CN103475875A - 一种基于压缩感知的图像自适应测量方法 - Google Patents

Abstract

本发明涉及一种基于压缩感知的图像自适应测量方法。本方法的操作步骤如下：(1)对输入图像建立恰可辨失真阈值模型，(2)对不同图像区域，自适应采用不同的测量数目进行测量，(3)进行分块正交匹配追踪算法重建，(4)进行反离散余弦变换，生成图像。本发明对图像压缩感知中的测量过程进行了改进，改变了原有的对图像所有的区域进行单一数目测量的方式，而是根据人眼的视觉特性采取对图像不同区域自适应测量。在保证主观质量和客观质量保持不变的情况下，提高了图像的压缩效率。

Description

一种基于压缩感知的图像自适应测量方法

技术领域

本发明涉及压缩感知的图像压缩领域，特别是一种基于压缩感知的图像自适应测量方法，适用于提高图像的压缩效率。 

背景技术

随着信息技术的飞跃发展，信息全球化已成为科技发展的必然趋势。在图像领域，人们对高清图像的要求十分迫切。一方面，为了得到高分辨率的图像，采用传统的不低于原信号带宽两倍的奈奎斯特采样定理对信号进行采样，给硬件设备都来非常大的负担。另一方面，实际应用中，为降低传输和存储成本，采用压缩形式，丢弃了大量非重要的数据信息。这种高采样率后再压缩数据，浪费了大量的采样数据。于是就引入了这样的问题：既然在压缩过程中已经丢弃了很多采样的数据，为什么不直接在采样时就直接采取少量的对我们有用的数据呢？如果能够解决这个问题，我们就能够极大的降低数据的采样频率，同时降低传输代价和数据传输空间。 

2006年，Candes，Tao，Donoho等人正式提出压缩感知(Compressed Sensing,CS)理论，为这个问题提出了一种解决方案。CS理论与传统的先采样后压缩的信号获取方式不同，它是将高维的信号投影到一个低维空间，再利用重建算法把这些投射到低维空间的信号恢复出来。由于CS理论所需要的投影测量矩阵远小于传统采样方法所需要的数据，从而降低了数据采集编码端的压力，丰富了信号采样的理论，为相关领域的研究提供了全新的研究思维和方法。 

CS理论极大的提高了对有用的数据量利用率，降低了采样数据量，所以在图像压缩中得到了广泛的应用，但是目前的基于CS的图像压缩忽略了人的主观特性。人眼对图像的不同部分的敏感程度不同，在CS中对不同部分采取不同的测量数量，能够进一步降低采样数据量，提高图像的压缩效率。 

目前对人眼的主观特性研究最具代表性的是人眼恰可辨失真(Just Noticeable Distortion,JND)模型,在图像应用领域，它主要包含部分:亮度掩盖效应，纹理掩盖效应和空间灵敏度函数效应。 

本发明专利申请首次提出将JND模型应用到基于CS图像的自适应测量的过程中，在保证主观质量和客观质量不变的情况下，进一步提高图像的压缩效率。 

发明内容              

本发明的目的是针对已有技术存在的缺陷，提供一种基于压缩感知的图像自适应测量方法，该方法运用JND模型对图像的不同区域采取不同的测量数目，对人眼不敏感的区域采用较少的测量值，对人眼敏感的区域采用较多的测量值，在保证重建图像主观质量和客观质量不变的情况下，极大提高了图像的压缩效率。

为达到上述目的，本发明采用如下的技术方案： 

一种基于压缩感知中的图像自适应测量方法，其特征在于操作步骤如下：

(1) 对输入图像建立恰可辨失真阈值模型，

(2) 对不同图像区域，自适应采用不同的测量数目进行测量，

(3) 进行分块正交匹配追踪算法(Orthogonal Matching Pursuit，OMP)重建，

(4) 进行反离散余弦变换，生成图像。

本发明的一种基于压缩感知中的图像自适应测量方法与已有技术相比较，具有如下显而易见的突出实质性特点和显著技术进步：本自适应测量方法在保证重建图像主观和客观质量不变的同时，提高了图像的压缩效率。 

