CN105761215A - 一种图像压缩方法、图像重构方法、装置及系统 - Google Patents
一种图像压缩方法、图像重构方法、装置及系统 Download PDFInfo
- Publication number
- CN105761215A CN105761215A CN201610057277.7A CN201610057277A CN105761215A CN 105761215 A CN105761215 A CN 105761215A CN 201610057277 A CN201610057277 A CN 201610057277A CN 105761215 A CN105761215 A CN 105761215A
- Authority
- CN
- China
- Prior art keywords
- image
- sampled images
- picture signal
- compression
- reconstruction
- 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
- 238000007906 compression Methods 0.000 title claims abstract description 156
- 230000006835 compression Effects 0.000 title claims abstract description 153
- 238000000034 method Methods 0.000 title claims abstract description 65
- 238000005516 engineering process Methods 0.000 claims description 10
- 230000011218 segmentation Effects 0.000 claims description 10
- 238000006243 chemical reaction Methods 0.000 claims description 9
- 238000003709 image segmentation Methods 0.000 claims description 6
- 230000008447 perception Effects 0.000 claims 2
- 238000005070 sampling Methods 0.000 abstract description 21
- 230000005540 biological transmission Effects 0.000 description 7
- 238000004891 communication Methods 0.000 description 7
- 238000010586 diagram Methods 0.000 description 4
- 230000003287 optical effect Effects 0.000 description 2
- 230000003068 static effect Effects 0.000 description 2
- 238000004590 computer program Methods 0.000 description 1
- 239000004973 liquid crystal related substance Substances 0.000 description 1
- 239000000463 material Substances 0.000 description 1
- 238000002844 melting Methods 0.000 description 1
- 230000008018 melting Effects 0.000 description 1
- 238000005192 partition Methods 0.000 description 1
- 238000011084 recovery Methods 0.000 description 1
- 230000008054 signal transmission Effects 0.000 description 1
- 230000036548 skin texture Effects 0.000 description 1
- 230000009466 transformation Effects 0.000 description 1
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T5/00—Image enhancement or restoration
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
- H04N19/00—Methods or arrangements for coding, decoding, compressing or decompressing digital video signals
- H04N19/60—Methods or arrangements for coding, decoding, compressing or decompressing digital video signals using transform coding
- H04N19/63—Methods or arrangements for coding, decoding, compressing or decompressing digital video signals using transform coding using sub-band based transform, e.g. wavelets
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T5/00—Image enhancement or restoration
- G06T5/50—Image enhancement or restoration using two or more images, e.g. averaging or subtraction
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/10—Segmentation; Edge detection
- G06T7/11—Region-based segmentation
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T9/00—Image coding
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
- H04N19/00—Methods or arrangements for coding, decoding, compressing or decompressing digital video signals
