一种基于压缩感知的图像自适应测量方法
【专利摘要】本发明涉及一种基于压缩感知的图像自适应测量方法。本方法的操作步骤如下：(1)对输入图像建立恰可辨失真阈值模型，(2)对不同图像区域，自适应采用不同的测量数目进行测量，(3)进行分块正交匹配追踪算法重建，(4)进行反离散余弦变换，生成图像。本发明对图像压缩感知中的测量过程进行了改进，改变了原有的对图像所有的区域进行单一数目测量的方式，而是根据人眼的视觉特性采取对图像不同区域自适应测量。在保证主观质量和客观质量保持不变的情况下，提高了图像的压缩效率。
【专利说明】一种基于压缩感知的图像自适应测量方法
【技术领域】
[0001]本发明涉及压缩感知的图像压缩领域，特别是一种基于压缩感知的图像自适应测量方法，适用于提高图像的压缩效率。
【背景技术】
[0002]随着信息技术的飞跃发展，信息全球化已成为科技发展的必然趋势。在图像领域，人们对高清图像的要求十分迫切。一方面，为了得到高分辨率的图像，采用传统的不低于原信号带宽两倍的奈奎斯特采样定理对信号进行采样，给硬件设备都来非常大的负担。另一方面，实际应用中，为降低传输和存储成本，采用压缩形式，丢弃了大量非重要的数据信息。这种高采样率后再压缩数据，浪费了大量的采样数据。于是就引入了这样的问题:既然在压缩过程中已经丢弃了很多采样的数据，为什么不直接在采样时就直接采取少量的对我们有用的数据呢？如果能够解决这个问题，我们就能够极大的降低数据的采样频率，同时降低传输代价和数据传输空间。
[0003]2006 年，Candes, Tao, Donoho 等人正式提出压缩感知(Compressed Sensing, CS)理论，为这个问题提出了一种解决方案。CS理论与传统的先采样后压缩的信号获取方式不同，它是将高维的信号投影到一个低维空间，再利用重建算法把这些投射到低维空间的信号恢复出来。由于CS理论所需要的投影测量矩阵远小于传统采样方法所需要的数据，从而降低了数据采集编码端的压力，丰富了信号采样的理论，为相关领域的研究提供了全新的研究思维和方法。
[0004]CS理论极大的提高了对有用的数据量利用率，降低了采样数据量，所以在图像压缩中得到了广泛的应用，但是目前的基于CS的图像压缩忽略了人的主观特性。人眼对图像的不同部分的敏感程度不同，在CS中对不同部分采取不同的测量数量，能够进一步降低采样数据量，提高图像的压缩效率。
[0005]目前对人眼的主观特性研究最具代表性的是人眼恰可辨失真(Just NoticeableDistortion, JND)模型，在图像应用领域，它主要包含部分:亮度掩盖效应，纹理掩盖效应和空间灵敏度函数效应。
[0006]本发明专利申请首次提出将JND模型应用到基于CS图像的自适应测量的过程中，在保证主观质量和客观质量不变的情况下，进一步提高图像的压缩效率。
[0007]
【发明内容】
本发明的目的是针对已有技术存在的缺陷，提供一种基于压缩感知的图像自适应测量方法，该方法运用JND模型对图像的不同区域采取不同的测量数目，对人眼不敏感的区域采用较少的测量值，对人眼敏感的区域采用较多的测量值，在保证重建图像主观质量和客观质量不变的情况下，极大提高了图像的压缩效率。
[0008]为达到上述目的，本发明采用如下的技术方案:
一种基于压缩感知中的图像自适应测量方法，其特征在于操作步骤如下:
(I)对输入图像建立恰可辨失真阈值模型，(2)对不同图像区域，自适应采用不同的测量数目进行测量，
(3)进行分块正交匹配追踪算法(OrthogonalMatching Pursuit, OMP)重建，
(4)进行反离散余弦变换，生成图像。
[0009]本发明的一种基于压缩感知中的图像自适应测量方法与已有技术相比较，具有如下显而易见的突出实质性特点和显著技术进步:本自适应测量方法在保证重建图像主观和客观质量不变的同时，提高了图像的压缩效率。
【专利附图】
【附图说明】
[0010]图1是本发明中的一种基于压缩感知中的图像自适应测量方法的原理框图。
[0011]图2是图像的恰可辨失真阈值模型的框图。
[0012]图3是自适应采用不同的测量矩阵进行测量的框图。
[0013]图4是8 X 8分块的OMP算法重建框图。
[0014]图5是8X8分块的IDCT恢复图像的框图。
[0015]图6是固定测量数目和自适应测量数目下的图像PSNR值的结果。
[0016]图7是固定测量数目和自适应测量数目下的图像压缩比的结果。
[0017]图8是固定测量数目和自适应测量数目下的图像PSNR值的对比结果直方图。
[0018]图9是固定测量数目和自适应测量数目下的图像压缩比的对比结果直方图。
[0019]图10不同测量数目下图像重建后的效果图。
[0020]【具体实施方式】:
以下结合附图对本发明的优选实施例作进一步的详细说明:
实施例一:
本实施例一种基于压缩感知中的图像自适应测量方法，参见图1，包括以下步骤:
(1)对输入图像建立恰可辨失真阈值模型，
(2)对不同图像区域，自适应采用不同的测量数目进行测量，
(3)进行分块正交匹配追踪算法重建，
(4)进行反离散余弦变换，生成图像。
[0021]实施例二:本实施例与实施例一基本相同，特别之处如下:
上述步骤(I)中对输入图像建立恰可辨失真阈值模型，参见图2:
(1-1)空间对比灵敏度函数模型是根据人眼的带通特性曲线，对于特定空间频率
W其基本的JND阈值可表示为:
【权利要求】
1.一种基于压缩感知的图像自适应测量方法，其特征在于操作步骤如下: (1)对输入图像建立恰可辨失真阈值模型， (2)对不同图像区域，自适应采用不同的测量数目进行测量， (3)进行分块正交匹配追踪算法重建， (4)进行反离散余弦变换，生成图像。
2.根据权利要求1所述的一种基于压缩感知的图像自适应测量方法，其特征在于步骤(I)对输入图像建立恰可辨失真阈值模型的操作步骤如下: ?计算8x8 DCT变换的空间灵敏度因子1:L / J，其公式为:
3.根据权利要求1所述的一种基于压缩感知的图像自适应测量方法，其特征在于所述步骤(2)对不同图像区域，自适应采用不同的测量数目进行测量的操作步骤如下: ①分别计算整幅图像的恰可辨失真平均值和8X8分块的恰可辨失真平均值JND^ 7 ^ JND > JMJgxg执行步马聚?，否贝U，执行步马聚③； ②对当前8X8分块使用较多行测量矩阵测量； ③对当前8X8分块使用较少行测量矩阵测量。
4.根据权利要求1所述的一种基于压缩感知的图像自适应测量方法，其特征在于所述步骤(3)进行分块正交匹配追踪算法重建的操作步骤如下: 对每个8X8分块分别进行正交匹配追踪算法的重建。
5.根据权利要求1所述的一种基于压缩感知的图像自适应测量方法，其特征在于所述步骤(4)进行反离散余弦变换，生成图像的操作步骤如下: 对每个8X8分块分别进行反离散余弦变换，恢复出原图像。
【文档编号】H04N7/26GK103475875SQ201310261818
【公开日】2013年12月25日 申请日期:2013年6月27日 优先权日:2013年6月27日
【发明者】王永芳, 商习武, 罗丽冬, 宋允东, 张兆杨 申请人:上海大学