CN105306936A - 一种基于块压缩感知的图像编码方法 - Google Patents
一种基于块压缩感知的图像编码方法 Download PDFInfo
- Publication number
- CN105306936A CN105306936A CN201510423810.2A CN201510423810A CN105306936A CN 105306936 A CN105306936 A CN 105306936A CN 201510423810 A CN201510423810 A CN 201510423810A CN 105306936 A CN105306936 A CN 105306936A
- Authority
- CN
- China
- Prior art keywords
- image
- matrix
- block
- quantization
- coding method
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Granted
Links
- 238000000034 method Methods 0.000 title claims abstract description 26
- 239000011159 matrix material Substances 0.000 claims abstract description 45
- 238000005259 measurement Methods 0.000 claims abstract description 36
- 238000013139 quantization Methods 0.000 claims description 29
- 239000013598 vector Substances 0.000 claims description 24
- 230000009466 transformation Effects 0.000 claims description 4
- 230000000295 complement effect Effects 0.000 claims description 3
- 230000008602 contraction Effects 0.000 claims description 3
- 238000001914 filtration Methods 0.000 claims description 3
- 230000006835 compression Effects 0.000 abstract description 7
- 238000007906 compression Methods 0.000 abstract description 7
- 238000005070 sampling Methods 0.000 description 7
- 238000010586 diagram Methods 0.000 description 4
- 238000010276 construction Methods 0.000 description 3
- 238000013461 design Methods 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 230000009977 dual effect Effects 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 238000009499 grossing Methods 0.000 description 1
- 239000004973 liquid crystal related substance Substances 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000008447 perception Effects 0.000 description 1
- 229920000642 polymer Polymers 0.000 description 1
- 238000004088 simulation Methods 0.000 description 1
- 238000012360 testing method Methods 0.000 description 1
Landscapes
- Compression Or Coding Systems Of Tv Signals (AREA)
- Compression Of Band Width Or Redundancy In Fax (AREA)
Abstract
本发明涉及一种基于块压缩感知的图像编码方法，首先根据图像块尺寸和测量数设计测量矩阵；然后设计量化位数，得到图像块测量值的量化位数矩阵；接着利用测量矩阵与量化位数，对图像进行编码得到比特流；最后将比特流解码，得到重构图像。本发明能够兼顾编码的质量、速度及实用化，进一步提高图像的压缩率、简化编码过程，改善了重构性能。
Description
技术领域
本发明涉及数字图像、数字视频压缩编码的技术领域，特别是一种基于块压缩感知的图像编码方法。
背景技术