- H04N19/10—Methods or arrangements for coding, decoding, compressing or decompressing digital video signals using adaptive coding
- H04N19/102—Methods or arrangements for coding, decoding, compressing or decompressing digital video signals using adaptive coding characterised by the element, parameter or selection affected or controlled by the adaptive coding
- H04N19/132—Sampling, masking or truncation of coding units, e.g. adaptive resampling, frame skipping, frame interpolation or high-frequency transform coefficient masking
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
- H04N19/00—Methods or arrangements for coding, decoding, compressing or decompressing digital video signals
- H04N19/10—Methods or arrangements for coding, decoding, compressing or decompressing digital video signals using adaptive coding
- H04N19/134—Methods or arrangements for coding, decoding, compressing or decompressing digital video signals using adaptive coding characterised by the element, parameter or criterion affecting or controlling the adaptive coding
- H04N19/167—Position within a video image, e.g. region of interest [ROI]
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
- H04N19/00—Methods or arrangements for coding, decoding, compressing or decompressing digital video signals
- H04N19/10—Methods or arrangements for coding, decoding, compressing or decompressing digital video signals using adaptive coding
- H04N19/169—Methods or arrangements for coding, decoding, compressing or decompressing digital video signals using adaptive coding characterised by the coding unit, i.e. the structural portion or semantic portion of the video signal being the object or the subject of the adaptive coding
- H04N19/17—Methods or arrangements for coding, decoding, compressing or decompressing digital video signals using adaptive coding characterised by the coding unit, i.e. the structural portion or semantic portion of the video signal being the object or the subject of the adaptive coding the unit being an image region, e.g. an object
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
- H04N19/00—Methods or arrangements for coding, decoding, compressing or decompressing digital video signals
- H04N19/60—Methods or arrangements for coding, decoding, compressing or decompressing digital video signals using transform coding
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/20—Special algorithmic details
- G06T2207/20048—Transform domain processing
- G06T2207/20064—Wavelet transform [DWT]
Landscapes
- Engineering & Computer Science (AREA)
- Multimedia (AREA)
- Signal Processing (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Compression Or Coding Systems Of Tv Signals (AREA)
Abstract
本发明的实施例提供一种图像压缩方法、图像重构方法、装置及系统，涉及显示技术领域，可在保证图像重构质量的同时，提高图像信号压缩时的压缩比。该方法包括：压缩端将图像划分为目标区域和非目标区域；压缩端使用第一采样率对目标区域内的第一图像信号进行采样，得到第一采样图像；压缩端使用第二采样率对非目标区域内的第二图像信号进行采样，得到第二采样图像，其中，第二采样率小于或等于第一采样率；压缩端将第一采样图像和第二采样图像发送至重构端，以使得重构端根据第一采样图像和第二采样图像中对图像进行恢复。该方法可应用于图像压缩和图像重构过程中。
Description
技术领域
本发明涉及显示技术领域，尤其涉及一种图像压缩方法、图像重构方法、装置及系统。