附图说明

图1是本发明中的一种基于压缩感知中的图像自适应测量方法的原理框图。 

图2是图像的恰可辨失真阈值模型的框图。 

图3是自适应采用不同的测量矩阵进行测量的框图。 

图4是8×8分块的OMP算法重建框图。 

图5是8×8分块的IDCT恢复图像的框图。 

图6是固定测量数目和自适应测量数目下的图像PSNR值的结果。 

图7是固定测量数目和自适应测量数目下的图像压缩比的结果。 

图8是固定测量数目和自适应测量数目下的图像PSNR值的对比结果直方图。 

图9是固定测量数目和自适应测量数目下的图像压缩比的对比结果直方图。 

图10不同测量数目下图像重建后的效果图。 

具体实施方式：

以下结合附图对本发明的优选实施例作进一步的详细说明：

实施例一：

本实施例一种基于压缩感知中的图像自适应测量方法，参见图1，包括以下步骤：

(1) 对输入图像建立恰可辨失真阈值模型，

(2) 对不同图像区域，自适应采用不同的测量数目进行测量，

(3) 进行分块正交匹配追踪算法重建，

 (4) 进行反离散余弦变换，生成图像。

实施例二：本实施例与实施例一基本相同，特别之处如下： 

上述步骤(1)中对输入图像建立恰可辨失真阈值模型，参见图2：

（1-1）空间对比灵敏度函数模型是根据人眼的带通特性曲线，对于特定空间频率 其基本的JND阈值可表示为：

空间频率

的计算公式为：

其中，

和

表示8×8 DCT变换块的坐标位置，

和

表示水平和垂直的视角，通常认为水平视角等于垂直视角，其表达为：

由于人眼视觉敏感度对水平和垂直方向比较敏感，对其他方向的敏感度相对小些。加上方向的调制因子可得：

其中，

为8×8 DCT系数向量所代表的频率的角度，

为DCT系数归一化因子表达式为：

最后，空间灵敏度函数的调制因子表示为：

其中，

取0.6，

取1.33，取0.11，取0.18，

为3，

为0.25，

为图像高度。

（1-2）亮度掩盖效应是根据人眼对图像不同亮度区域敏感性不同而建立的模型，其表达式为： 

其中

是当前8×8分块的平均亮度值。

（1-3）纹理掩盖效应模型是根据图像纹理性的不同，将图像分为三个区域：边界区，平滑区和纹理区。人眼依次对其敏感度降低。通常利用canny算子对图像的不同区域进行分类。 

首先，canny算子求出每个8×8分块的边缘像素密度如下： 

其中，

是块的边缘像素总数，由Canny边缘检测器获得。

其次，利用边缘像素密度

判断当前8×8分块属于哪个区域：平坦区，纹理区和边缘区，区域的分类方法表示如下： 

对于纹理区域，眼睛对低频部分失真不敏感，但高频部分适当进行保留。故得到对比掩盖的估计因子为：

其中（

）是8×8分块的DCT系数标号。

由于空间对比灵敏度函数效应和亮度效应的重叠效应，得到最终掩盖效应因子为： 

其中，

为DCT系数，

为空间对比度灵敏度函数的阈值，

为亮度掩盖效应特性调制因子。

（1-4）三种因子的加权乘积即构成当前8x8分块的恰可辨失真阈值，其表达式为： 

其中，为空间对比度灵敏度函数的阈值，

为亮度掩盖效应调制因子，

为掩盖效应调制因子。

上述步骤(2) 对不同图像区域，自适应采用不同的测量数目进行测量，参见图3，其具体步骤如下： 

（2-1）分别计算整幅图像的恰可辨失真平均值

和8×8分块的恰可辨失真平均值，当

 执行步骤（2-2），否则，执行步骤（2-3），其中

和

表达式分别为：

其中分别表示图像的宽度和高度。

（2-2）对当前8×8分块使用较多测量值。 

（2-3）对当前8×8分块使用较少测量值。 

上述步骤(3) 进行分块正交匹配追踪算法重建，参见图4，其具体步骤如下： 

对每个8×8分块使用正交匹配算法进行重建。

上述步骤(4) 进行反离散余弦变换，参见图5,其具体步骤如下： 

    对每个8×8分块进行反离散余弦变换，最后还原出整幅图像。

下面进行大量仿真实验来评估本文所提出的一种基于压缩感知中的图像自适应测量方法的性能。在配置为Intel Pentium 4 CPU 3.00GHz, 512M Internal Memory, Intel 8254G Express Chipset Family, Windows XP Operation System的PC机上选取了多个纹理复杂度不同的测试图像，实验平台选用MATLAB。 

