[发明专利]一种自适应纹理对比度的低复杂度压缩感知图像编码方法

摘要

本发明公开了自适应纹理对比度的低复杂度压缩感知图像编码方法，其包括步骤：(1)将输入图像划分为若干互不重叠的图像块；(2)利用像素八连通区域内最大梯度度量输入图像中各像素的纹理变化程度，生成纹理特征图；(3)利用纹理特征图计算各块纹理对比度，并以此为依据自适应设定各块测量率，并根据各块测量率构造块测量矩阵，逐块进行压缩感知测量；(4)以块纹理对比度加权图像重建模型的目的函数，建立自适应全局重建模型，集中优化富含纹理区域，生成最终的重建图像，本发明可有效改善图像主客观重建质量，其整体性能与现有技术相比，获得了较大的率失真性能改善。

主权项

1.一种自适应纹理对比度的低复杂度压缩感知图像编码方法，其特征在于该方法包括：块纹理对比度计算、自适应测量与自适应重建；块纹理对比度计算包括，利用像素八连通区域内最大梯度度量各像素的纹理变化程度，即v(x_r，c)＝max{|x_r，c‑x_p，q||r‑1≤p≤r+1，c‑1≤q≤c+1}式中x_r，c为像素位置(r，c)处的亮度值，x_p，q为x_r，c的八邻接像素亮度值，|·|为绝对值符号，对于全采样图像x，其任一像素的纹理变化程度均可由上式计算，由此可得，x的纹理特征度分布v如下：为了便于进一步处理，对v规范化，设定阈值α对v作硬阈值处理，生成纹理特征图v_α 如下：式中α在0到1之间取值，利用v_α 可计算各块的纹理特征能量如下：式中Λ (x_i)代表块x_i的像素位置集合，将图像x分成n个尺寸为B×B的块，其中B取8，第i个图像块记为列向量形式xi，i＝1，2，...，n，n＝N/B2，B为块尺寸，取值为8，利用各块纹理特征能量占总能量的比例，计算块纹理对比度如下：自适应测量包括，提前预设图像总测量率S，确定总测量次数M为M＝N·S其中N为图像总像素数，接着，利用块纹理对比度w_i计算各块测量次数如下：M_i＝round[w_i·(M‑nM₀)+M₀]式中M₀是防止块测量率过小而预设的初始测量次数，取值为round(0.3M/n)，round[·]为四舍五入算子，生成相应的随机测量矩阵Φ_Bi，最后，计算长度为M_i的各块测量向量y_i如下：y_i＝Φ_Bix_i最后，将n个块测量向量y_i传输至解码端；自适应重建包括，解码端接收到各块测量向量y_i后，将所有块测量向量按列排列如下：令并引入初等矩阵I将分块排列的各块列向量重新排序为整幅图像列向量如下：则可得y＝Φ·I·x＝Θ·x构成全局重建模型如下：式中Ψ为整幅图像x的变换矩阵，推导出块纹理对比度估计值如下：利用块纹理对比度估计值加权全局重建模型的首项如下：构造对角矩阵W如下：式中diag(·)为对角矩阵生成算子，全局重建模型等价变形为令Ω＝WΘ，进一步整理得可看到自适应块纹理对比度加权重建模型是l₂‑l₁范数最小化模型，其中正则化参数λ取0.3，图像变换矩阵Ψ采用滤波器长度为4的Daubechies正交小波，采用梯度投影方法求解全局重建模型，获得最终的重建图像