背景技术
随着信息时代的到来，图像传输已成为重要的通信途径，而由于图像的数据量巨大，目前在图像传输的过程中，可基于奈奎斯特采样定理，选择合适的采样率和压缩比(压缩比为压缩前图像大小与压缩后图像大小的比值)对图像信号进行采样和压缩，并将压缩后的图像信号传输至接收端，接收端接收到压缩后的图像信号后，根据压缩后的图像信号使用图像重构方法恢复图像。
可以看出，在上述图像压缩和图像重构的过程中，为减轻传输压力，需要提高图像信号压缩时的压缩比，为了尽可能无失真地恢复图像，又需要提高图像信号采样时的采样率，而采样率的提高必然导致压缩比的降低，因此，如何在保证图像重构质量的同时，提高图像信号压缩时的压缩比成为了急需解决的问题。
发明内容
本发明的实施例提供一种图像压缩方法、图像重构方法、装置及系统，可在保证图像重构质量的同时，提高图像信号压缩时的压缩比。
为达到上述目的，本发明的实施例采用如下技术方案：
一方面，本发明的实施例提供一种图像压缩方法，包括：压缩端将图像划分为目标区域和非目标区域；所述压缩端使用第一采样率对所述目标区域内的第一图像信号进行采样，得到第一采样图像；所述压缩端使用第二采样率对所述非目标区域内的第二图像信号进行采样，得到第二采样图像，其中，所述第二采样率小于或等于所述第一采样率；所述压缩端将所述第一采样图像和所述第二采样图像发送至重构端，以使得所述重构端根据所述第一采样图像和所述第二采样图像中对所述图像进行恢复。
进一步地，在压缩端将图像划分为目标区域和非目标区域之后，还包括：所述压缩端对所述第一图像信号和所述第二图像信号进行稀疏度变换，以增加所述第一图像信号和所述第二图像信号的稀疏度。
进一步地，所述压缩端使用第一采样率对所述目标区域内的第一图像信号进行采样，得到第一采样图像，包括：所述压缩端使用所述第一采样率，对所述目标区域内的第一图像信号进行CS压缩，得到所述第一采样图像；所述压缩端使用第二采样率对所述非目标区域内的第二图像信号进行采样，得到第二采样图像，包括：所述压缩端使用所述第二采样率，对所述非目标区域内的第二图像信号进行CS压缩，得到所述第二采样图像。
进一步地，所述压缩端对所述第一图像信号和所述第二图像信号进行稀疏度变换，包括：所述压缩端对所述第一图像信号和所述第二图像信号进行离散小波变换；所述压缩端将离散小波变换后，将幅值小于阈值的第一图像信号和第二图像信号置0。
进一步地，压缩端将图像划分为目标区域和非目标区域，包括：所述压缩端通过图像分割技术将所述图像划分为目标区域和非目标区域。
另一方面，本发明的实施例提供一种图像重构方法，包括：重构端接收压缩端发送的第一采样图像和第二采样图像；所述重构端使用重构算法将所述第一采样图像恢复为第一图像，并将所述第二采样图像恢复为第二图像；所述重构端将所述第一图像和所述第二图像进行融合，以恢复压缩前的图像。
进一步地，所述重构端使用重构算法将所述第一采样图像恢复为第一图像，并将所述第二采样图像恢复为第二图像，包括：所述重构端使用正交匹配追踪算法，将所述第一采样图像恢复为第一图像；所述重构端使用分段正交匹配追踪算法，将所述第二采样图像恢复为第二图像。
进一步地，在所述重构端使用第一重构算法将所述第一采样图像恢复为第一图像，并使用第二重构算法将所述第二采样图像恢复为第二图像之前，还包括：所述重构端将所述第二采样图像内的第二图像信号的幅值置0，以增加所述第一采样图像和所述第二采样图像的稀疏度。
另一方面，本发明的实施例提供一种压缩端，包括：划分单元，用于将图像划分为目标区域和非目标区域；压缩单元，用于使用第一采样率对所述目标区域内的第一图像信号进行采样，得到第一采样图像；以及，使用第二采样率对所述非目标区域内的第二图像信号进行采样，得到第二采样图像，其中，所述第二采样率小于或等于所述第一采样率；发送单元，用于将所述第一采样图像和所述第二采样图像发送至重构端，以使得所述重构端根据所述第一采样图像和所述第二采样图像中对所述图像进行恢复。
进一步地，所述压缩端还包括：变换单元，用于对所述第一图像信号和所述第二图像信号进行稀疏度变换，以增加所述第一图像信号和所述第二图像信号的稀疏度。
进一步地，所述压缩单元，具体用于使用所述第一采样率，对所述目标区域内的第一图像信号进行CS压缩，得到所述第一采样图像；使用所述第二采样率，对所述非目标区域内的第二图像信号进行CS压缩，得到所述第二采样图像。
进一步地，所述变换单元，具体用于对所述第一图像信号和所述第二图像信号进行离散小波变换；将幅值小于阈值的第一图像信号和第二图像信号置0。
进一步地，所述划分单元，具体用于通过图像分割技术将所述图像划分为目标区域和非目标区域。
另一方面，本发明的实施例提供一种重构端，包括：接收单元，用于接收压缩端发送的第一采样图像和第二采样图像；重构单元，用于使用重构算法将所述第一采样图像恢复为第一图像，并将所述第二采样图像恢复为第二图像；融合单元，用于将所述第一图像和所述第二图像进行融合，以恢复压缩前的图像。
进一步地，所述重构单元，具体用于使用正交匹配追踪算法，将所述第一采样图像恢复为第一图像；使用分段正交匹配追踪算法，将所述第二采样图像恢复为第二图像。
进一步地，所述重构端还包括：变换单元，用于将所述第二采样图像内的第二图像信号的幅值置0，以增加所述第一采样图像和所述第二采样图像的稀疏度。
另一方面，本发明的实施例提供一种图像压缩和图像重构系统，包括上述任一项压缩端以及上述任一项重构端。
本发明的实施例提供一种图像压缩方法、图像重构方法、装置及系统，首先，压缩端将图像划分为目标区域和非目标区域；进而使用采样率较大的第一采样率，对目标区域内的第一图像信号进行采样，得到第一采样图像；并使用采样率较小的第二采样率对非目标区域内的第二图像信号进行采样，得到第二采样图像；从而保证非目标区域内进行图像压缩的压缩比增加，同时由于目标区域内进行采样的采样率较高，从而使得在重构图像时能够尽可能的保真恢复出目标区域的图像，这样，当目标区域内的图像为重要内容时，通过上述方法，可以既保证在图像重构时重要内容的重构质量，又可以提高在图像压缩时的压缩比，以减轻传输压力。
附图说明
图1为本发明实施例提供的一种图像压缩方法的流程示意图一；
图2为本发明实施例提供的一种图像压缩方法的流程示意图二；
图3为本发明实施例提供的一种图像重构方法的流程示意图一；
图4为使用本发明实施例提供的图像重构方法得到的图像；
图5为使用现有技术中提供的图像重构方法得到的图像；
图6为本发明实施例提供的一种图像重构方法的流程示意图二；
图7为本发明实施例提供的一种压缩端的结构示意图一；
图8为本发明实施例提供的一种压缩端的结构示意图二；
图9为本发明实施例提供的一种重构端的结构示意图一；
图10为本发明实施例提供的一种重构端的结构示意图二；
图11为本发明实施例提供的计算机设备示意图；
图12为本发明实施例提供的一种图像压缩和图像重构系统的架构示意图。
具体实施方式
下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。
另外，术语“第一”、“第二”仅用于描述目的，而不能理解为指示或暗示相对重要性或者隐含指明所指示的技术特征的数量。由此，限定有“第一”、“第二”的特征可以明示或者隐含地包括一个或者更多个该特征。在本发明的描述中，除非另有说明，“多个”的含义是两个或两个以上。
