專利名稱：一種用于圖像編碼的基于系數(shù)隨機置換的壓縮感知方法及系統(tǒng)的制作方法
技術(shù)領(lǐng)域：
本發(fā)明屬于圖像數(shù)據(jù)表示與壓縮的技術(shù)領(lǐng)域，涉及一種用于圖像編碼的基于系數(shù)隨機置換的壓縮感知方法及系統(tǒng)。
背景技術(shù)：
盡管傳統(tǒng)的香農(nóng)采樣理論告訴我們?yōu)榱藷o失真地重構(gòu)被采樣信號，我們必須以不低于原信號最高頻率兩倍的采樣率采樣原信號。但是，近年來提出的壓縮感知 (Compressive Sensing, CS)或稱壓縮采樣(Compressed Sampling, CS)理論認為如果原信號為稀疏的或是具有可壓縮的特性，則我們可以僅通過較少的測量數(shù)就能夠準確地重構(gòu)原信號，也因此能夠在數(shù)據(jù)采樣的同時實現(xiàn)壓縮。參見文獻[l]D.Donoho，“Compressed sensing,，，IEEE Trans. Inform. Theory, vol. 52, no. 4, pp. 1289-1306, Apr. 2006. [2] E.Candes, J.Romberg, and T. Tao, "Robust uncertainty principles :Exact signal reconstruction from highly incomplete frequency information,，，IEEE Trans. On Information Theory, vol. 52, pp. 489-509, Feb. 2006. [3]Y. Tsaig, and D. L. Donoho, "Extensions of compressed sensing,，，Signal Processing, vol. 86, no. 5, pp. 533-548, Jul. 2006.。類似于傳統(tǒng)的香農(nóng)采樣要求被采樣信號為有限帶寬信號，壓縮采樣則要求被采樣的信號是稀疏的或是可壓縮的，以及采用的測量矩陣具有限定等距特性(RIP)。根據(jù)壓縮感知理論，給定一個N維信號f e Rn,如果它在Ψ域是k-稀疏的(即僅有較少的k個系數(shù)不為零)，則可以通過M 0(klog(N/k)) =N個測量值y= e Rm準確重建原信號，其中的Φ被稱為測量矩陣。由于該求逆過程為一個病態(tài)過程，因此轉(zhuǎn)化為在信號為稀疏約束條件下的優(yōu)化問題，該問題通?？梢赃M一步轉(zhuǎn)化為線性規(guī)劃問題mini χ I1, s. t. :y = ΦΨχ 求解，其中χ = Ψ ·為信號f在Ψ域的表示。壓縮感知框架包括對原始信號的壓縮采樣(獲取或編碼)和重構(gòu)(解碼)兩個部分。為了更有效地實現(xiàn)對原信號的壓縮感知和重構(gòu)，近年來，國內(nèi)外的許多研究人員在實現(xiàn)信號壓縮感知包含的測量矩陣的構(gòu)造、稀疏字典和重構(gòu)算法的設(shè)計等方面展開了大量的研究工作。實際上，壓縮感知理論不僅為信號的降維獲取奠定了重要的理論基礎(chǔ)，同時也為設(shè)計更加高效的數(shù)據(jù)壓縮編碼技術(shù)指明了新的方向；基于壓縮感知的低復雜度高效圖像與視頻壓縮、加密圖像壓縮，以及傳輸魯棒的圖像編碼等領(lǐng)域具有很好的應(yīng)用前景參見文獻[4] J. Prades-Nebot，Y. Ma, and Τ. Huang, Distributed Video Coding using Compressive Sampling，IEEEPCS* 2009，pp.1-4. [5]T. Do，X. Lu and J. Sole，Compressive sensing with adaptive pixel domain reconstruction for block based video coding, IEEE ICIP’ 2010，pp. 3377-3380. [6]A A. Kumar, and A. Makur, Lossy compression of encrypted image by compressive sensing technique，IEEE TENCON' 2009，pp. 1-5.