[发明专利]一种基于多层离散小波变换系数的图像压缩及重构方法

摘要

本发明公开了一种基于多层离散小波变换系数的图像压缩及重构方法，融合离散小波变换和压缩感知的图像压缩方案，可以很好避免采用离散余弦变换和压缩感知单独使用时所带来的块效应，但当前基于单层离散小波变换的算法压缩比较低，基于多层离散小波变换的算法重构质量欠佳。为了解决这些不足，本发明方法根据离散小波变换系数的特点，通过修改离散小波变换稀疏向量的构造，对现有基于多层离散小波变换的算法提出了改进，图像经小波变换后，保留图像最高层低频系数，高频系数的构造方式给予适当改进；选用满足约束等距性质伯努利随机矩阵构造观测矩阵。仿真实验结果表明，与现有算法相比，重构图像的PSNR值有明显提高。

主权项

1.一种基于多层离散小波变换系数的图像压缩及重构方法，其特征在于，该方法包括以下步骤：/n（1）原始图像经多层离散小波变换，保留最高层的低频系数，对绝对值小于预设阈值的系数量化为零；/n（2）构造稀疏向量；/n（3）利用伯努利随机矩阵作为测量矩阵与稀疏向量相乘得到降低维度后的稀疏向量，对数据进行压缩；/n（4）利用正交匹配追踪算法对所述降低维度后的稀疏向量进行重构，得到测量前的稀疏向量，对所述测量前的稀疏向量重新组合后经离散小波逆变换，最后得到了重构的图像；/n其中，步骤（2）中所述构造稀疏向量的步骤包括：/n1）保留图像最高层低频系数，对于高频系数，利用Kalra稀疏矩阵构造算法或Qureshi稀疏矩阵构造算法构造稀疏矩阵的列向量；/n2）将所构造的列向量分成N组，依次提取不同组相同位置的向量组成更长的新向量；/n步骤（3）中，所述伯努利随机矩阵需满足约束等距性质。/n