为方便阐述本发明实施例提供的图像压缩方法和图像重构方法，首先解释本发明实施例中涉及到的几个概念。
图像分割，是指把图像分成若干个特定的、具有独特性质的区域并提出感兴趣目标的技术和过程。目前图像分割方法主要分以下几类：基于阈值的分割方法、基于区域的分割方法、基于边缘的分割方法以及基于特定理论的分割方法等。
由于在一幅图像中，不同区域引起图像使用者的视觉注意的程度也是不同的，或者说，图像的使用者往往只是对图像的某一部分感兴趣，例如照片中的人物。因此，经过图像分割后，可以将图像划分为目标区域和非目标区域，其中，目标区域为图像中比较重要的部分。
压缩感知(Compressedsensing，CS)，也被称为压缩采样(Compressivesampling)，稀疏采样(Sparsesampling)，或压缩传感。是一种新的采样理论，它通过开发信号的稀疏特性，可在远小于Nyquist(奈奎斯特)的采样率的条件下，用随机采样获取信号的离散样本，得到采样图像，然后通过非线性重构算法，对采样后的采样图像进行重构。
稀疏度(sparsity)，是指不包含数据的多维结构的单元的相对百分比，可以用图像信号中幅值为非零元素的个数来表征。
实施例1
本发明的实施例提供一种图像压缩方法，如图1所示，包括：
101、压缩端将图像划分为目标区域和非目标区域。
102、压缩端使用第一采样率对目标区域内的第一图像信号进行采样，得到第一采样图像。
103、压缩端使用第二采样率对非目标区域内的第二图像信号进行采样，得到第二采样图像，其中，第二采样率小于或等于第一采样率。
104、压缩端将第一采样图像和第二采样图像发送至重构端，以使得重构端根据第一采样图像和第二采样图像中对该图像进行恢复。
在步骤101中，压缩端可以基于图像分割技术，例如，通过基于边缘的分割方法，将图像划分为目标区域和非目标区域，其中，目标区域为该图像中比较重要的部分。
当然，压缩端也可以根据预先存储的分割规则，将图像划分为目标区域和非目标区域。例如，预先存储的分割规则为：将图像中的人脸作为目标区域，而将图像中的其他区域作为非目标区域。本领域技术人员可以根据实际经验对分割规则进行设置，本发明实施例对此不做限定。
在步骤102，压缩端使用第一采样率对目标区域内的第一图像信号进行采样，得到第一采样图像。而在步骤103中，压缩端使用第二采样率对非目标区域内的第二图像信号进行采样，得到第二采样图像，不同的是，该第二采样率小于或等于第一采样率。
也就是说，由于目标区域内的图像为整个图像中比较重要的部分，也是图像使用者比较关注的部分，因此，为了使后续重构端能够真实的还原出目标区域内的图像，可以使用采样率较高的第一采样率对目标区域内的第一图像信号进行采样，得到第一采样图像。
相应的，为了提高在图像压缩时的压缩比，以减轻图像传输过程中的开销，对于非目标区域内的第二图像信号，可以使用采样率较低的第二采样率，对该第二图像信号进行采样，得到第二采样图像，这样一来，即可以保证图像使用者获得保真度较高的目标区域内的图像，又可以提高整个图像传输过程中的压缩比。
具体的，压缩端在执行步骤102和103时，可以沿用奈奎斯特采样定理分别对第一图像信号和第二图像信号进行采样，进而通过离散余弦变换和量化过程得到压缩后的第一采样图像和第二采样图像。
又或者，在本发明实施例中，还可以基于上述压缩感知技术，使用该第一采样率对目标区域内的第一图像信号进行CS压缩，得到所述第一采样图像；并且，使用该第二采样率对非目标区域内的第二图像信号进行CS压缩，得到所述第二采样图像。
进一步地，在进行CS压缩时，当图像信号的稀疏度越大时，压缩效果越好，因此，在进行CS压缩之前，压缩端还可以对第一图像信号和第二图像信号进行稀疏度变换，以增加第一图像信号和第二图像信号的稀疏度。
示例性的，如图2所示，为压缩端进行图像压缩的流程示意图，压缩端将图像划分为目标区域和非目标区域之后，对目标区域内的第一图像信号和非目标区域内的第二图像信号进行离散小波变换，经过离散小波变换后，选择合适的阈值对第一图像信号和第二图像信号进行过滤，即将幅值小于该阈值的第一图像信号和第二图像信号置0，从而增加第一图像信号和第二图像信号的稀疏度。进而，使用第一采样率对目标区域内的第一图像信号进行CS压缩，得到所述第一采样图像；并且，使用该第二采样率对非目标区域内的第二图像信号进行CS压缩，得到所述第二采样图像，最终完成图像压缩过程。
另外，经过稀疏度变换的第一图像信号和第二图像信号中可能同时存在高频信号和低频信号，而高频信号通常是图像中的一些细节刻画，例如图案的肌理纹路，此时，当第二图像信号中出现高频信号时，为保证图像重构的质量，可以对第二图像信号中的高频信号也使用较高的采样率(例如，第一采样率)进行采样。
进一步地，在步骤104中，压缩端将步骤102和103中得到的第一采样图像和第二采样图像发送至重构端，以使得重构端根据第一采样图像和第二采样图像对步骤101中的图像进行恢复(即图像重构过程)，其中，重构端进行图像重构的方法可参见下述实施例2，故此处再赘述。
至此，本发明的实施例提供一种图像压缩方法，首先，压缩端将图像划分为目标区域和非目标区域；进而使用采样率较大的第一采样率，对目标区域内的第一图像信号进行采样，得到第一采样图像；并使用采样率较小的第二采样率对非目标区域内的第二图像信号进行采样，得到第二采样图像；从而保证非目标区域内进行图像压缩的压缩比增加，同时由于目标区域内进行采样的采样率较高，从而使得在重构图像时能够尽可能的保真恢复出目标区域的图像，这样，当目标区域内的图像为重要内容时，通过上述方法，可以既保证在图像重构时重要内容的重构质量，又可以提高在图像压缩时的压缩比，以减轻传输压力。
实施例2
本发明的实施例提供一种图像重构方法，如图3所示，包括：
201、重构端接收压缩端发送的第一采样图像和第二采样图像。
202、重构端使用重构算法将第一采样图像恢复为第一图像，并将第二采样图像恢复为第二图像。
203、重构端将第一图像和第二图像进行融合，得到重构图像。
在步骤201中，重构端接收压缩端发送的第一采样图像和第二采样图像，该第一采样图像和第二采样图像可以分别为步骤102和103中压缩到得到的图像。
这里，第一采样图像和第二采样图像可以以数字信号的形式进行传输。
在步骤202中，重构端使用重构算法将第一采样图像恢复为第一图像，并将第二采样图像恢复为第二图像。
重构端进行图像重构的过程可视为图像压缩的逆过程，可选的，重构端可以采用CS重构算法(例如，正交匹配追踪算法)将第一采样图像恢复为第一图像，并使用相同的CS重构算法将第二采样图像恢复为第二图像，该第一图像与图像压缩过程中目标区域内的图像相对应，该第二图像与图像压缩过程中非目标区域内的图像相对应。
为了进一步提高重构后得到的图像质量，可以使用不同的CS重构算法，分别将第一采样图像恢复为第一图像，将第二采样图像恢复为第二图像。