[7]S. Sanei, A. H. Phan, et al.，A compressive sensing approach for progressive transmission of images，IEEE DSP’ 2009，pp. 1-5. [8]C. Deng, W. Lin, et al.，Robust image compression based on compressive sensing，IEEE ICME^2010,pp. 462-467. ]0 基于壓縮感知的圖像與視頻編碼已成為當前該領(lǐng)域的重要研究熱點。Y. ^iang等人提出了一種基于圖像分塊和離散余弦變換的壓縮感知圖像編碼方法參見文獻[9] Y. Zhang, et al, A novel image/video coding method based on compressed sensing theory, ICASSP2008, pp. 1361-1364。該方法將壓縮感知編碼模式嵌入到傳統(tǒng)的圖像編碼標準中，取得了較好的性能增益，但是整個編碼系統(tǒng)保持了較高的復雜度。Y. Yang等人提出了一種基于分塊和二維離散余弦變換的圖像壓縮采樣方法參見文獻[10] Y. Yang，et al，Perceptual compressive sensing for image signals，ICME2009， PP. 89-92。該方法提出在采樣編碼階段利用人眼的視覺感知特性對分塊二維變換系數(shù)加權(quán)后進行壓縮采樣編碼，從而實現(xiàn)減少采樣比率和提高重構(gòu)圖像品質(zhì)。然而，由于該采樣方法無法自適應(yīng)地對不同塊進行測量維數(shù)的分配，而是對每個圖像塊分配相同的測量維數(shù)， 因此必定會導致紋理和邊緣信息比較豐富的分塊的重構(gòu)誤差相對較大。Y. Yu等人提出了一種基于圖像顯著性的圖像壓縮采樣方法參見文獻[ll]Y.Yu，et al, Saliency-Based Compressive Sampling for Image Signals，IEEE Signal Processing Letters，vol.17， no. 11，pp. 973-976，2010，該方法提出通過預(yù)先識別各圖像塊的顯著性來自適應(yīng)地為不同塊分配不同的測量比率，從而實現(xiàn)減少采樣比率和提高重構(gòu)圖像品質(zhì)。但是，這種方法需要存儲一個額外分配測量比率的矩陣，并且也存在不能保證提取的圖像顯著性信息與圖像的重要性信息具有完全一致等問題。由于自然圖像中的不同塊具有的紋理和邊緣信息的不一致性，使得不同圖像塊在稀疏域的重要系數(shù)的個數(shù)也會表現(xiàn)差異巨大，在基于圖像分塊的壓縮采樣中，如果對所有塊都直接分配相等的測量維數(shù)一定是不合理的。因此探求如何有效地對各圖像塊在稀疏域進行壓縮采樣表示是十分必要的。

發(fā)明內(nèi)容