图6列出了在固定测量数目和自适应测量数目的两种情况下，各测试图像重建后的PSNR值。图7列出了测试数目不同的情况下，图像的压缩比。两图中，A表示

情况下测量矩阵的测量数目，B表示

情况下的测量矩阵的测量数目。压缩比是压缩后的数据量和原有数据量的比值。由两图对比可以看出：当固定测量数目为5行时，所有图像的压缩比是62.5%；当自适应测量时如测量数目分别为（7,4）和（6,4）时，其图像的压缩比小于62.5%。而客观质量如Snow在测量数目为5时，重建后图像PSNR为24.27，采用自适应测量的（7,4）和（6,4）两种情况下，重建后的图像PSNR为25.47和25.10，远大于固定测量数目为5的情况。其他测试的几种图像也都表明：采用自适应测量方法，压缩比减小了（压缩效率提高），但客观质量PSNR却有了显著提升。 

图8和图9给出了固定测量数目和自适应测量数目两种情况的重建图像PSNR值和压缩比的直方图。从中可以很清晰的看出，自适应测量数目（5,4）和（6，4）的恢复图像PSNR值和固定测量数目为5时的重建图像PSNR值几乎相等，但压缩比却下降多达10%。 

图10分别给了Snow和Man108两个图像，在固定测量数目和自适应测量数目两种情况下重建图像的主观效果图对比。其中（a）（b）（c）（d）分别表示固定测量数目为6，自适应测量（6,5），固定测量数目5，自适应测量（5,4）的四种情况的主观重建图像效果图。采用了自适应测量方法不仅大大提高了图像压缩效率，而且由图中可以看出，主观效果几乎一致。 

结合以上各图表可以看出，本发明通过JND模型自适应测量图像的不同区域，保持主客质量不变甚至更好的情况下，提高了图像的压缩效率。 

Claims (5)

1.一种基于压缩感知的图像自适应测量方法，其特征在于操作步骤如下：

(1) 对输入图像建立恰可辨失真阈值模型,

(2) 对不同图像区域，自适应采用不同的测量数目进行测量,

(3) 进行分块正交匹配追踪算法重建，

 (4) 进行反离散余弦变换，生成图像。

2.根据权利要求1所述的一种基于压缩感知的图像自适应测量方法，其特征在于步骤(1)对输入图像建立恰可辨失真阈值模型的操作步骤如下：

① 计算8x8 DCT变换的空间灵敏度因子 

，其公式为：

其中s为控制参数，

为8x8 DCT系数向量所代表的频率的角度，

为DCT系数归一化因子，

为空间频率，

取0.6，

取1.33，

取0.11，

取0.18；

②亮度掩盖效应

表示如下：

其中，为当前8x8分块的平均像素值；

③ 利用边缘检测器检测当前8x8分块的纹理特性，求出纹理掩盖因子

，其表达式如下：

其中，

表示在8x8分块中的横纵坐标系数，

表示对比掩盖估计因子，

为空间灵敏度因子，

为DCT变换系数；

④ 所述步骤①~③求得的三种因子的加权乘积即构成当前8x8分块的恰可辨失真阈值

。

3.根据权利要求1所述的一种基于压缩感知的图像自适应测量方法，其特征在于所述步骤(2) 对不同图像区域，自适应采用不同的测量数目进行测量的操作步骤如下：

① 分别计算整幅图像的恰可辨失真平均值

和8×8分块的恰可辨失真平均值

，当

 执行步骤②，否则，执行步骤③；

② 对当前8×8分块使用较多行测量矩阵测量；

③ 对当前8×8分块使用较少行测量矩阵测量。

4.根据权利要求1所述的一种基于压缩感知的图像自适应测量方法，其特征在于所述步骤(3) 进行分块正交匹配追踪算法重建的操作步骤如下：

对每个8×8分块分别进行正交匹配追踪算法的重建。

5.根据权利要求1所述的一种基于压缩感知的图像自适应测量方法，其特征在于所述步骤(4) 进行反离散余弦变换，生成图像的操作步骤如下：

对每个8×8分块分别进行反离散余弦变换，恢复出原图像。

Images