由于传统图像编码需要全采样再压缩，编码端所需存储空间大，且复杂性高，诱发了压缩感知理论的提出和发展，它可以从低于奈奎斯特率的线性投影中精确恢复原始信号。作为二维图像的应用，块压缩感知（BCS）可以大大减轻采样负担，但也面临着随机采样操作需要巨大的存储空间和重构过程消耗庞大计算量的挑战。
由于基于平滑兰德韦伯投影（SPL）算法能够快速实现压缩感知重构，同时通过施加平滑消除块效应，达到提高重构图像质量的目的。然而，通过BCS-SPL的重构图像质量远不及我们的需要。目前，许多研究者开发了关于BCS-SPL的改进算法用于提高图像重构质量，如将BCS-SPL扩展到更多方向域，使用多假设预测，及其多尺度变型，甚至加入标量量化和脉码调制等。提高图像重构质量的另一种方法是设计一个更好的测量矩阵。例如，优化投影(OP)，基于学习的对偶的KSVD，基于回归模型的BCS测量矩阵。然而通过字典训练的测量矩阵的构造耗时长，基于回归模型的测量矩阵生成器构造复杂，且随机性强，不易于实用化。
发明内容
有鉴于此，本发明的目的是提出一种基于块压缩感知的图像编码方法，兼顾编码的质量、速度及实用化，进一步提高图像的压缩率、简化编码过程，改善了重构性能。
本发明采用以下方案实现：一种基于块压缩感知的图像编码方法，具体包括以下步骤：
步骤S1：根据图像块尺寸和测量数设计测量矩阵；
步骤S2：设计量化位数，得到图像块测量值的量化位数矩阵；
步骤S3：利用步骤S1的测量矩阵与步骤S2的量化位数，对图像进行编码得到比特流；
步骤S4：将步骤S3得到比特流解码，得到重构图像。
进一步的，所述步骤S1具体包括以下步骤：
步骤S11：根据图像块的尺寸生成的DCT矩阵，其中；
步骤S12：根据Z字形顺序将所述DCT矩阵的行向量重新排序得到排序矩阵；
步骤S13：根据给定的测量数m，截取排序矩阵的前m行，得到测量矩阵A。
进一步的，所述步骤S2具体包括以下步骤：
步骤S21：根据自然图像的DCT系数的能量分布特点，构造从低频向高频呈递增趋势的量化表；
步骤S22：将所述量化表中的元素均替换为以2为底的对数值，并求其与原始系数位数的补，得到图像块测量值的量化位数矩阵。
进一步的，所述步骤S3具体包括以下步骤：
步骤S31：将图像块扫描为的图像块矢量；
步骤S32：将已构造的的测量矩阵乘以图像块矢量得到的测量值矢量；
步骤S33：按照步骤S2设计的量化位数，从测量值矢量中取出相应的位数串接而成比特流。
进一步的，所述步骤S4具体包括以下步骤：
步骤S41：对步骤S3得到的比特流进行反量化，得到近似的测量值矢量；
步骤S42：将各块的测量值矢量组合成测量值矩阵；
步骤S43：利用SPL重构算法生成重构图像。
进一步的，所述步骤S43具体包括以下步骤：
步骤S431：初始化变量k=0，重构初始解，其中A为测量矩阵，Y为测量值矩阵；
步骤S432：依次进行像素域维纳滤波、第一次兰德韦伯投影、变换域的硬阈值收缩、反变换到像素域、第二次兰德韦伯投影操作；
步骤S433：判断输出结果误差是否在设定范围内，若是，则输出结果；否则令变量，并返回步骤S432。
与现有技术相比，本发明将传统图像编码中的变换、量化和扫描融合为一个压缩采样步骤，提出Z字形离散余弦变换矩阵的构造方法，及相应的编解码方案，采用本发明的方法处理图像，所需的数据量少，重构质量高，重构速度快。
附图说明
图1为本发明的方法流程示意图。
图2为本发明实施例的数据块。
图3为本发明实施例的DCT变换系数。
图4为本发明实施例中Z字形扫描示意图。
图5为本发明实施例的量化表。
图6为本发明实施例的量化位数矩阵。
图7为本发明实施例的矢量化扫描示意图。
图8为本发明实施例的图像块矢量。
图9为本发明实施例的SPL重构算法流程示意图。
图10（a）为本发明实施例中Lena512.bmp图像的重构性能中峰值信噪比示意图。
图10（b）为本发明实施例中Lena512.bmp图像的重构性能中重构时间示意图。
图11（a）为本发明实施例中Barbara512.bmp图像的重构性能中峰值信噪比示意图。
图11（b）为本发明实施例中Barbara512.bmp图像的重构性能中重构时间示意图。
具体实施方式
下面结合附图及实施例对本发明做进一步说明。
如图1所示，本实施例提供了一种基于块压缩感知的图像编码方法，具体包括以下步骤：
步骤S1：根据图像块尺寸和测量数设计测量矩阵；
步骤S2：设计量化位数，得到图像块测量值的量化位数矩阵；
步骤S3：利用步骤S1的测量矩阵与步骤S2的量化位数，对图像进行编码得到比特流；
步骤S4：将步骤S3得到比特流解码，得到重构图像。
在本实施例中，图像的分块大小为，如图2所示，每个像素及DCT系数（如图3所示）的位数为8位。
在本实施例中，所述步骤S1具体包括以下步骤：
步骤S11：根据图像块的尺寸（）生成（）的DCT矩阵，其中；
步骤S12：根据Z字形顺序（如图4所示）将所述DCT矩阵的行向量重新排序得到排序矩阵；
步骤S13：根据给定的测量数m，截取排序矩阵的前m行，得到测量矩阵A；其中对应的测量值矢量为，对应的测量值矢量为。
较佳地，，，，；
其中，。
在本实施例中，所述步骤S2具体包括以下步骤：
步骤S21：根据自然图像的DCT系数的能量分布特点，构造从低频向高频呈递增趋势的量化表，如图5所示；
步骤S22：将所述量化表中的元素均替换为以2为底的对数值，并求其与原始系数位数的补，得到图像块测量值的量化位数矩阵，如图6所示。
在本实施例中，所述步骤S3具体包括以下步骤：