根據(jù)上述背景技術(shù)中存在的缺陷和不足，本發(fā)明提供一種用于圖像編碼的基于系數(shù)隨機置換的壓縮感知方法及系統(tǒng)，目的在于降低圖像壓縮采樣表示的測量比率，提高重構(gòu)圖像的視覺品質(zhì)，適用于圖像的壓縮感知表示和編碼。為解決以上技術(shù)問題，本發(fā)明采用的技術(shù)方案為一種用于圖像編碼的基于系數(shù)隨機置換的壓縮感知方法，其特征在于其包括以下步驟步驟1)、將原始圖像進行分塊并進行基于塊的稀疏變換；步驟2、、將步驟1變換得到的塊稀疏變換系數(shù)按所處位置進行重組，得到對應(yīng)不同位置的系數(shù)矢量；步驟幻、對步驟2中產(chǎn)生的各系數(shù)矢量分別進行組內(nèi)系數(shù)隨機置換運算；步驟4)、從每個經(jīng)由步驟3置換運算后的系數(shù)矢量中依次取出一個系數(shù)構(gòu)成與原圖像塊大小相同以及具有各對應(yīng)位置的系數(shù)矢量；步驟幻、對步驟4)中產(chǎn)生的各系數(shù)矢量進行壓縮采樣編碼表示；步驟6)、通過上述過程的逆過程可重建原始圖像。
按以上方案，所述步驟6具體包括以下步驟步驟6a)、進行各系數(shù)塊數(shù)據(jù)的壓縮采樣恢復；步驟6b)、進行各變換塊間相同位置處系數(shù)的逆隨機置換；步驟6c)、進行各圖像塊的稀疏逆變換與塊圖像融合。按以上方案，所述步驟1)的分塊大小為m行η列，m、n分別選取整數(shù)值，對一幅圖像的每一分塊大小相同。按以上方案，m為8或16，n為8或16。按以上方案，所述步驟幻的各變換塊間系數(shù)隨機置換方法為首先對各分塊稀疏變換產(chǎn)生的系數(shù)按塊順序選取，將位于不同塊而處于每塊中同一位置的系數(shù)進行組合，得到mXn組對應(yīng)不同位置的一維系數(shù)矢量，然后對此各一維系數(shù)矢量進行組內(nèi)系數(shù)隨機置換運算，最后依次從各置換后的系數(shù)矢量中選取一個系數(shù)組成N = mXn維的總共B個待測量系數(shù)矢量ri;i = 1，2，...，B，B為圖像分塊的總數(shù)。按以上方案，所述步驟幻的數(shù)據(jù)壓縮采樣編碼方法為對每一個經(jīng)由隨機置換后的各待測量系數(shù)矢量與具有相同維數(shù)的同一測量矩陣進行矩陣-矢量乘運算得到對應(yīng)的測量值矢量，即Yi = ΦΓ,；測量值矢量數(shù)據(jù)連同采用的隨機置換矩陣生成信息一同存儲或傳輸?shù)浇獯a端。按以上方案，所述步驟4)的壓縮采樣恢復方法為對應(yīng)所有的被壓縮采樣編碼表示的系數(shù)矢量α的重構(gòu)通過解線性規(guī)劃問I^minIMI1,過工=辦}實現(xiàn)。按以上方案，所述步驟6b)的變換系數(shù)的逆隨機置換方法為將經(jīng)由步驟6a)恢復的所有系數(shù)矢量6，按照步驟2的逆過程得到原分塊圖像的稀疏變換系數(shù)的重構(gòu)系數(shù)矩陣。按以上方案，所述步驟6c)的稀疏逆變換與圖像合并方法為對步驟6b)得到的各分塊圖像的重構(gòu)系數(shù)矩陣分別進行稀疏逆變換，并將逆變換重建的各分塊圖像按原來次序合并產(chǎn)生原圖像的重構(gòu)圖像?；谙禂?shù)隨機置換的壓縮感知系統(tǒng)，其不同之處在于其包括壓縮感知編碼器、壓縮感知解碼器；壓縮感知編碼器依次對原始圖像進行分塊、基于塊的稀疏變換、系數(shù)置換、 壓縮采樣編碼處理步驟；壓縮感知解碼器對壓縮感知編碼器處理得到的編碼進行壓縮采樣恢復、系數(shù)逆置換、圖像塊稀疏逆變換、圖像塊融合處理步驟，從而重構(gòu)原始圖像。對比現(xiàn)有技術(shù)，本發(fā)明的原理及有益效果如下本發(fā)明基于塊圖像變換域進行數(shù)據(jù)的二次采樣，通過隨機置換技術(shù)調(diào)整重要性系數(shù)分布，使得每個被采樣矢量具有近似相同的系數(shù)幅度特性分布特征或可壓縮性，保證在每個系數(shù)矢量采用相同測量比率采樣的條件下，可在解碼端更加有效地恢復各圖像塊的相對重要的變換系數(shù)，實現(xiàn)減少測量比率和/ 或提升重建圖像品質(zhì)。