[发明专利]基于变采样率和线性均值预测的图像压缩感知方法

说明书

技术领域

本发明属于图像处理技术领域，特别涉及一种图像压缩感知方法，可用于图像的实时压缩传输和恢复。

背景技术

压缩感知CS是将压缩与采样合并进行的一种信号或图像处理方法，它完整地恢复信号所要求的测量值数目远远小于奈奎斯特采样定理所要求的采样量，突破了香浓采样定理的瓶颈，降低了数据存储空间和传输消耗，因而用该技术能有效提高信号编码传输的效率，并节省资源。但是传统的压缩感知方法在处理图像信号时使用统一的采样率对整幅图像进行随机采样以得到线性测量值，使得对整体重构效果影响较大的边缘及纹理区域的重构质量得不到保证，且编码效率较低。

在IEEE SIGNAL PROCESSING LETTERS上发表的“基于显著性的图像信号压缩感知方法”中提出了一种给图像中显著的部分和不显著的部分分别分配不同的采样数目的压缩感知方法，该方法改变了传统压缩感知方法的统一采样率随机采样，考虑了不同的图像块对重构精度的影响不同，对每一个图像块进行显著性判断，并根据图像块的显著性给其分配不同的测量值。但是对于一个显著块，由于其中可能仍然存在一小部分连续的平滑区域，若对该图像块统一随机采样，并不能完全保证对重构效果贡献较大的边缘纹理区域的测量值较多，甚至有的包含图像边缘部分的块会被判为非显著块，使得图像的重构精度达不到最好的效果，而且显著性的评估过程具有较高的复杂度，计算量比较大。

发明内容

本发明的目的在于克服现有技术的不足，提供一种基于变采样率和线性均值预测的图像压缩感知方法，以在确定的测量值数目下，能有效提高图像边缘及纹理区域的重构质量，同时减小计算复杂度和时间复杂度，加快图像压缩感知的处理速度。

实现本发明目的的技术方案包括如下步骤：

(1)输入待处理的原始图像，检测边缘像素点获得边缘一维信号x(0)，抽取非边缘像素点获得非边缘一维信号y(0)；

(2)边缘延伸：

(2a)对于给定的整体采样量M，判断是否需要边缘延伸：如果M＞a(0)+b(0)，则边缘需要延伸，令边缘延伸次数的初始值为n＝0，执行步骤(2b)；否则，边缘不需要延伸，执行步骤(3)，其中a(0)是边缘像素点重新组合的个数，b(0)是非边缘部分像素点重新组合；

(2b)将边缘部分分别向左右两侧各延伸一个像素点，边缘延伸次数n加1，更新边缘像素点个数为a(n)，边缘一维信号为x(n)，更新抽取的非边缘像素点个数为b(n)，非边缘一维信号为y(n)，同时更新各像素点的位置信息；

(2c)判断边缘延伸是否结束：如果边缘延伸次数n同时满足：a(n-1)+b(n-1)＜M和a(n)+b(n)≥M，n≥1，则边缘延伸结束，执行步骤(3)，否则继续执行步骤(2b)；

(3)采样率分配：

(3a)计算边缘一维信号采样率r1和抽取的非边缘一维信号采样率r2：

设r1和r2之间的动态系数：λ≥1，解如下方程组，得到采样率r1和r2：

如果解得的r1大于1，则令r1＝1，再代入M＝r1×a(n)+r2×b(n)重新解得r2；

(4)压缩感知采样和重构：

(4a)图像输入端以采样率r1对边缘一维信号x(n)进行压缩采样，得到x(n)的线性测量值X，图像接收端用测量值X重构出边缘一维信号并将各重构边缘像素点分别放至与其在原始图像中相一致的位置；

(4b)图像输入端以采样率r2对抽取的非边缘一维信号y(n)进行压缩采样，得到y(n)的线性测量值Y，图像接收端用测量值Y重构出抽取的非边缘一维信号并将各重构的非边缘像素点分别放至与其在原始图像中相一致的位置；

(5)按照从上到下、从左到右的顺序预测出每个未被抽取的非边缘像素点的灰度值：1≤m≤4，其中，m为处于待预测像素点正上方、正下方、正左侧、正右侧的四个像素点中已经被恢复出来的像素点的个数，sum为这m个已经被恢复出来的像素点灰度值的和。

本发明与现有的技术相比具有以下优点：

第一，由于本发明对边缘一维信号和抽取的非边缘一维信号分别用不同的采样率单独获得各自的线性测量值并重构，取代了传统的统一随机采样，从而使本发明采样效率较高，在测量值数目给定的情况下，能有效提高图像的重构质量。

第二，由于本发明采用了对一幅图像整体进行边缘检测和边缘延伸来获得边缘像素点的一维信号，不需要对每个图像块都进行显著性计算，使得本发明计算复杂度和时间复杂度较低，而且防止了边缘锐化。