示例性的，使用正交匹配追踪算法(OMP，Orthogonalmatchingpursuitalgorithm)虽然较为费时，但精确度较高，而第一采样图像对应于原图像中的目标区域，因此，重构端可以使用正交匹配追踪算法，将第一采样图像恢复为第一图像；而对于对应于原图像中的非目标区域的第二采样图像，重构端可以使用恢复时间较短的分段正交匹配追踪算法(StagewiseOMP)，将该第二采样图像恢复为第二图像。
另外，由于在进行CS重构时，当图像信号的稀疏度越大时，重构效果越好，因此，在进行CS重构之前，重构端还可以将第二采样图像内的第二图像信号的幅值置0，即对非目标区域所对应的第二图像信号的幅值置0，以增加第一采样图像和第二采样图像的稀疏度。
以与目标区域对应的第一图像为例，图4为使用本发明实施例提供图像重构方法得到的第一图像，图5为使用现有技术中的图像重构方法得到的第一图像，可以看出，使用本发明实施例提供图像重构方法回复出的图像质量更优。
最终，在步骤203中，基于图像融(ImageFusion)合技术，重构端将第一图像和第二图像进行融合，得到重构图像，以完成对压缩前的图像进行恢复。
示例性的，如图6所示，为重构端进行图像重构的流程示意图，其中，重构端接收到压缩端发送的第一采样图像和第二采样图像后，分别对第一采样图像和第二采样图像进行CS重构，具体的，重构端可以使用正交匹配追踪算法恢复第一采样图像，并使用分段正交匹配追踪算法恢复第二采样图像，并且，通过稀疏度变换的逆变换，最终得到图像重构后的第一图像和第二图像，后续通过图像融合将第一图像和第二图像进行融合，以使得融合后得到的重构图像能尽可能的还原出实施例1中压缩前的图像。
至此，本发明的实施例提供一种图像重构方法，重构端接收到压缩端发送的第一采样图像和第二采样图像之后，使用CS重构算法将第一采样图像恢复为第一图像，并将第二采样图像恢复为第二图像，该第一图像与图像压缩时目标区域的图像对应，该第二图像与图像压缩时非目标区域的图像对应，最终，重构端将第一图像和第二图像进行融合，恢复出压缩前的图像。可以看出，由于图像压缩时对目标区域和非目标区域使用不同的压缩策略，以使得在重构图像时能够尽可能的保真恢复出目标区域的第一图像，这样，当目标区域内的图像为重要内容时，通过上述方法，可以既保证在图像重构时重要内容的重构质量，又可以提高在图像压缩时的压缩比，以减轻传输压力。
实施例3
本发明的实施例提供一种压缩端，如图7所示，包括：
划分单元11，用于将图像划分为目标区域和非目标区域；
压缩单元12，用于使用第一采样率对所述目标区域内的第一图像信号进行采样，得到第一采样图像；以及，使用第二采样率对所述非目标区域内的第二图像信号进行采样，得到第二采样图像，其中，所述第二采样率小于或等于所述第一采样率；
发送单元13，用于将所述第一采样图像和所述第二采样图像发送至重构端，以使得所述重构端根据所述第一采样图像和所述第二采样图像中对所述图像进行恢复。
进一步地，如图8所示，所述压缩端还包括：变换单元14，用于对所述第一图像信号和所述第二图像信号进行稀疏度变换，以增加所述第一图像信号和所述第二图像信号的稀疏度。
进一步地，所述压缩单元12，具体用于使用所述第一采样率，对所述目标区域内的第一图像信号进行CS压缩，得到所述第一采样图像；使用所述第二采样率，对所述非目标区域内的第二图像信号进行CS压缩，得到所述第二采样图像。
进一步地，所述变换单元14，具体用于对所述第一图像信号和所述第二图像信号进行离散小波变换；将离散小波变换后，将幅值小于阈值的第一图像信号和第二图像信号置0。
进一步地，所述划分单元11，具体用于通过图像分割技术将所述图像划分为目标区域和非目标区域。
本发明的实施例提供一种重构端，如图9所示，包括：
接收单元21，用于接收压缩端发送的第一采样图像和第二采样图像；
重构单元22，用于使用重构算法将所述第一采样图像恢复为第一图像，并将所述第二采样图像恢复为第二图像；
融合单元23，用于将所述第一图像和所述第二图像进行融合，以恢复压缩前的图像。
进一步地，所述重构单元22，具体用于使用正交匹配追踪算法，将所述第一采样图像恢复为第一图像；使用分段正交匹配追踪算法，将所述第二采样图像恢复为第二图像。
进一步地，如图10所示，所述重构端还包括：变换单元24，用于将所述第二采样图像内的第二图像信号的幅值置0，以增加所述第一采样图像和所述第二采样图像的稀疏度。
另外，如图11所示，图7-图10中的压缩端或重构端可以以图11中的计算机设备(或系统)的方式来实现。
图11所示为本发明实施例提供的计算机设备示意图。计算机设备100包括至少一个处理器31，通信总线32，存储器33以及至少一个通信接口34。
处理器31可以是一个通用中央处理器(CPU)，微处理器，特定应用集成电路(application-specificintegratedcircuit，ASIC)，或一个或多个用于控制本发明方案程序执行的集成电路。
通信总线32可包括一通路，在上述组件之间传送信息。所述通信接口34，使用任何收发器一类的装置，用于与其他设备或通信网络通信，如以太网，无线接入网(RAN)，无线局域网(WirelessLocalAreaNetworks，WLAN)等。
存储器33可以是只读存储器(read-onlymemory，ROM)或可存储静态信息和指令的其他类型的静态存储设备，随机存取存储器(randomaccessmemory，RAM)或者可存储信息和指令的其他类型的动态存储设备，也可以是电可擦可编程只读存储器(ElectricallyErasableProgrammableRead-OnlyMemory，EEPROM)、只读光盘(CompactDiscRead-OnlyMemory，CD-ROM)或其他光盘存储、光碟存储(包括压缩光碟、激光碟、光碟、数字通用光碟、蓝光光碟等)、磁盘存储介质或者其他磁存储设备、或者能够用于携带或存储具有指令或数据结构形式的期望的程序代码并能够由计算机存取的任何其他介质，但不限于此。存储器可以是独立存在，通过总线与处理器相连接。存储器也可以和处理器集成在一起。
其中，所述存储器33用于存储执行本发明方案的应用程序代码，并由处理器31来控制执行。所述处理器31用于执行所述存储器33中存储的应用程序代码。
在具体实现中，作为一种实施例，处理器31可以包括一个或多个CPU，例如图11中的CPU0和CPU1。
在具体实现中，作为一种实施例，计算机设备100可以包括多个处理器，例如图11中的处理器31和处理器38。这些处理器中的每一个可以是一个单核(single-CPU)处理器，也可以是一个多核(multi-CPU)处理器。这里的处理器可以指一个或多个设备、电路、和/或用于处理数据(例如计算机程序指令)的处理核。
在具体实现中，作为一种实施例，计算机设备100还可以包括输出设备35和输入设备36。输出设备35和处理器31通信，可以以多种方式来显示信息。例如，输出设备35可以是液晶显示器(liquidcrystaldisplay，LCD),发光二级管(lightemittingdiode，LED)显示设备，阴极射线管(cathoderaytube，CRT)显示设备，或投影仪(projector)等。输入设备36和处理器31通信，可以以多种方式接受用户的输入。例如，输入设备36可以是鼠标、键盘、触摸屏设备或传感设备等。