本發(fā)明方法涉及圖像壓縮感知編碼器模塊和圖像壓縮感知解碼器模塊兩個部分。 本發(fā)明的圖像壓縮感知編碼器模塊由依次執(zhí)行的圖像分塊模塊、圖像塊稀疏變換模塊、變換域系數(shù)的隨機置換模塊和壓縮采樣模塊組成。本發(fā)明的圖像壓縮感知解碼器模塊由依次執(zhí)行的壓縮采樣恢復模塊、變換域系數(shù)的逆置換模塊、圖像塊稀疏逆變換模塊和圖像塊融合模塊組成。涉及的圖像分塊模塊將輸入的原圖像進行分塊，分塊的大小選取為整數(shù)mXn。涉
及的圖像塊稀疏變換模塊對每一個圖像塊進行塊圖像稀疏變換。涉及的變換域系數(shù)的隨機置換模塊首先根據(jù)所有圖像塊各變換域系數(shù)所處位置的不同分成對應(yīng)位置的系數(shù)矢量，以及偽隨機產(chǎn)生一個系數(shù)置換映射矩陣，然后根據(jù)該系數(shù)置換映射矩陣進行各系數(shù)矢量的組內(nèi)位置置換，最后通過依次交替選取置換后各系數(shù)矢量的系數(shù)得到置亂后的待測量系數(shù)矢量涉及的壓縮采樣模塊首先生成一個用于壓縮感知的測量矩陣Φ，然后將該測量矩陣與每一個待測量系數(shù)矢量進行相乘運算得到對應(yīng)的測量值矢量，即Ii = 從而完成對每一系數(shù)矢量的壓縮采樣編碼。涉及的壓縮采樣恢復模塊采用與編碼過程中采用的相同測量矩陣，通過求解線性規(guī)劃問題{η ψ}得到重建的各測量值矢量/i.。涉及的變換域系數(shù)的隨機逆置換模塊首先根據(jù)由編碼器端傳送來的偽隨機置換矩陣生成因子生成原隨機置換映射矩陣，然后根據(jù)該隨機置換映射矩陣完成各重建系數(shù)矢量的系數(shù)逆向置換，最后從各逆置換后的系數(shù)矢量中選取對應(yīng)系數(shù)還原得到原各分塊圖像的稀疏變換系數(shù)矩陣的重建表示。涉及的稀疏逆變換模塊完成對各重建的稀疏變換系數(shù)矩陣的逆變換，得到原各分塊圖像的重建圖像。涉及的圖像塊融合模塊通過拼接各重建圖像塊，得到原圖像的重建圖像。本發(fā)明是一種基于圖像分塊與稀疏變換域系數(shù)隨機置換的圖像壓縮感知編碼方法。本發(fā)明方法能顯著降低圖像壓縮感知的測量比率和提高重建圖像品質(zhì)，在圖像編碼系統(tǒng)的設(shè)計領(lǐng)域具有良好的應(yīng)用前景。


圖1是本發(fā)明方法的系統(tǒng)實現(xiàn)流程圖；圖2是本發(fā)明采用二維余弦變換進行圖像稀疏變換的實例圖；其中，圖2(a)為原始的256X256Lerma圖像；圖2(b)為基于8X8分塊的二維離散變換的結(jié)果。圖3是本發(fā)明采用的變換域系數(shù)隨機置換示例圖；其中，圖3(a)為原分塊變換系數(shù)矢量陣列；圖3(b)為經(jīng)過隨機置換后的系數(shù)矢量陣列。圖4是本發(fā)明采用隨機置換前后變換塊系數(shù)矢量的幅度特性分布特性比較。圖5是本發(fā)明方法的實驗結(jié)果比較示意圖。
具體實施例方式下面結(jié)合附圖和實施實例對本發(fā)明進行詳細說明。如圖1所示，一種用于圖像編碼的基于系數(shù)隨機置換的壓縮感知方法，其包括以下步驟步驟1)、將原始圖像進行分塊并進行基于塊的稀疏變換；步驟2、、將步驟1變換得到的塊稀疏變換系數(shù)按所處位置進行重組，得到對應(yīng)不同位置的系數(shù)矢量；步驟幻、對步驟2中產(chǎn)生的各系數(shù)矢量分別進行組內(nèi)系數(shù)隨機置換運算；步驟4)、從每個經(jīng)由步驟3置換運算后的系數(shù)矢量中依次取出一個系數(shù)構(gòu)成與原圖像塊大小相同以及具有各對應(yīng)位置的系數(shù)矢量；步驟幻、對步驟4)中產(chǎn)生的各系數(shù)矢量進行壓縮采樣編碼表示；步驟6)、通過上述過程的逆過程可重建原始圖像。按以上方案，所述步驟6具體包括以下步驟
