[发明专利]一种基于图模型的图像压缩感知方法

说明书

本发明公开了一种基于图模型的图像压缩感知方法。本发明包括：1：设置QP因子，对测试图像X进行压缩得到图片X'，并将压缩后的图片与原始图片的PSNR值进行比较；2：将压缩后的图片X'分成若干重叠小块，对于每个小块构造相似块组，并进行平均；步骤3：将待重建的压缩平均块中的每一个像素看成是一个节点，构造对应的图模型；4：将图作为正则项，将原始块与待重建的压缩平均块的偏差作为二次项，对表达式进行凸优化处理求解；5：对每个重叠小块处理完后，采用加权平均对图片进行更新，得到压缩重建后的图片Y，并计算原始图片与处理完后的图片的PSNR值，并与传统图像压缩感知方法进行比较。本发明提高图像的压缩效率以及重建速率。

技术领域

本发明属于图像增强中的图像压缩感知领域，主要应用于图像存储、压缩等方面，具体涉及一种基于图模型的图像压缩感知方法。

背景技术

当今社会互联网的飞速发展，人们对于多媒体的要求不断提升，数据传输的快速性和准确性成为了图像视频领域的研究重点。同时海量数据的快速传递对于电脑、网络等的配置要求很高，并且单幅图像像素间和视频序列的每帧图像间存在一定的冗余现象(空间冗余和时间冗余)，图像压缩感知(Compressed Sensing)是多媒体时代必须执行的操作。图像压缩感知理论其突破了传统的香农采样定理，是信号处理领域的重大变革，能更好地对高分辨信号进行采集。图像压缩感知过程包含采样、压缩和解压缩等步骤，主要解决图像在存储，运输，处理方面的难题。图像的稀疏性是处理压缩感知的重要先验，经常使用稀疏基来对图像进行稀疏表示，从而可以通过复杂的重构算法进行压缩重建。

图像压缩的主流标准主要有由联合图像专家组JPEG制定的JPEG标准、由国际标准化组织ISO制定的MPEG标准和由国际电信联盟ITU制定的H.26X标准。JPEG标准主要针对于静态图像(图片)，一般都是有损压缩，而MPEG和H.26X标准主要应用于动态图像(视频的压缩标准)，其兼容性比JPEG更好，压缩性能更为优越。当今应用于压缩感知的图像重构算法主要有一些列匹配追踪(Matching Pursuit)算法如矩阵匹配追踪、贪婪匹配追踪等，主要利用过完备字典计算信号表示，能很好的对信号进行重建，重建速度和准确度比较完善。图模型作为一种图论方法，主要应用在地理、气候等领域，并能很好地对地理图形进行处理，对气候进行估计。同时图模型能应用于图像处理领域，一些研究已经着手于将图模型应用于图像增强领域，并能取得不错的处理效果。

将图模型理论应用于图像压缩感知领域是新颖的，此部分是当今世界并未采用的方法，创新程度高，同时也能更好地利用图像内部的自相似性与稀疏性，是很有意义且有效的抉择。

发明内容

本发明主要考虑了图像压缩感知的流程以及图模型在图像压缩感知领域的可应用性，同时在实验中探索了图像内部像素的自相似性与拓扑性。如何将图模型应用于图像压缩感知，从而提高图像的压缩效率以及重建速率是值得探讨的问题。

本发明通过引进图模型，对图像中的每一个重叠小块进行处理。针对图像中的每一个大小为s×s的重叠小块，设置一个局部搜索窗，找到K个与其相似的相似小块,并对K个相似小块对应的像素进行平均处理，得到一个平均的大小为s×s的小块。将该小块的每一个像素当成一个节点，采用高斯核构造拉普拉斯矩阵图模型，考虑到了图像内部像素的拓扑约束与自相似性。最终得到压缩感知方程的表达式，正则项为图，二次项为重建块块与去压缩块的偏差。

本发明的具体实现步骤如下：

步骤1：设置QP因子，对测试图像X进行压缩得到压缩后待处理的图片X'，并将压缩后的图片与原始图片的PSNR值进行比较；

步骤2：将压缩后的图片X'分成若干个重叠小块，对于每个小块构造相似块组，并进行平均；

步骤3：将待重建的压缩平均块中的每一个像素看成是一个节点，构造对应的图模型；

步骤4：将图作为正则项，将原始块与待重建的压缩平均块的偏差作为二次项，对表达式进行凸优化处理求解；