步骤S31：将图像块扫描为的图像块矢量，如图7以及图8所示；
步骤S32：将已构造的的测量矩阵乘以图像块矢量得到的测量值矢量，的表达式见上文；
步骤S33：按照步骤S2设计的量化位数，从测量值矢量中取出相应的位数串接而成比特流。
在本实施例中，所述步骤S4具体包括以下步骤：
步骤S41：对步骤S3得到的比特流进行反量化，即每个截取的测量值矢量乘以量化系数得到近似的测量值矢量；
步骤S42：将各块的测量值矢量组合成测量值矩阵；
步骤S43：利用SPL重构算法生成重构图像。
在本实施例中，如图9所示，所述步骤S43具体包括以下步骤：
步骤S431：初始化变量k=0，重构初始解，其中A为测量矩阵，Y为测量值矩阵；
步骤S432：依次进行像素域维纳滤波、第一次兰德韦伯投影、变换域的硬阈值收缩、反变换到像素域、第二次兰德韦伯投影操作；
步骤S433：判断输出结果误差是否在设定范围内，若是，则输出结果；否则令变量，并返回步骤S432。
较佳地，利用本发明的基于块压缩感知的图像编码方法（BDCTZ-SPL）和随机采样的块压缩感知方法（BCS-SPL），通过Matlab工具分别对512×512的经典图像Lena和Barbara进行仿真测试，图像块尺寸取8×8，实验平台是配置为Intel(R)Core(TM)i5-2520MCPU,主频2.50Ghz，内存3.05G的联想笔记本。在低采样率时，重构的峰值信噪比（PSNR）和重构时间曲线如图10（a）、10（b）、11（a）、11（b）所示。实验结果表明，本发明的方法重构的PSNR比BCS-SPL约高出5—8dB，重构时间更短。
该方法可以直接应用于块压缩感知中，也可以嵌入到现有的JPEG编解码模块中，从而简化压缩采样过程，并提高重构质量。
以上所述仅为本发明的较佳实施例，凡依本发明申请专利范围所做的均等变化与修饰，皆应属本发明的涵盖范围。
Claims (6)
1.一种基于块压缩感知的图像编码方法，其特征在于包括以下步骤：
步骤S1：根据图像块尺寸和测量数设计测量矩阵；
步骤S2：设计量化位数，得到图像块测量值的量化位数矩阵；
步骤S3：利用步骤S1的测量矩阵与步骤S2的量化位数，对图像进行编码得到比特流；
步骤S4：将步骤S3得到的比特流解码，得到重构图像。
2.根据权利要求1所述的一种基于块压缩感知的图像编码方法，其特征在于：所述步骤S1具体包括以下步骤：
步骤S11：根据图像块的尺寸生成的DCT矩阵，其中；
步骤S12：根据Z字形顺序将所述DCT矩阵的行向量重新排序得到排序矩阵；
步骤S13：根据给定的测量数m，截取排序矩阵的前m行，得到测量矩阵A。
3.根据权利要求1所述的一种基于块压缩感知的图像编码方法，其特征在于：所述步骤S2具体包括以下步骤：
步骤S21：根据自然图像的DCT系数的能量分布特点，构造从低频向高频呈递增趋势的量化表；
步骤S22：将所述量化表中的元素均替换为以2为底的对数值，并求其与原始系数位数的补，得到图像块测量值的量化位数矩阵。
4.根据权利要求1所述的一种基于块压缩感知的图像编码方法，其特征在于：所述步骤S3具体包括以下步骤：
步骤S31：将图像块扫描为的图像块矢量；
步骤S32：将已构造的的测量矩阵乘以图像块矢量得到的测量值矢量；
步骤S33：按照步骤S2设计的量化位数，从测量值矢量中取出相应的位数串接而成比特流。
5.根据权利要求1所述的一种基于块压缩感知的图像编码方法，其特征在于：所述步骤S4具体包括以下步骤：
步骤S41：对步骤S3得到的比特流进行反量化，得到近似的测量值矢量；
步骤S42：将各块的测量值矢量组合成测量值矩阵；
步骤S43：利用SPL重构算法生成重构图像。
6.根据权利要求5所述的一种基于块压缩感知的图像编码方法，其特征在于：所述步骤S43具体包括以下步骤：
步骤S431：初始化变量k=0，重构初始解，其中A为测量矩阵，Y为测量值矩阵；
步骤S432：依次进行像素域维纳滤波、第一次兰德韦伯投影、变换域的硬阈值收缩、反变换到像素域、第二次兰德韦伯投影操作；
步骤S433：判断输出结果误差是否在设定范围内，若是，则输出结果；否则令变量，并返回步骤S432。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201510423810.2A CN105306936B (zh) | 2015-07-17 | 2015-07-17 | 一种基于块压缩感知的图像编码方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201510423810.2A CN105306936B (zh) | 2015-07-17 | 2015-07-17 | 一种基于块压缩感知的图像编码方法 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN105306936A true CN105306936A (zh) | 2016-02-03 |
| CN105306936B CN105306936B (zh) | 2018-06-15 |
Family
ID=55203613
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201510423810.2A Active CN105306936B (zh) | 2015-07-17 | 2015-07-17 | 一种基于块压缩感知的图像编码方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN105306936B (zh) |
