本发明涉及水下声呐图像传输领域，尤其涉及一种水下声呐图像的压缩传输方法。
背景技术：
声呐在水下勘探中起着非常重要的作用。水下环境的声呐图像可以通过水声信道传输。然而，水声信道的特性如：多普勒频散、多径效应、特别是有限带宽，使得通过水声信道传输图像是一项具有挑战性的任务。
为了节约数据存储及传输的成本，图像压缩被广泛应用于声纳图像处理。离散余弦变换被用于实时图像处理中，但是此方法容易产生块效应；离散小波变换能够通过在不同尺度上对信号进行分解从而实现图像的压缩，但是重构图像的边缘和轮廓会变得模糊；基于压缩感知的bandelets变换是一种典型多尺度几何分析图像表示方法，能够自适应跟踪声呐图像几何正则方向，然而这种方法却是在图像已知的情况下，并不能满足水下实时传输的要求。
技术实现要素：
本发明提供了一种水下声呐图像的压缩传输方法，本发明基于稀疏小波变换的压缩感知，应用于水下声呐图像在水声信道中的传输，详见下文描述：一种水下声呐图像的压缩传输方法，所述压缩传输方法是基于稀疏小波变换的压缩感知，所述压缩传输方法包括以下步骤：
1)通过稀疏小波变换，将声呐图像进行稀疏表示，使原图像数据变成可用于压缩感知的稀疏信号；
2)将稀疏信号投影到测量矩阵中，从而实现稀疏信号由高维度变换到低维度，实现了对图像的压缩；
3)采用压缩感知的重构算法，即利用低维度的数据恢复高维度的数据，重构步骤1)产生的稀疏信号；
4)对重构的稀疏信号，进行稀疏小波变换的逆变换，即实施步骤1)的逆变换，从而恢复原声呐图像。
其中，所述稀疏小波变换和所述稀疏小波变换的逆变换是基于稀疏小波变换基实现的。
所述稀疏小波变换基的形成过程具体为：
小波变换矩阵是
首先产生一个新的小波传输矩阵
经过变换以后形成的新矩阵是一个具有稀疏特性的变换基，称之为稀疏小波变换的变换基，表示为
进一步地，所述测量矩阵为高斯测量矩阵。
所述压缩感知的重构算法为基追踪重构算法。
本发明提供的技术方案的有益效果是：
1、由于稀疏小波变换可以实现比小波变换更稀疏的信号表示，因此，本发明将其用于压缩感知技术处理水下声呐图像，能够以更少的数据表示原始图像，实现较高压缩比；
2、本方法能够以较少的数据量传输声呐图像，并且提高带宽利用率，在相同的采样率的条件下，与小波变换相比，本方法以更高的带宽利用率实现了更好的峰值信噪比和结构相似度指数；
3、本发明相比于传统的小波变换，在接收端提高了所恢复图像的质量。
附图说明
图1为一种水下声呐图像的压缩传输方法的流程图；
图2为峰值信噪比与压缩比关系的曲线图；
图3为结构相似度与压缩比关系的曲线图。
具体实施方式
为使本发明的目的、技术方案和优点更加清楚，下面对本发明实施方式作进一步地详细描述。
由于能够有效地传输图像，压缩感知是近年来一种广泛应用的图像压缩方法。
本发明实施例提供了一种水下声呐图像的压缩传输方法，将压缩感知技术用于声呐图像压缩，来解决声呐图像在水下传输需要过多带宽的问题，提高带宽利用率。在此方法中，稀疏小波变换用于压缩感知的稀疏表示，用最少的数据表示原图像，并在接收端实现了较高的峰值信噪比和较高的结构相似度。
其中，稀疏表示是压缩感知中的重要步骤，更稀疏的表示通常可以实现更高的压缩比，即用更少的数据来表示声呐图像，从而节约一定的带宽。
本发明实施例采用稀疏小波变换来实现稀疏表示，相比于小波变换，此方法可以用较少的数据表示图像，实现更稀疏的表示，保证声呐图像的质量。
实施例1
一种水下声呐图像的压缩传输方法，参见图1，该压缩传输方法包括以下步骤：
