基于測量域分塊顯著性檢測的壓縮感知圖像重構(gòu)方法
【技術(shù)領(lǐng)域】
[0001] 本發(fā)明屬于圖像處理領(lǐng)域,特別涉及一種壓縮感知圖像重構(gòu)方法,可用于圖像編 解碼領(lǐng)域。
【背景技術(shù)】
[0002] 近年來,隨著數(shù)字信號(hào)處理的高速發(fā)展,人們需要處理的數(shù)據(jù)量越來越大,傳統(tǒng)的 奈奎斯特Nyquist采樣定理要求信號(hào)的采樣頻率不低于信號(hào)最大頻率的兩倍,這對(duì)信號(hào)采 集和處理設(shè)備提出了較高的要求,為了突破以奈奎斯特采樣理論為支撐的信息獲取、壓縮 處理并存儲(chǔ)傳輸?shù)膫鹘y(tǒng)信號(hào)處理方式,一種新型的將數(shù)據(jù)采集和數(shù)據(jù)壓縮過程合二為一的 壓縮感知理論開始成為國內(nèi)外研究的熱點(diǎn)之一。
[0003] 在圖像處理領(lǐng)域中,顯著圖是一個(gè)很方便而且有用的工具。圖像中每一個(gè)像素點(diǎn) 在色彩,亮度,方向等方面與背景作對(duì)比生成一個(gè)顯著值,所有顯著值構(gòu)成的一幅圖稱為顯 著圖,它所表征的是人們?cè)谟^看一幅圖像時(shí)視覺焦點(diǎn)聚集的區(qū)域,故基于人類視覺特征的 顯著圖特別適合處理自然圖像。由于顯著圖是人類主觀視覺的客觀描述,因此對(duì)于圖像的 顯著區(qū)域進(jìn)行加工和修改可以大幅提高圖像的主觀質(zhì)量。顯著圖在圖像重構(gòu),圖像要素提 取,圖像分類,物體檢測方面都有廣泛的應(yīng)用。
[0004] 傳統(tǒng)的顯著圖生成算法有很多,比如P2CA、PCT、STB等。但這些算法都有一個(gè)共同 的特點(diǎn),即原始圖像是分析的基礎(chǔ),算法建立在像素域。在不解碼得到像素域圖像的基礎(chǔ)上 是無法進(jìn)行顯著圖生成和分析的。在壓縮感知領(lǐng)域,圖像的采集設(shè)備簡單,復(fù)雜度集中于接 收端,在接收端重構(gòu)之前是不可能得到原始圖像的,而重構(gòu)則又要花費(fèi)相當(dāng)大的代價(jià),所以 基于像素域的顯著圖生成方法在壓縮感知領(lǐng)域就沒有了用武之地,因此現(xiàn)有顯著圖生成算 法是無法結(jié)合壓縮感知的。但另一方面,壓縮感知結(jié)合顯著圖又是非常必要的,如果能在測 量域分析出原圖的顯著區(qū)域,就可以在不解碼的情況下對(duì)數(shù)據(jù)進(jìn)行分析和加工,或者在同 等條件下對(duì)采樣數(shù)進(jìn)行分類以得到更好的結(jié)果。例如在測量時(shí)對(duì)顯著區(qū)域分配高采樣系 數(shù),非顯著區(qū)域分配低采樣系數(shù),這樣重構(gòu)圖像就可以在采樣代價(jià)不變的條件下獲得更高 的質(zhì)量。由以上分析可知,基于測量域的顯著性分析是非常有必要的。
[0005] 傳統(tǒng)的壓縮感知圖像在采樣時(shí)對(duì)圖像整體進(jìn)行壓縮測量,無論圖像如何分塊,都 是對(duì)所有圖像塊分配統(tǒng)一的采樣數(shù)和采樣率,并不關(guān)心圖像的顯著性構(gòu)成。這種做法目前 看來是存在缺陷的。對(duì)于背景紋理等圖像細(xì)節(jié)一視同仁使得要想提高圖像質(zhì)量需要提高全 局采樣率。全局采樣率的提升造成編碼端采樣數(shù)增加,從而削弱了壓縮感知編碼端復(fù)雜度 低的優(yōu)勢(shì),提高了采樣成本。與此同時(shí),壓縮感知復(fù)雜度集中于解碼端的特點(diǎn)使得全局采樣 率的增加會(huì)大幅提高解碼端的算法復(fù)雜度。因此傳統(tǒng)方法中提高全局采樣率以換取圖像質(zhì) 量的做法對(duì)于編碼端和解碼端都是有負(fù)面影響的,并且采樣數(shù)越高,負(fù)面影響也就越大。
【發(fā)明內(nèi)容】