步驟6a)、進行各系數(shù)塊數(shù)據(jù)的壓縮采樣恢復；步驟6b)、進行各變換塊間相同位置處系數(shù)的逆隨機置換；步驟6c)、進行各圖像塊的稀疏逆變換與塊圖像融合。具體的，所述步驟1)的分塊大小為m行η列，m、n分別選取整數(shù)值，對一幅圖像的每一分塊大小相同。優(yōu)選的，m為8或16，η為8或16。具體的，所述步驟2、的各變換塊間系數(shù)隨機置換方法為首先對各分塊稀疏變換產(chǎn)生的系數(shù)按塊順序選取，將位于不同塊而處于每塊中同一位置的系數(shù)進行組合，得到 mXn組對應(yīng)不同位置的一維系數(shù)矢量，然后對此各一維系數(shù)矢量進行組內(nèi)系數(shù)隨機置換運算，最后依次從各置換后的系數(shù)矢量中選取一個系數(shù)組成N = mXn維的總共B個待測量系數(shù)矢量ri;i = 1，2，...，B，B為圖像分塊的總數(shù)。具體的，所述步驟幻的數(shù)據(jù)壓縮采樣編碼方法為對每一個經(jīng)由隨機置換后的各待測量系數(shù)矢量與具有相同維數(shù)的同一測量矩陣進行矩陣-矢量乘運算得到對應(yīng)的測量值矢量，即Yi = ΦΓ,；測量值矢量數(shù)據(jù)連同采用的隨機置換矩陣生成信息一同存儲或傳輸?shù)浇獯a端。具體的，所述步驟4)的壓縮采樣恢復方法為對應(yīng)所有的被壓縮采樣編碼表示的系數(shù)矢量α的重構(gòu)通過解線性規(guī)劃問minIk I,s.L-y·=φ ·}實現(xiàn)。具體的，所述步驟6b)的變換系數(shù)的逆隨機置換方法為將經(jīng)由步驟6a)恢復的所有系數(shù)矢量6，按照步驟2的逆過程得到原分塊圖像的稀疏變換系數(shù)的重構(gòu)系數(shù)矩陣。具體的，所述步驟6c)的稀疏逆變換與圖像合并方法為對步驟6b)得到的各分塊圖像的重構(gòu)系數(shù)矩陣分別進行稀疏逆變換，并將逆變換重建的各分塊圖像按原來次序合并產(chǎn)生原圖像的重構(gòu)圖像。如圖1所示，基于系數(shù)隨機置換的壓縮感知系統(tǒng)，其包括壓縮感知編碼器、壓縮感知解碼器；壓縮感知編碼器依次對原始圖像進行分塊、基于塊的稀疏變換、系數(shù)置換、壓縮采樣編碼處理步驟；壓縮感知解碼器對壓縮感知編碼器處理得到的編碼進行壓縮采樣恢復、系數(shù)逆置換、圖像塊稀疏逆變換、圖像塊融合處理步驟，從而重構(gòu)原始圖像。按照圖1的技術(shù)方案，給出了基于稀疏變換域與系數(shù)隨機置換的圖像壓縮感知表示方法的系統(tǒng)實現(xiàn)流程圖。圖1的系統(tǒng)包括圖像壓縮感知編碼器模塊和圖像壓縮感知解碼器模塊。在圖像壓縮感知編碼器端，原始圖像X首先輸入到圖1的圖像分塊模塊，圖像分塊模塊產(chǎn)生的輸出為多個大小相同、互不重疊的圖像塊Xi，i = l,2,..., B，其中的B表示總的圖像分塊數(shù)。圖像分塊操作選取分塊大小為N = mXn，一般取為8X8或是16X 16，也可以選取為其它合適的尺寸。圖像分塊模塊的輸出送入到二維離散余弦變換模塊的輸入端。分塊圖像，也就是每一個圖像塊Xi的數(shù)據(jù)輸入到稀疏變換模塊進行基于塊的塊圖像稀疏變換，得到每一圖像塊在變換域的表示Ci = T[Xi]。圖2(a)為原始的大小為 256X256的某Lerma圖像，圖2 (b)為該Lerma圖像通過8 X 8分塊以及選取稀疏字典為二維離散余弦變換進行塊圖像稀疏變換后的輸出，可見圖像在二維離散變換域的系數(shù)大部分都趨近為零，因此具有良好的可壓縮性。本發(fā)明可選用的稀疏變換不限于離散余弦變換，也可為任意其它合適的稀疏變換。稀疏變換模塊輸出的所有圖像塊在變換域的系數(shù)數(shù)據(jù)輸入到系數(shù)置換模塊。
