[发明专利]一种压缩成像分类方法及系统

说明书

本发明提供一种压缩成像分类方法及系统，该方法包括：S1.根据目标场景图像的大小M*N建立多个正交矩阵，所述正交矩阵为二维离散余弦变换的由低到高阶次的变换基底；S2.将所述多个正交矩阵二值化生成多个测量矩阵；S3.利用所述多个测量矩阵中的前n个测量矩阵对所述目标场景图像进行压缩采样，压缩率为f；同时提取场景图像频率信息，获得所述n个测量矩阵对应的权重，所述权重为调制目标场景的像所对应的光强值；S4.根据所述前n个测量矩阵所对应的正交矩阵和权重对所述目标场景进行重构和识别，输出所述目标场景的重构图像和类别；其中，所述数量n和压缩率f满足如下公式：n＝f*M*N。利用该方法和系统可降低采集数据量至5％‑25％，同时保持高识别精度。

技术领域

本发明涉及计算机与图像处理技术领域，尤其涉及一种压缩成像分类方法及系统。

背景技术

智能监测系统主要由以下三个部分组成：前端-图像采集端，数据传输通道，后端-图像智能分析端。前端通过成像系统采集场景图像之后，传输通道负责将采集到的数据送给后端，后端采用图像处理、模式识别和计算机视觉技术对图像进行实时分析、识别。后端分析作为整个智能监测系统的结果输出端，其精度直接取决于图像采集的成像质量以及传输过程中的信息损耗，越高的成像质量能带来越高的识别精度，但是也需要采集和传输更多的数据量，不仅需要更高成本的探测器，同时对传输速度和传输通道的带宽有着极高的要求，例如，用于水下浮游生物实时监测系统中的原位成像仪PlanktonScope，每小时采集五万多幅图像，数据量高达300GB。因此，能否在保持高识别精度的情况下，压缩图像采集端的数据量对智能监测系统的发展具有重大意义。

目前常用的压缩方法通常是在奈奎斯特采样率(Nyquist Sampling Rate)下对场景进行采集后，使用压缩算法(如：JPEG)降低数据量后再进行传输，这种方法在一定程度上可以降低传输带宽的负担，但是仍需先采集大量的数据，探测器的成本随之增高，在一些特殊波段尤为明显(如太赫兹波段探测器单个像素价格可高达10³-10⁴元)。随着压缩感知技术的出现，允许在低于奈奎斯特采样率时采集图像，达到“边采样边压缩”的效果，但是压缩感知要求图像在特定域足够稀疏，重构过程需要繁杂地迭代计算，且重构效果依赖于图像的稀疏程度，不利于最终的后端识别。

发明内容

为解决上述问题，本发明提出一种压缩成像分类方法及系统，其能大大降低采集的数据量，且通过逆变换重构算法就可恢复目标场景的图像，同时保持高识别精度。

本发明提出一种压缩成像分类方法，包括：S1.根据目标场景图像的大小M*N建立多个正交矩阵，所述正交矩阵为二维离散余弦变换的由低到高阶次的变换基底；S2.将所述多个正交矩阵二值化生成多个测量矩阵；S3.利用所述多个测量矩阵中的前n个测量矩阵对所述目标场景图像进行压缩采样，压缩率为f；同时提取场景图像频率信息，获得所述n个测量矩阵对应的权重，所述权重为调制目标场景的像所对应的光强值；S4.根据所述前n个测量矩阵所对应的正交矩阵和权重对所述目标场景进行重构和识别，输出所述目标场景的重构图像和类别；其中，所述数量n和压缩率f满足如下公式：n＝f*M*N。

本发明同时考虑JPEG压缩算法和压缩感知技术，以离散余弦变换(DiscreteCosine Transform,DCT)为基础，结合利用图像低频信息可完成识别任务的思想，建立了由低到高阶次的正交矩阵，并将其二值化生成测量矩阵，从而在测量过程中采集图像的低频信息，在保持后端识别精度不变的情况下，将采样数据量大大降低，并可降低至5％-25％。另外，使用该测量矩阵，压缩解码不需要繁杂的迭代计算，通过逆变化重构就可恢复目标场景的图像。

其中，测量矩阵的计算公式如下：