[0006] 本發(fā)明的目的在于克服上述已有技術(shù)的缺點(diǎn),提出一種基于測量域分塊顯著性檢 測的壓縮感知圖像重構(gòu)方法,在不增加編碼端總采樣數(shù)和解碼端算法復(fù)雜度的條件下,提 高重構(gòu)圖像的主觀質(zhì)量和峰值信噪比,避免因提高圖像質(zhì)量而給編碼端和解碼端帶來的負(fù) 面影響。
[0007] 實(shí)現(xiàn)本發(fā)明目的的技術(shù)方案是:將原始圖像分塊測量,在測量域上對(duì)測量矩陣進(jìn) 行變換和運(yùn)算,求出對(duì)應(yīng)原始圖像塊的屬性,再根據(jù)不同屬性的塊二次分配不同的采樣率 進(jìn)行采樣和重構(gòu),以實(shí)現(xiàn)更高質(zhì)量的圖像重構(gòu),其具體步驟如下:
[0008] (1)將原始圖像轉(zhuǎn)換為灰度圖并將灰度圖分成η個(gè)大小相同,互不重疊的子塊m,i =1,2···η,對(duì)所有子塊用原始采樣率為Mo的相同測量矩陣進(jìn)行測量,得到測量值矩陣f,其 中η為大于1的自然數(shù);
[0009] (2)檢測η個(gè)子塊的顯著性:
[0010] 2a)對(duì)測量值矩陣f依次進(jìn)行離散余弦變換、求符號(hào)函數(shù)和逆離散余弦變換,得到 測量值壓縮矩陣f',再對(duì)該測量值壓縮矩陣f'中的每一個(gè)元素求平方得到平方增強(qiáng)矩陣
[0011] 2b)將平方增強(qiáng)矩陣f 〃的第i列均值與閾值1進(jìn)行對(duì)比:如果該均值大于1,則子塊 Bi為顯著塊,否則,為非顯著塊,其中? = 1,2···η。
[0012] (3)設(shè)顯著塊采樣率為JiiMo+O.l,非顯著塊采樣率為:Μ2 = Μ(τ0.05,進(jìn)行二次 采樣率分配,其中Mo是原始采樣率;
[0013] (4)根據(jù)分塊顯著性檢測和二次采樣率分配進(jìn)行二次測量:
[0014] 4&)設(shè)&1為%與單個(gè)子塊像素點(diǎn)總數(shù)乘積的四舍五入,h為單個(gè)子塊像素點(diǎn)總數(shù), 構(gòu)造一fajfh列的顯著塊測量矩陣每一個(gè)元素都是計(jì)算機(jī)隨機(jī)生成的滿足高 斯分布的隨機(jī)數(shù);
[0015] 4bH5aAM2與單個(gè)子塊像素點(diǎn)總數(shù)乘積的四舍五入,bFh,構(gòu)造一個(gè) &2行132列的 非顯著塊測量矩陣Φ2,Φ2的每一個(gè)元素都是計(jì)算機(jī)隨機(jī)生成的滿足高斯分布的隨機(jī)數(shù);
[0016] 4c)將檢測出來的每一個(gè)顯著塊轉(zhuǎn)置,按照各列順次縱向拼接成一維列向量,再將 各顯著塊拼接得到的一維列向量橫向排列,組成圖像的二維顯著塊像素矩陣χ 1;
[0017] 4d)將檢測出來的每一個(gè)非顯著塊轉(zhuǎn)置,按照各列順次縱向拼接成一維列向量,再 將所有非顯著塊拼接得到的一維列向量橫向排列,組成圖像的二維非顯著塊像素矩陣χ 2;
[0018] 4e)根據(jù)步驟4a)-4d)的結(jié)果,得到顯著測量值Υχζφ: · XjP非顯著測量值Υ2 = Φ 2 * Χ2 ;
[0019] (5)從顯著測量值矩陣Yi和非顯著測量值矩陣Υ2中分別恢復(fù)出顯著塊和非顯著塊, 組成重構(gòu)圖像。
[0020] 本發(fā)明與現(xiàn)有技術(shù)相比,具有如下優(yōu)點(diǎn):
[0021] 第一,本發(fā)明提出了由于建立了像素域顯著區(qū)域與測量域顯著區(qū)域的一一對(duì)應(yīng)關(guān) 系,克服了傳統(tǒng)顯著區(qū)域只能求解于像素域的技術(shù)缺陷,可在測量域完成對(duì)圖像的顯著性 分析。
[0022] 第二,本發(fā)明通過測量域顯著性分析進(jìn)行二次采樣,即對(duì)顯著塊分配高采樣率,對(duì) 非顯著塊分配低采樣率,可在采樣數(shù)大致相同的情況下得到更高質(zhì)量的圖像。
【附圖說明】
[0023]圖1是本發(fā)明的實(shí)現(xiàn)流程圖;
[0024] 圖2是用現(xiàn)有方法和本發(fā)明對(duì)lena.bmp圖像進(jìn)行顯著塊判斷的實(shí)驗(yàn)結(jié)果圖;