101：通过稀疏小波变换，将声呐图像进行稀疏表示，使原图像数据变成可用于压缩感知的稀疏信号；
102：将稀疏信号投影到测量矩阵φ中，从而实现稀疏信号由高维度(1×p)变换到低维度(1×q)，实现了对图像的压缩，压缩比为
其中，测量矩阵φ需要满足有限等距性质，例如：高斯测量矩阵φg是常用的测量矩阵，能较大概率满足有限等距性质，实现对稀疏信号的压缩，φg是均值为0，方差为1的标准正态分布的随机矩阵。
本发明实施例是以高斯测量矩阵φg为例对测量矩阵φ进行举例说明，具体实现时，还可以为其他形式的测量矩阵，本发明实施例对此不做限制。
103：采用压缩感知的重构算法，即利用低维度的数据恢复高维度的数据，重构步骤101产生的稀疏信号；
其中，上述压缩感知的重构算法可以采用本领域公知的基追踪重构算法等，具体实现时，还可以为其他的重构算法，本发明实施例对此不做限制。
104：对重构的稀疏信号，进行稀疏小波变换的逆变换，即实施步骤101的逆变换，从而恢复原声呐图像。
综上所述，本发明实施例通过上述步骤101-步骤104将压缩感知技术用于声呐图像压缩，能够以更少的数据表示原始图像，实现较高压缩比。
实施例2
下面结合具体的计算公式、图1，对实施例1中的方案进行进一步地介绍，详见下文描述：
201：基于稀疏小波变换的声呐图像处理过程；
参见图1，首先选取声呐图像，由稀疏小波变换对原声呐图像进行稀疏表示；通过压缩感知技术对稀疏信号进行采样；使用重构算法重构稀疏信号；通过稀疏小波变换的逆变换，恢复原声呐图像。
202：稀疏小波变换基的产生原理；
步骤101和步骤104中分别实施了稀疏小波变换和稀疏小波变换的逆变换。而进行这一对变换是基于稀疏小波变换基实现的。稀疏小波变换基是基于小波变换基形成的，其形成过程主要分为三步。
假设小波变换矩阵是
经过变换以后形成的新矩阵是一个具有稀疏特性的变换基，称之为稀疏小波变换的变换基，可以表示为
203：声呐图像传输性能评价。
其中，峰值信噪比用于评价图像的一个客观标准，其计算公式为：
其中，i代表原图像的像素矩阵，
上述公式中n是i(或
综上所述，本发明实施例采用稀疏小波变换来实现稀疏表示，相比于小波变换，此方法可以用较少的数据表示图像，实现更稀疏的表示，保证声呐图像的质量。
实施例3
下面结合图2、图3、具体的实验数据对实施例1和2中的方案进行可行性验证，详见下文描述：
本发明实施例选取arisexplorer3000声呐系统观测的声呐图像spinningumbrella和airplanewindscreendetaill，像素均为256×256，对原图像分别做基于小波变换和稀疏小波变换的稀疏表示，峰值信噪比的比较结果参见图2、结构相似度的比较结果参见图3。
从图2可以看出，两张不同的声纳图像分别经过基于稀疏小波变换的压缩重构和基于小波变换的压缩重构具有不同的峰值信噪比。在相同的压缩比下，基于稀疏小波变换的压缩重构具有更高的峰值信噪比，比基于小波变换的压缩重构提高了大约5db。
从图3可以看出，在相同的压缩比下，基于稀疏小波变换的压缩重构具有更高的结构相似度，即更符合人类视觉神经和感知对图像质量的要求。同时，也能看出，不同的声纳图像经过压缩重构后具有较大差别的结构相似度，这与图像本身的结构特点有关。
本领域技术人员可以理解附图只是一个优选实施例的示意图，上述本发明实施例序号仅仅为了描述，不代表实施例的优劣。
以上所述仅为本发明的较佳实施例，并不用以限制本发明，凡在本发明的精神和原则之内，所作的任何修改、等同替换、改进等，均应包含在本发明的保护范围之内。