系數(shù)置換模塊首先對輸入的每一圖像塊的變換域系數(shù)按照一定的掃描格式，將輸入的一個個二維數(shù)組變換為一維行矢量α i = 2DtolD[Ci] = Iaiil，屮,2，a,,J。掃描格式可以是先按行從左到右、再按列從上往下的方式，或是先按列從上往下、再按行從左到右的方式，也可以是按Z字形掃描等其它方式。圖3 (a)的每一行數(shù)據(jù)代表了圖2(b)中對應(yīng)圖像塊變換域系數(shù)的矢量表示示例。系數(shù)置換模塊進一步將得到的所有圖像塊對應(yīng)的稀疏變換域系數(shù)矢量進行系數(shù)重組，也就是將每一圖像塊系數(shù)矢量中處在同一位置的系數(shù)組合為一個新的系數(shù)矢量β j ={\」， ,」，...，徹,」}，共得到!11\11個對應(yīng)不同位置的系數(shù)矢量。圖3(a)的每一列數(shù)據(jù)代表了將塊系數(shù)矢量進行系數(shù)重組后得到的對應(yīng)于塊中不同位置的系數(shù)矢量。系數(shù)置換模塊繼續(xù)將各對應(yīng)的重組系數(shù)矢量分別進行組內(nèi)系數(shù)隨機置換。隨機置換過程首先產(chǎn)生一組mXn個偽隨機序列，每個偽隨機序列的長度與系數(shù)重組得到的各系數(shù)矢量的長度相等，然后按照該組偽隨機序列進行各組內(nèi)數(shù)據(jù)的位置隨機置換，生成Pj = Perm, [β」]={Pl,」，p2,」，· · ·，pB,」}。圖3 (b)為各組(列)數(shù)據(jù)矢量進行組內(nèi)隨機置換后的結(jié)果示例。系數(shù)隨機置換模塊最后將通過上述組內(nèi)隨機置換后的各系數(shù)矢量進行第二次系數(shù)重組，產(chǎn)生待測量系數(shù)矢量A = { 。，？。，...，？"}。按照圖3(b)所示，第二次重組過程就是依次提取圖3(b)中的每一行數(shù)據(jù)組成一個待測量系數(shù)矢量。隨機置換模塊的輸出送入到壓縮采樣模塊的輸入端。壓縮采樣模塊首先產(chǎn)生一個維數(shù)為MXN的測量矩陣Φ，Ν為待測量系數(shù)矢量的維數(shù)，M為測量維數(shù)且通常有M = N。生成的測量矩陣Φ可以是二元隨機矩陣、高斯隨機矩陣或其它形式的測量矩陣。壓縮采樣模塊通過執(zhí)行測量矩陣Φ與各待測量系數(shù)矢量^的矩陣-矢量乘運算輸出對應(yīng)的測量值矢量只，<為列矢量，代表矢量A的轉(zhuǎn)置運算的結(jié)^ ο在圖像壓縮感知解碼器端，經(jīng)由圖像壓縮感知編碼器輸出的測量值矢量yi;i = 1， 2，. . .，B首先輸入到圖1系統(tǒng)的壓縮采樣恢復模塊。壓縮采樣恢復模塊通過求解線性規(guī)劃問題{1^^.|1,^.工.=<^. }得到重建的各測量值矢量巧=GwA2^AAJ。重建的各測量值矢量6輸出到系數(shù)逆置換模塊的輸入端。系數(shù)逆置換模塊與編碼器端的系數(shù)置換模塊一樣，首先將重建的測量值矢量進行系數(shù)重組，得到對應(yīng)于塊中不同位置的系數(shù)矢量的重建表示式={式;，兵，;，...，扎，;}; 然后對所有P分別進行逆隨機置換運算，得到系數(shù)矢量^的重建表示 Pj=InvPermip ^{a, pa2p...,aBj}；進一步通過第二次系數(shù)重組得到系數(shù)矢量α i的重建表