[0025] 圖3是用現(xiàn)有方法和本發(fā)明對(duì)lena.bmp圖像進(jìn)行重構(gòu)的實(shí)驗(yàn)結(jié)果圖;
[0026] 圖4是計(jì)算現(xiàn)有方法重構(gòu)圖像和本發(fā)明重構(gòu)圖像峰值信噪比時(shí)所用的實(shí)驗(yàn)圖像。
【具體實(shí)施方式】
[0027]下面結(jié)合附圖1、附圖2和附圖3對(duì)本發(fā)明作進(jìn)一步的詳細(xì)描述:
[0028] 步驟1.對(duì)圖像分塊
[0029] 將附圖2(a)的lena.bmp灰度圖像分成大小相同、互不重疊的1024個(gè)子塊Bi,i = l, 2···1024,每個(gè)子塊的大小為16X16,將每一個(gè)子塊轉(zhuǎn)置,每一個(gè)轉(zhuǎn)置后的子塊按照各列順 次縱向拼接成一維列向量,得到1024個(gè)列向量xi。
[0030] 步驟2.構(gòu)造測量矩陣Φ
[0031]由步驟1得到單個(gè)子塊的像素點(diǎn)總數(shù)為16 X 16 = 256,選取原始采樣率M〇 = 0.7;
[0032]將Mo與單個(gè)子塊像素點(diǎn)總數(shù)相乘,四舍五入得到數(shù)為0.7X256 ? 179;
[0033]將單個(gè)子塊像素點(diǎn)總數(shù)256作為測量矩陣Φ的列數(shù),將179作為測量矩陣Φ的行 數(shù),得出179行256列的測量矩陣Φ,其中測量矩陣Φ的每一個(gè)元素都是計(jì)算機(jī)隨機(jī)生成的 滿足高斯分布的隨機(jī)數(shù)。
[0034]步驟3.獲取測量值矩陣f
[0035] 把步驟2得到的測量矩陣Φ和步驟1得到的列向量Xl相乘得到測量值矩陣f的第i 列,即fi= i>xi,i = l,2···1024,其中每一列有179個(gè)元素;
[0036]將所求的1024個(gè)列依次橫向排列,組成179行1024列的測量值矩陣f。
[0037] 步驟4.獲取變換域矩陣F
[0038] 對(duì)測量值矩陣f進(jìn)行離散余弦變換,得到變換域矩陣F,其中第u行第v列的元素為:
[0039]
[0040]式中,N為步驟3得到的測量值矩陣f的列數(shù)1024,M為測量值矩陣f的行數(shù)179,f(x, y)是測量值矩陣f中第X行y列對(duì)應(yīng)的元素;x,u = 0,l,"_M-l;y,v = 0,l~N-l;
[0041] 步驟5.獲取變換域壓縮矩陣F'
[0042] 對(duì)步驟4得到的變換域矩陣F中的每一個(gè)元素求符號(hào)函數(shù),得變換域壓縮矩陣F', 其中第u行v列的元素為:
[0043]
[0044]步驟6.獲取測量值壓縮矩陣f'
[0045]對(duì)步驟5得到的變換域壓縮矩陣F'進(jìn)行逆離散余弦變換,得到測量值壓縮矩陣f',
[0046] 其中第X行第y列對(duì)應(yīng)的元素為:
[0047] 凡卞,m=丄 i y,~=丄uz^io
[0048] 步驟7.對(duì)步驟6得到的測量值壓縮矩陣f '中的每一項(xiàng)元素平方,得到平方增強(qiáng)矩 陣f",其中平方增強(qiáng)矩陣f"規(guī)格與測量值矩陣f相同,為179行1024列。
[0049]步驟8.將子塊劃分為顯著塊或非顯著塊
[0050]將步驟7得到的平方增強(qiáng)矩陣f"的每一列向量的均值與1對(duì)比,如果平方增強(qiáng)矩陣 f 〃的第i列均值大于1,則步驟1中的子塊仏為顯著塊,否則,為非顯著塊,其中i = l,2··· 1024。
[0051] 步驟9.構(gòu)造圖像的顯著塊像素矩陣心和非顯著塊像素矩陣X2
[0052] 9.2)將檢測出來的每一個(gè)顯著塊轉(zhuǎn)置,按照各列順次縱向拼接成一維列向量,再 將各顯著塊拼接得到的一維列向量橫向排列,組成圖像二維顯著塊像素矩陣Χ 1;
[0053] 9.2)將檢測出來的每一個(gè)非顯著塊轉(zhuǎn)置,按照各列順次縱向拼接成一維列向量, 再將所有非顯著塊拼接得到的一維列向量橫向排列,組成圖像二維非顯著塊像素矩陣χ 2。
[0054] 步驟10.二次采樣率分配
[00