一种面向航拍图像集的自适应压缩采样分配方法与流程

本发明涉及图像处理技术领域，特别是涉及一种面向航拍图像集的自适应压缩采样分配方法。

背景技术：

随着新型无人机的迅速发展，航拍成像技术得到了日益广泛的关注。基于无人机的航拍图像具有目标变化快、图像细节丰富、资源消耗大等特点。传统的航拍图像获取系统通常基于奈奎斯特采样定律，以至少两倍于信号最高频率的速率进行采样，然后通过jpeg或jpeg2000等编码器实现有效的压缩存储。近期的研究表明，压缩感知(cs)理论突破了奈奎斯特采样定律的局限，以欠奈奎斯特速率采样的cs测量值仍然可以有效恢复，大大降低了图像采集成本，为航拍图像的处理提供了新的选择。压缩感知系统的测量端比较简单，重构端则较为复杂，这样的特性符合航拍成像应用的需求。

图像集是一组图像的集合，现有压缩感知系统的自适应测量机制主要利用一幅图像内各个分块的空域相关性，而不同图像之间缺少这种相关性，因此难以提升图像集的整体重构质量。在获取图像集时，现有系统通常只使用预设定的平均采样率(baseline方法)或者对图像进行少量分类的方法(tcs方法)对目标图像进行拍摄，这样获得的图像集常常由于不同图像的质量差距较大，无法满足后续的应用需求。

技术实现要素：

本发明所要解决的技术问题是提供一种面向航拍图像集的自适应压缩采样分配方法，以便在总的采样资源约束下为图像集中不同图像分配合适的采样率。

本发明解决其技术问题所采用的技术方案是：提供一种面向航拍图像集的自适应压缩采样分配方法，包括以下步骤：

(1)预测量过程：在待测图像集中随机选取若干幅图像作为预测量图像集，计算预测量图像集中每幅图像的方差，并根据预测量图像集复合质量计算最佳预测量参数；

(2)为待测图像集建立图像方差模型，得到当前第i幅图像的分配系数为：其中，di为待测图像集中当前采样图像i的方差，dmin表示预测量图像集中图像的最小方差、dmax表示预测量图像集中图像的最大方差，β为预测量参数；

(3)采样率分配，当前第i幅图像的采样率分配为η'i＝η*(α+δi*(1-α))，其中，η为预设定的平均采样率，α为对预测量图像集进行采样后根据图像复合质量选取的最佳值；

(4)采用高斯随机矩阵进行压缩采样。

所述步骤(1)中的图像集复合质量定义如下：ph＝λ·psnra+(1-λ)·psnrm，式中，psnrm表示在图像集中重构质量最差图像的峰值信噪比，psnrm＝min{psnr(1),...,psnr(i),...}，psnr(i)表示第i幅原始图像与其重构图像之间的峰值信噪比，psnra表示图像集的平均图像质量，表示图像集中所有图像与其重构图像之间的均方误差，n表示像素点的比特位数，λ为权重系数。

所述预测量图像集中每幅图像的方差其中，pj表示图像的像素，n表示图像尺寸；预测量参数其中，k为预测量图像集中图像的数量。

所述步骤(2)中的分配系数δi与待测图像集中的图像i是一一对应的。

所述步骤(3)中α小于0.8。

有益效果

由于采用了上述的技术方案，本发明与现有技术相比，具有以下的优点和积极效果：本发明提出了图像集复合质量的评价指标，通过数据驱动的方式建立了基于图像方差模型的压缩采样分配方法。相比于传统方法，所提方法通过为图像集中的不同图像分配相应的采样率，能够更有效地提升图像集的整体重构质量，具有一定的应用价值。

附图说明

图1是本发明方法的流程图；

图2是预测量过程图。

具体实施方式

下面结合具体实施例，进一步阐述本发明。应理解，这些实施例仅用于说明本发明而不用于限制本发明的范围。此外应理解，在阅读了本发明讲授的内容之后，本领域技术人员可以对本发明作各种改动或修改，这些等价形式同样落于本申请所附权利要求书所限定的范围。

本发明的实施方式涉及一种面向航拍图像集的自适应压缩采样分配方法，如图1所示，包括以下步骤：预测量过程：在待测图像集中随机选取若干幅图像作为预测量图像集，计算预测量图像集中每幅图像的方差，并根据预测量图像集复合质量计算最佳预测量参数；为待测图像集建立图像方差模型；采样率分配；采用高斯随机矩阵进行压缩采样。具体如下：

本实施方式中，图像集的平均图像质量psnra定义如下：其中n为表示像素点的比特位数，表示图像集中所有图像与其重构图像之间的均方误差。psnr(i)表示第i幅原始图像与其重构图像之间的峰值信噪比。图像集的最差图像质量psnrm定义如下：psnrm＝min{psnr(1),...,psnr(i),...}，图像集的复合质量ph定义如下：ph＝λ·psnra+(1-λ)·psnrm。本实施方式在nwpu-resisc45图像数据库中选取了bridge、island和forest三个航拍图像集作为待测图像集，每个图像集内包含700幅大小统一为256×256的图像，本实施方式使用这三个图像集来测试本发明所提的自适应压缩采样分配(vsa)方法的性能，评测指标是重构图像集的复合质量ph。压缩感知的分块尺寸选取性能较为均衡的32×32像素。如图2所示，在待测图像集x1、x2、…、xi、…、xi中随机选取10幅图像作为预测量图像集，通过方差计算公式获得预测量图像集每幅图像的方差d'i、最小方差dmin和最大方差dmax，从而计算获得与各个图像集对应的预测量参数β。

表1三个航拍图集的预测量参数表

接着，为待测图像集建立图像方差模型，第i幅图像的分配系数为：其中，di为待测图像集中当前采样图像i的方差，可由上述方差计算公式获得，由此得到了与该图像集中每幅图像对应的分配系数δi。

随后vsa方法进行采样率分配，η为预设定的平均采样率，当前第i幅图像的采样率为η'i＝η*(α+δi*(1-α))。本实例采用预测量图像集的10幅图像进行实验，将α分别以0.1、0.2…0.7代入所提方法进行实验，取ph获得最大值时的α。基于所提vsa方法，不同α参数对于图像集复合质量的影响，如下表2～表4所示。

表2bridge图像集不同α参数的复合质量ph(db)

表3island图像集不同α参数的复合质量ph(db)

表4forest图像集不同α参数的复合质量ph(db)

从上述表中可以得出，在bridge和forest图像集中α取0.1时可以得到最佳的图像集复合质量，而对island图像集来说，α取0.7时获得最佳的图像集复合质量。因此，vsa方法针对上述航拍图像集选定的模型参数如表5所示。

表5三个航拍图集的模型参数α表

采样率分配完成后采用高斯随机矩阵进行压缩采样。在压缩感知系统中，测量端分别采用所提vsa方法、baseline方法、tcs方法进行采样率的分配，重构端统一采用平滑兰德韦伯投影算法对所有图像进行重建，图像集复合质量结果如表6所示。

表6不同分配方法的ph(db)对比表

不难发现，本发明根据图像集的通用需求，采用了图像集复合质量的评价指标，用以计算图像集的整体重构质量。该方法根据图像集中不同图像的相对复杂度建立了一个图像方差模型，并基于该模型执行图像集的压缩采样分配方法。实验结果表明相比于现有方法，在相同的采样资源约束下，本方法有效地提升了航拍图像集的整体重构质量。