示戈=^1A2,...,式；最后按照與編碼端相同的掃描格式，將一維矢量表示轉(zhuǎn)換為二維矩陣表示，得到各圖像塊的稀疏變換域系數(shù)矩陣的重建表示A = IDtolDiai]。系數(shù)逆置換模塊產(chǎn)生的各圖像塊的稀疏變換域系數(shù)的重建表示幼專送到圖像塊稀疏逆變換模塊的輸入端。圖像塊稀疏逆變換模塊對輸入的各圖像塊的變換域系數(shù)重建矩陣進行逆變換運算，得到編碼器端原輸入分塊圖像的重建表示無=/幾引。圖像塊融合模塊接收各分塊圖像的重建表示天，經(jīng)過拼接還原得到原輸入圖像的重建表示f。為了證明本發(fā)明方法的有效性，我們首先比較了采用系數(shù)隨機置換技術(shù)前后的待測量系數(shù)矢量的幅度分布特性。輸入圖像選取256X256灰度Lerma圖像，分塊大小選取為 8X8。圖4(a)為未采用系數(shù)隨機置換時得到的各分塊圖像在二維離散變換域?qū)?yīng)的待測量系數(shù)矢量的幅度分布圖，圖4(b)為采用系數(shù)隨機置換技術(shù)后重組的各待測量系數(shù)矢量的幅度分布圖。這里的幅度分布圖代表了各測量系數(shù)矢量的系數(shù)幅度衰減曲線圖，為了顯示的更清晰，這里顯示的幅度值是各系數(shù)實際的幅度值以10為底取對數(shù)后乘以20后的結(jié)果。比較圖4(a)和圖4(b)可以看出，采用系數(shù)隨機置換技術(shù)能夠有效均衡各被測量系數(shù)矢量的分布，使得它們具有更趨一致的幅度分布特性，也表明具有更趨相同的可壓縮性。圖 5進一步給出了在測量比率為0. 3，選用OMP算法實現(xiàn)壓縮采樣恢復，采用和不采用隨機置換技術(shù)時的圖像重建結(jié)果比較。圖5(a)為未采用隨機置換技術(shù)條件的重建圖像，圖5(b) 為采用隨機置換技術(shù)條件的重建圖像。比較結(jié)果顯示，通過采用隨機置換技術(shù)，能夠明顯地提升感興趣區(qū)域的重建圖像的視覺品質(zhì)，比如，在圖5(a)的眼睛四周具有明顯的重建噪聲，而在圖5(b)的眼睛四周不具有明顯的重建噪聲。表1給出了選取其它類型圖像，以及在不同測量比率的條件下，本發(fā)明方法與文獻[10]方法的PSNR性能比較。根據(jù)表1結(jié)果可見，本發(fā)明方法能夠有效地提升重建圖像的峰值信噪比。
表1 :PSNR性能比較(單位dB)
0070
權(quán)利要求
1.一種用于圖像編碼的基于系數(shù)隨機置換的壓縮感知方法，其特征在于其包括以下步驟步驟1)、將原始圖像進行分塊并進行基于塊的稀疏變換；步驟2、、將步驟1變換得到的塊稀疏變換系數(shù)按所處位置進行重組，得到對應(yīng)不同位置的系數(shù)矢量；步驟幻、對步驟2中產(chǎn)生的各系數(shù)矢量分別進行組內(nèi)系數(shù)隨機置換運算；步驟4)、從每個經(jīng)由步驟3置換運算后的系數(shù)矢量中依次取出一個系數(shù)構(gòu)成與原圖像塊大小相同以及具有各對應(yīng)位置的系數(shù)矢量；步驟幻、對步驟4)中產(chǎn)生的各系數(shù)矢量進行壓縮采樣編碼表示；步驟6)、通過上述過程的逆過程可重建原始圖像。
2.如權(quán)利要求1所述的用于圖像編碼的基于系數(shù)隨機置換的壓縮感知方法，其特征在于所述步驟6具體包括以下步驟步驟6a)、進行各系數(shù)塊數(shù)據(jù)的壓縮采樣恢復；步驟6b)、進行各變換塊間相同位置處系數(shù)的逆隨機置換；步驟6c)、進行各圖像塊的稀疏逆變換與塊圖像融合。
3.如權(quán)利要求1所述的用于圖像編碼的基于系數(shù)隨機置換的壓縮感知方法，其特征在于所述步驟1)的分塊大小為m行η列，m、n分別選取整數(shù)值，對一幅圖像的每一分塊大小相同。
4.如權(quán)利要求3所述的用于圖像編碼的基于系數(shù)隨機置換的壓縮感知方法，其特征在于m為8或16，n為8或16。