Cited By (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN107690070A (zh) * | 2017-08-23 | 2018-02-13 | 南通河海大学海洋与近海工程研究院 | 基于无反馈码率控制的分布式视频压缩感知系统及方法 |
| CN108093266A (zh) * | 2017-12-14 | 2018-05-29 | 中南民族大学 | 利用组归一化稀疏表示的图像压缩感知重构系统及其方法 |
| CN109255770A (zh) * | 2018-07-16 | 2019-01-22 | 电子科技大学 | 一种新型图像变换域降采样方法 |
Citations (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN103338363A (zh) * | 2013-03-06 | 2013-10-02 | 西安电子科技大学 | 基于测量域块分类的视频压缩感知编码系统及方法 |
| TW201419860A (zh) * | 2012-11-01 | 2014-05-16 | Univ Nat Yunlin Sci & Tech | 小波壓縮感測影像編碼之方法 |
| CN103903286A (zh) * | 2012-12-28 | 2014-07-02 | 中国科学院沈阳自动化研究所 | 一种针对低对比度图像的分块压缩传感方法 |
| CN104104389A (zh) * | 2013-04-09 | 2014-10-15 | 华为技术有限公司 | 一种信号重建方法及设备 |
| CN104218953A (zh) * | 2013-05-30 | 2014-12-17 | 华为技术有限公司 | 一种信号压缩感知方法及设备 |
| CN104519368A (zh) * | 2013-09-30 | 2015-04-15 | 华为技术有限公司 | 图像编码、解码重构处理方法及装置 |
-
2015
- 2015-07-17 CN CN201510423810.2A patent/CN105306936B/zh active Active
Patent Citations (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| TW201419860A (zh) * | 2012-11-01 | 2014-05-16 | Univ Nat Yunlin Sci & Tech | 小波壓縮感測影像編碼之方法 |
| CN103903286A (zh) * | 2012-12-28 | 2014-07-02 | 中国科学院沈阳自动化研究所 | 一种针对低对比度图像的分块压缩传感方法 |
| CN103338363A (zh) * | 2013-03-06 | 2013-10-02 | 西安电子科技大学 | 基于测量域块分类的视频压缩感知编码系统及方法 |
| CN104104389A (zh) * | 2013-04-09 | 2014-10-15 | 华为技术有限公司 | 一种信号重建方法及设备 |
| CN104218953A (zh) * | 2013-05-30 | 2014-12-17 | 华为技术有限公司 | 一种信号压缩感知方法及设备 |
| CN104519368A (zh) * | 2013-09-30 | 2015-04-15 | 华为技术有限公司 | 图像编码、解码重构处理方法及装置 |
Non-Patent Citations (4)
| Title |
|---|
| 喻玲娟等: "压缩感知理论简介", 《电视技术》 * |
| 潘榕等: "基于局部DCT系数的图像压缩感知编码与重构", 《自动化学报》 * |
| 谢晓春等: "基于压缩感知理论的视频编解码器", 《电视技术》 * |
| 陈建等: "基于压缩感知的视频编码技术研究", 《福州大学学报（自然科学版）》 * |
Cited By (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN107690070A (zh) * | 2017-08-23 | 2018-02-13 | 南通河海大学海洋与近海工程研究院 | 基于无反馈码率控制的分布式视频压缩感知系统及方法 |
| CN107690070B (zh) * | 2017-08-23 | 2019-11-26 | 南通河海大学海洋与近海工程研究院 | 基于无反馈码率控制的分布式视频压缩感知系统及方法 |
| CN108093266A (zh) * | 2017-12-14 | 2018-05-29 | 中南民族大学 | 利用组归一化稀疏表示的图像压缩感知重构系统及其方法 |
| CN108093266B (zh) * | 2017-12-14 | 2019-12-06 | 中南民族大学 | 利用组归一化稀疏表示的图像压缩感知重构系统及其方法 |