上述的计算机设备100可以是一个通用计算机设备或者是一个专用计算机设备。在具体实现中，计算机设备100可以是台式机、便携式电脑、网络服务器、掌上电脑(PersonalDigitalAssistant，PDA)、移动手机、平板电脑、无线终端设备、通信设备、嵌入式设备或有图11中类似结构的设备。本发明实施例不限定计算机设备100的类型。
另外，图12为本发明实施例提供的一种图像压缩和图像重构系统的架构示意图，该系统包括压缩端01和与压缩端01可进行通信的重构端02，其中，本发明实施例提供的压缩端01进行图像压缩，以及重构端02进行图像重构的方法可参照图1-图6所示的本发明各实施例，故此处不再赘述。
至此，本发明的实施例提供一种压缩端、重构端以及图像压缩和图像重构系统，首先，压缩端将图像划分为目标区域和非目标区域；进而使用采样率较大的第一采样率，对目标区域内的第一图像信号进行采样，得到第一采样图像；并使用采样率较小的第二采样率对非目标区域内的第二图像信号进行采样，得到第二采样图像；从而保证非目标区域内进行图像压缩的压缩比增加，同时由于目标区域内进行采样的采样率较高，从而使得在重构图像时能够尽可能的保真恢复出目标区域的图像，这样，当目标区域内的图像为重要内容时，通过上述方法，可以既保证在图像重构时重要内容的重构质量，又可以提高在图像压缩时的压缩比，以减轻传输压力。
在本说明书的描述中，具体特征、结构、材料或者特点可以在任何的一个或多个实施例或示例中以合适的方式结合。
以上所述，仅为本发明的具体实施方式，但本发明的保护范围并不局限于此，任何熟悉本技术领域的技术人员在本发明揭露的技术范围内，可轻易想到变化或替换，都应涵盖在本发明的保护范围之内。因此，本发明的保护范围应以权利要求的保护范围为准。
Claims (17)
1.一种图像压缩方法，其特征在于，包括：
压缩端将图像划分为目标区域和非目标区域；
所述压缩端使用第一采样率对所述目标区域内的第一图像信号进行采样，得到第一采样图像；
所述压缩端使用第二采样率对所述非目标区域内的第二图像信号进行采样，得到第二采样图像，其中，所述第二采样率小于或等于所述第一采样率；
所述压缩端将所述第一采样图像和所述第二采样图像发送至重构端，以使得所述重构端根据所述第一采样图像和所述第二采样图像中对所述图像进行恢复。
2.根据权利要求1所述的方法，其特征在于，在压缩端将图像划分为目标区域和非目标区域之后，还包括：
所述压缩端对所述第一图像信号和所述第二图像信号进行稀疏度变换，以增加所述第一图像信号和所述第二图像信号的稀疏度。
3.根据权利要求2所述的方法，其特征在于，所述压缩端使用第一采样率对所述目标区域内的第一图像信号进行采样，得到第一采样图像，包括：
所述压缩端使用所述第一采样率，对所述目标区域内的第一图像信号进行压缩感知CS压缩，得到所述第一采样图像；
所述压缩端使用第二采样率对所述非目标区域内的第二图像信号进行采样，得到第二采样图像，包括：
所述压缩端使用所述第二采样率，对所述非目标区域内的第二图像信号进行CS压缩，得到所述第二采样图像。
4.根据权利要求2或3所述的方法，其特征在于，所述压缩端对所述第一图像信号和所述第二图像信号进行稀疏度变换，包括：
所述压缩端对所述第一图像信号和所述第二图像信号进行离散小波变换；
所述压缩端将离散小波变换后，将幅值小于阈值的第一图像信号和第二图像信号置0。
5.根据权利要求1-3中任一项所述的方法，其特征在于，压缩端将图像划分为目标区域和非目标区域，包括：
所述压缩端通过图像分割技术将所述图像划分为目标区域和非目标区域。
6.一种图像重构方法，其特征在于，包括：
重构端接收压缩端发送的第一采样图像和第二采样图像；
所述重构端使用重构算法将所述第一采样图像恢复为第一图像，并将所述第二采样图像恢复为第二图像；
所述重构端将所述第一图像和所述第二图像进行融合，得到重构图像。
7.根据权利要求6所述的方法，其特征在于，所述重构端使用重构算法将所述第一采样图像恢复为第一图像，并将所述第二采样图像恢复为第二图像，包括：
所述重构端使用正交匹配追踪算法，将所述第一采样图像恢复为第一图像；
所述重构端使用分段正交匹配追踪算法，将所述第二采样图像恢复为第二图像。
8.根据权利要求6或7所述的方法，其特征在于，在所述重构端使用第一重构算法将所述第一采样图像恢复为第一图像，并使用第二重构算法将所述第二采样图像恢复为第二图像之前，还包括：
所述重构端将所述第二采样图像内的第二图像信号的幅值置0，以增加所述第一采样图像和所述第二采样图像的稀疏度。
9.一种压缩端，其特征在于，包括：
划分单元，用于将图像划分为目标区域和非目标区域；
压缩单元，用于使用第一采样率对所述目标区域内的第一图像信号进行采样，得到第一采样图像；以及，使用第二采样率对所述非目标区域内的第二图像信号进行采样，得到第二采样图像，其中，所述第二采样率小于或等于所述第一采样率；
发送单元，用于将所述第一采样图像和所述第二采样图像发送至重构端，以使得所述重构端根据所述第一采样图像和所述第二采样图像中对所述图像进行恢复。
10.根据权利要求9所述的压缩端，其特征在于，所述压缩端还包括：
变换单元，用于对所述第一图像信号和所述第二图像信号进行稀疏度变换，以增加所述第一图像信号和所述第二图像信号的稀疏度。
11.根据权利要求10所述的压缩端，其特征在于，
所述压缩单元，具体用于使用所述第一采样率，对所述目标区域内的第一图像信号进行压缩感知CS压缩，得到所述第一采样图像；使用所述第二采样率，对所述非目标区域内的第二图像信号进行CS压缩，得到所述第二采样图像。
12.根据权利要求10或11所述的压缩端，其特征在于，
所述变换单元，具体用于对所述第一图像信号和所述第二图像信号进行离散小波变换；将幅值小于阈值的第一图像信号和第二图像信号置0。
13.根据权利要求9-11中任一项所述的压缩端，其特征在于，
所述划分单元，具体用于通过图像分割技术将所述图像划分为目标区域和非目标区域。
14.一种重构端，其特征在于，包括：
接收单元，用于接收压缩端发送的第一采样图像和第二采样图像；
重构单元，用于使用重构算法将所述第一采样图像恢复为第一图像，并将所述第二采样图像恢复为第二图像；
融合单元，用于将所述第一图像和所述第二图像进行融合，以恢复压缩前的图像。
15.根据权利要求14所述的重构端，其特征在于，
所述重构单元，具体用于使用正交匹配追踪算法，将所述第一采样图像恢复为第一图像；使用分段正交匹配追踪算法，将所述第二采样图像恢复为第二图像。
16.根据权利要求14或15所述的重构端，其特征在于，所述重构端还包括：
变换单元，用于将所述第二采样图像内的第二图像信号的幅值置0，以增加所述第一采样图像和所述第二采样图像的稀疏度。
17.一种图像压缩和图像重构系统，其特征在于，包括如权利要求9-13中任一项所述的压缩端，以及如权利要求14-16中任一项所述的重构端。
Priority Applications (3)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201610057277.7A CN105761215B (zh) | 2016-01-27 | 2016-01-27 | 一种图像压缩方法、图像重构方法、装置及系统 |