5.如權(quán)利要求1所述的用于圖像編碼的基于系數(shù)隨機置換的壓縮感知方法，其特征在于所述步驟2)的各變換塊間系數(shù)隨機置換方法為首先對各分塊稀疏變換產(chǎn)生的系數(shù)按塊順序選取，將位于不同塊而處于每塊中同一位置的系數(shù)進行組合，得到mXn組對應(yīng)不同位置的一維系數(shù)矢量，然后對此各一維系數(shù)矢量進行組內(nèi)系數(shù)隨機置換運算，最后依次從各置換后的系數(shù)矢量中選取一個系數(shù)組成N = mXn維的總共B個待測量系數(shù)矢量i = 1，2，...，B，B為圖像分塊的總數(shù)。
6.如權(quán)利要求1所述的用于圖像編碼的基于系數(shù)隨機置換的壓縮感知方法，其特征在于所述步驟幻的數(shù)據(jù)壓縮采樣編碼方法為對每一個經(jīng)由隨機置換后的各待測量系數(shù)矢量與具有相同維數(shù)的同一測量矩陣進行矩陣-矢量乘運算得到對應(yīng)的測量值矢量，即Yi = Φγ,；測量值矢量數(shù)據(jù)連同采用的隨機置換矩陣生成信息一同存儲或傳輸?shù)浇獯a端。
7.如權(quán)利要求1所述的用于圖像編碼的基于系數(shù)隨機置換的壓縮感知方法，其特征在于所述步驟4)的壓縮采樣恢復方法為對應(yīng)所有的被壓縮采樣編碼表示的系數(shù)矢量A的重構(gòu)通過解線性規(guī)劃問題丨minIk I，sJ-=辦；}實現(xiàn)。
8.如權(quán)利要求2所述的用于圖像編碼的基于系數(shù)隨機置換的壓縮感知方法，其特征在于所述步驟6b)的變換系數(shù)的逆隨機置換方法為將經(jīng)由步驟6a)恢復的所有系數(shù)矢量，按照步驟2的逆過程得到原分塊圖像的稀疏變換系數(shù)的重構(gòu)系數(shù)矩陣。
9.如權(quán)利要求2所述的用于圖像編碼的基于系數(shù)隨機置換的壓縮感知方法，其特征在于所述步驟6c)的稀疏逆變換與圖像合并方法為對步驟6b)得到的各分塊圖像的重構(gòu)系數(shù)矩陣分別進行稀疏逆變換，并將逆變換重建的各分塊圖像按原來次序合并產(chǎn)生原圖像的重構(gòu)圖像。
10.基于系數(shù)隨機置換的壓縮感知系統(tǒng)，其特征在于其包括壓縮感知編碼器、壓縮感知解碼器；壓縮感知編碼器依次對原始圖像進行分塊、基于塊的稀疏變換、系數(shù)置換、壓縮采樣編碼處理步驟；壓縮感知解碼器對壓縮感知編碼器處理得到的編碼進行壓縮采樣恢復、系數(shù)逆置換、圖像塊稀疏逆變換、圖像塊融合處理步驟，從而重構(gòu)原始圖像。
全文摘要
本發(fā)明涉及一種用于圖像編碼的基于系數(shù)隨機置換的壓縮感知方法，其包括以下步驟步驟1)將原始圖像進行分塊并進行基于塊的稀疏變換；步驟2)將步驟1變換得到的塊稀疏變換系數(shù)按所處位置進行重組，得到對應(yīng)不同位置的系數(shù)矢量；步驟3)對步驟2中產(chǎn)生的各系數(shù)矢量分別進行組內(nèi)系數(shù)隨機置換運算；步驟4)從每個經(jīng)由步驟3置換運算后的系數(shù)矢量中依次取出一個系數(shù)構(gòu)成與原圖像塊大小相同以及具有各對應(yīng)位置的系數(shù)矢量；步驟5)對步驟4)中產(chǎn)生的各系數(shù)矢量進行壓縮采樣編碼表示；步驟6)通過上述過程的逆過程可重建原始圖像。本發(fā)明方法能顯著降低圖像壓縮感知的測量比率和提高重建圖像品質(zhì)。
文檔編號H04N7/26GK102164282SQ20111011060
公開日2011年8月24日 申請日期2011年4月29日 優(yōu)先權(quán)日2011年4月29日
發(fā)明者周城, 熊承義, 高志榮 申請人:中南民族大學