| CN109255770A (zh) * | 2018-07-16 | 2019-01-22 | 电子科技大学 | 一种新型图像变换域降采样方法 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN105306936B (zh) | 2018-06-15 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| Johnston et al. | Improved lossy image compression with priming and spatially adaptive bit rates for recurrent networks | |
| Liu et al. | A comprehensive benchmark for single image compression artifact reduction | |
| Liu et al. | Data-driven soft decoding of compressed images in dual transform-pixel domain | |
| Chen et al. | Exploiting intra-slice and inter-slice redundancy for learning-based lossless volumetric image compression | |
| Chen et al. | Compressive sensing multi-layer residual coefficients for image coding | |
| KR20200089635A (ko) | 다수의 상이한 비트레이트로 영상 압축을 하기 위한 시스템들 및 방법들 | |
| CN105306936B (zh) | 一种基于块压缩感知的图像编码方法 | |
| KR20190040063A (ko) | 인덱스 코딩 및 비트 스케줄링을 갖는 양자화기 | |
| Zebang et al. | Densely connected AutoEncoders for image compression | |
| WO2019191891A1 (zh) | 用于视频处理的方法和设备 | |
| CN108200439A (zh) | 提高数字信号变换性能的方法及数字信号变换方法和装置 | |
| CN104392207A (zh) | 一种用于数字图像内容识别的特征编码方法 | |
| Chai et al. | CSENMT: A deep image compressed sensing encryption network via multi-color space and texture feature | |
| Abhayaratne et al. | Scalable watermark extraction for real-time authentication of JPEG 2000 images | |
| Du et al. | Invertible grayscale with sparsity enforcing priors | |
| CN103985100A (zh) | 一种基于自适应观测组合优化的分块压缩感知方法 | |
| Otair et al. | The effect of using minimum decreasing technique on enhancing the quality of lossy compressed images | |
| Yang et al. | Compressed dynamic mesh sequence for progressive streaming | |
| CN103678801A (zh) | 一种基于图像信息熵的自适应压缩感知采样方法 | |
| Li et al. | Learned image compression via neighborhood-based attention optimization and context modeling with multi-scale guiding | |
| CN102769751A (zh) | 基于方向块压缩传感的图像编码方法 | |
| Lang et al. | Fast 4x4 Tchebichef moment image compression | |
| Yun et al. | Design of reconfigurable array processor for multimedia application | |
| CN107689797A (zh) | 基于维数任意的分块哈达玛测量矩阵的压缩感知信号重建方法 | |
| CN116916034B (zh) | 基于safd的图像处理方法、装置、设备及存储介质 |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| C06 | Publication | ||
| PB01 | Publication | ||
| C10 | Entry into substantive examination | ||
| SE01 | Entry into force of request for substantive examination | ||
| GR01 | Patent grant |