| PCT/CN2016/089727 WO2017128632A1 (zh) | 2016-01-27 | 2016-07-12 | 一种图像压缩方法、图像重构方法、装置及系统 |
| US15/512,440 US20180232858A1 (en) | 2016-01-27 | 2016-07-12 | Image compression method, image reconstruction method, image compression device, image reconstruction device, and image compression and reconstruction system |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201610057277.7A CN105761215B (zh) | 2016-01-27 | 2016-01-27 | 一种图像压缩方法、图像重构方法、装置及系统 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN105761215A true CN105761215A (zh) | 2016-07-13 |
| CN105761215B CN105761215B (zh) | 2018-11-30 |
Family
ID=56342649
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201610057277.7A Active CN105761215B (zh) | 2016-01-27 | 2016-01-27 | 一种图像压缩方法、图像重构方法、装置及系统 |
Country Status (3)
| Country | Link |
|---|---|
| US (1) | US20180232858A1 (zh) |
| CN (1) | CN105761215B (zh) |
| WO (1) | WO2017128632A1 (zh) |
Cited By (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN112379856A (zh) * | 2020-10-13 | 2021-02-19 | 北京匠数科技有限公司 | 一种显示画面重构装置及方法 |
| CN113362405A (zh) * | 2021-04-15 | 2021-09-07 | 浙江工业大学 | 一种基于StOMP压缩感知图像重构系统的构建方法 |
| CN113890953A (zh) * | 2021-09-27 | 2022-01-04 | 中国电子科技集团公司第四十一研究所 | 一种用于云化视觉检测的图像传输方法 |
Families Citing this family (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN109120931A (zh) * | 2018-09-05 | 2019-01-01 | 浙江树人学院 | 一种基于帧间相关性的流媒体视频压缩方法 |
| CN112634265B (zh) * | 2021-01-04 | 2023-04-07 | 西北大学 | 基于dnn的胰腺全自动分割模型的构建、分割方法及系统 |
| CN115221932A (zh) * | 2021-04-19 | 2022-10-21 | 上海与光彩芯科技有限公司 | 基于神经网络的光谱恢复方法、装置和电子设备 |
| CN114359419B (zh) * | 2021-11-02 | 2024-05-17 | 上海大学 | 一种基于注意力机制的图像压缩感知重建方法 |
Citations (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN103581687A (zh) * | 2013-09-11 | 2014-02-12 | 北京交通大学长三角研究院 | 一种基于压缩感知的自适应深度图像编码方法 |
| CN104463765A (zh) * | 2014-11-10 | 2015-03-25 | 南昌大学 | 基于稀疏基受控的图像压缩感知与图像加密的方法 |
| CN104599290A (zh) * | 2015-01-19 | 2015-05-06 | 苏州经贸职业技术学院 | 一种面向视频感知节点的目标检测方法 |
Family Cites Families (11)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US20050078873A1 (en) * | 2003-01-31 | 2005-04-14 | Cetin Ahmet Enis | Movement detection and estimation in wavelet compressed video |
| US20070036442A1 (en) * | 2003-04-11 | 2007-02-15 | Stoffer Jay H | Adaptive subtraction image compression |
| US7492821B2 (en) * | 2005-02-08 | 2009-02-17 | International Business Machines Corporation | System and method for selective image capture, transmission and reconstruction |
| US7961959B2 (en) * | 2006-08-24 | 2011-06-14 | Dell Products L.P. | Methods and apparatus for reducing storage size |
| CN101755461B (zh) * | 2007-07-20 | 2012-06-13 | 富士胶片株式会社 | 图像处理设备、图像处理方法 |
| US8553994B2 (en) * | 2008-02-05 | 2013-10-08 | Futurewei Technologies, Inc. | Compressive sampling for multimedia coding |
| KR20130103140A (ko) * | 2012-03-09 | 2013-09-23 | 한국전자통신연구원 | 영상압축 전에 행해지는 전처리 방법, 영상 압축률 개선을 위한 적응성 움직임 추정방법 및 영상 타입별 영상 데이터 제공방법 |
| CN103475875B (zh) * | 2013-06-27 | 2017-02-08 | 上海大学 | 一种基于压缩感知的图像自适应测量方法 |
| JP6361965B2 (ja) * | 2013-10-24 | 2018-07-25 | パナソニックＩｐマネジメント株式会社 | 撮像システム、撮像装置、符号化装置、および撮像方法 |
