), (1，_1)}M3 = {(-1,0), (1,0)}M4 = {(0，-1)，(0，1)}M5 = {(1，1)，(-1，-1)}M6 = {(1，-1)，(_1，1)}。(2)在解码端，将反量化得到的图像块的变换系数通过IDCT变换，得到该图像块 Inxn的初值；再通过分析该图像块的结构特征和纹理特征，确定选用六个PAR模型中的 哪一个，即确定该图像信号的最优模式。(3)根据该图像信号的最优模式，用EM方法预测该模式中PAR模型的参数值Α」
权利要求
1.基于稀疏表示模型的图像解码方法，其特征在于，包括以下步骤(1)建立六个分段线性自回归模型(又称PAR模型)，它们反映图像的不同纹理，相应 地，六个PAR模型对应六个自适应稀疏矩阵A，所述自适应稀疏矩阵由像素的权重构成，所 述像素的权重就是PAR模型的参数值；(2)在解码端，将反量化得到的图像块的变换系数通过IDCT变换，得到该图像块Inxn的初值；再通过分析该图像块的结构特征和纹理特征，确定选用六个PAR模型中的哪一个，即确定该图像信号的最优模式；(3)根据该图像信号的最优模式，预测该模式中PAR模型的参数值；(4)将得到的模型参数填充到自适应稀疏矩阵A中；(5)通过求解下式对该图像块进行信号重构
2.根据权利要求1所述的基于稀疏表示模型的图像解码方法，其特征在于，步骤(1)中 六个PAR模型包括两个四级的PAR模型和四个二级的PAR模型；自适应稀疏矩阵A用行向 量表示为A= Ia1沟2 ；…；aN}，每一行向量IaJ包含一组PAR模型参数IaiJ ；定义M为六 个PAR模型的数学表示
3.根据权利要求1所述的基于稀疏表示模型的图像解码方法，其特征在于，步骤(3)中根据该图像信号的最优模式，用EM方法预测该模式中PAR模型的参数值」
4.根据权利要求1所述的基于稀疏表示模型的图像解码方法，其特征在于，步骤(4)将 得到的模型参数填充到自适应稀疏矩阵A中的方法是自适应稀疏矩阵A的每一行对应列 向量f的一个像素，图像块里的每一个像素都适用步骤C3)得到的一组模型参数，将得到的 一组PAR模型参数填到每一行的相应位置。
5.根据权利要求1所述的基于稀疏表示模型的图像解码方法，其特征在于，在步骤(3) 前还包括将η X η的图像块Inxn进行边界像素扩展的步骤，所述边界像素扩展是通过弓I入相 邻块的像素完成的，即在整个图像中把围绕ηΧη图像块的一圈像素引入作为预测像素，这 一圈像素属于ηΧη图像块的相邻块；对观测矩阵Φ也进行相应扩充，即将观测矩阵中与新 引入像素对应的位置用单位1填充，得到一个新的观测矩阵；再对扩展后的图像块进行后 续操作。
6.根据权利要求1所述的基于稀疏表示模型的图像解码方法，其特征在于，依据选定 的最优模式，将上述操作重复应用于每一个图像块，从而实现整幅图像的解码。
全文摘要
基于稀疏表示模型的图像解码方法，包括(1)建立反映图像不同纹理的六个PAR模型，其对应六个自适应稀疏矩阵A，A由像素的权重构成，像素的权重就是PAR模型的参数值；(2)在解码端，将反量化得到的图像块变换系数通过IDCT变换，得到该图像块In×n的初值再通过分析该图像块的结构特征和纹理特征，确定选用六个PAR模型中的哪一个；(3)根据该图像信号的最优模式，预测PAR模型的参数值；(4)将得到的模型参数填充到A；(5)通过CS重构图像；(6)若解出的不满足设定条件，则重复步骤(3)-(5)，如此迭代，直到前后得到的两个值满足设定条件为止；然后将最后迭代得到的转化成矩阵实现图像的解码。本发明能够提升图像的重构质量。
文档编号H04N7/50GK102065291SQ20101053959
公开日2011年5月18日 申请日期2010年11月9日 优先权日2010年11月9日
发明者丁文鹏, 尹宝才, 施云惠, 李倩 申请人:北京工业大学