| CN104751495B (zh) * | 2013-12-27 | 2017-11-03 | 中国科学院沈阳自动化研究所 | 一种兴趣区域优先的多尺度压缩感知渐进编码方法 |
| CN105225207B (zh) * | 2015-09-01 | 2018-11-30 | 中国科学院计算技术研究所 | 一种基于观测矩阵的压缩感知成像及图像重建方法 |
-
2016
- 2016-01-27 CN CN201610057277.7A patent/CN105761215B/zh active Active
- 2016-07-12 US US15/512,440 patent/US20180232858A1/en not_active Abandoned
- 2016-07-12 WO PCT/CN2016/089727 patent/WO2017128632A1/zh active Application Filing
Patent Citations (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN103581687A (zh) * | 2013-09-11 | 2014-02-12 | 北京交通大学长三角研究院 | 一种基于压缩感知的自适应深度图像编码方法 |
| CN104463765A (zh) * | 2014-11-10 | 2015-03-25 | 南昌大学 | 基于稀疏基受控的图像压缩感知与图像加密的方法 |
| CN104599290A (zh) * | 2015-01-19 | 2015-05-06 | 苏州经贸职业技术学院 | 一种面向视频感知节点的目标检测方法 |
Cited By (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN112379856A (zh) * | 2020-10-13 | 2021-02-19 | 北京匠数科技有限公司 | 一种显示画面重构装置及方法 |
| CN112379856B (zh) * | 2020-10-13 | 2021-07-06 | 北京匠数科技有限公司 | 一种显示画面重构装置及方法 |
| CN113362405A (zh) * | 2021-04-15 | 2021-09-07 | 浙江工业大学 | 一种基于StOMP压缩感知图像重构系统的构建方法 |
| CN113362405B (zh) * | 2021-04-15 | 2024-05-03 | 浙江工业大学 | 一种基于StOMP压缩感知图像重构系统的构建方法 |
| CN113890953A (zh) * | 2021-09-27 | 2022-01-04 | 中国电子科技集团公司第四十一研究所 | 一种用于云化视觉检测的图像传输方法 |
Also Published As
| Publication number | Publication date |
|---|---|
| US20180232858A1 (en) | 2018-08-16 |
| WO2017128632A1 (zh) | 2017-08-03 |
| CN105761215B (zh) | 2018-11-30 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN105761215A (zh) | 一种图像压缩方法、图像重构方法、装置及系统 | |
| US10853447B2 (en) | Bezier volume representation of point cloud attributes | |
| Candes et al. | New multiscale transforms, minimum total variation synthesis: Applications to edge-preserving image reconstruction | |
| KR101848191B1 (ko) | 이미지 압축 방법, 장치 및 서버 | |
| CN102034250B (zh) | 基于边缘结构信息的分块压缩感知重构方法 | |
| EP2916543A1 (en) | Method for coding/decoding depth image and coding/decoding device | |
| JP2021529482A (ja) | 点群符号化方法、点群復号化方法、符号器、及び復号器 | |
| CN105631913B (zh) | 用于图像的基于云的内容认知填充 | |
| WO2017190691A1 (zh) | 图片压缩方法和装置 | |
| CN103247028A (zh) | 一种多假设预测的分块压缩感知图像处理方法 | |
| KR102327972B1 (ko) | 프로젝션 이미지 구성 방법 및 디바이스 | |
| US20160329078A1 (en) | Electronic device and method for operating the same | |
| CN107680057A (zh) | 超声图像增强的方法及装置 | |
| Xu et al. | A denoising algorithm via wiener filtering in the shearlet domain | |
| CN104094312A (zh) | 对基于测得的知觉质量特性的视频处理算法的控制 | |
| WO2023274005A1 (zh) | 图像处理方法、装置、电子设备和存储介质 | |
| US20160198051A1 (en) | Image processing system, image output device, and image processing method | |
| CN103745443B (zh) | 提高图像质量的方法和设备 | |
| KR20150107259A (ko) | 영상 처리 방법 및 이를 지원하는 전자 장치 | |
| Bairagi et al. | Texture-based medical image compression | |
| CN109598774B (zh) | 一种特效数据渲染方法和装置 | |
| CN105389386A (zh) | 一种基于搜索结果的分页处理方法和装置 | |
| Mousavi et al. | Combined shearlet shrinkage and total variation minimization for image denoising | |
| CN112399196B (zh) | 图像处理方法及装置 | |
| CN114972045A (zh) | 一种图像处理方法、装置、电子设备及可读存储介质 |
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 | ||
| GR01 | Patent grant |