CN105828087A - 一种基于光学小波及压缩感知的图像压缩系统 - Google Patents

一种基于光学小波及压缩感知的图像压缩系统 Download PDF

Info

Publication number
CN105828087A
CN105828087A CN201610357716.6A CN201610357716A CN105828087A CN 105828087 A CN105828087 A CN 105828087A CN 201610357716 A CN201610357716 A CN 201610357716A CN 105828087 A CN105828087 A CN 105828087A
Authority
CN
China
Prior art keywords
optical
image
matrix
signal
transformation
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.)
Pending
Application number
CN201610357716.6A
Other languages
English (en)
Inventor
韩亮
刘霞
蒲秀娟
程婉琪
刘亚丽
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Chongqing University
Original Assignee
Chongqing University
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Chongqing University filed Critical Chongqing University
Priority to CN201610357716.6A priority Critical patent/CN105828087A/zh
Publication of CN105828087A publication Critical patent/CN105828087A/zh
Pending legal-status Critical Current

Links

Classifications

    • 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
    • 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
    • H04N19/90—Methods or arrangements for coding, decoding, compressing or decompressing digital video signals using coding techniques not provided for in groups H04N19/10-H04N19/85, e.g. fractals

Landscapes

  • Engineering & Computer Science (AREA)
  • Multimedia (AREA)
  • Signal Processing (AREA)
  • Compression Or Coding Systems Of Tv Signals (AREA)
  • Image Processing (AREA)

Abstract

本发明公开了一种基于光学小波变换和压缩感知的图像压缩方法，包括以下步骤：S1：获取图像信号；S2：采用光学小波变换获取图像信号的稀疏矩阵；S3：次用随机高斯矩阵作为测量矩阵；S4：利用稀疏矩阵和测量矩阵通过计算机进行并行乘法计算获取压缩新年好；S5：利用贪婪算法中的正交匹配跟踪算法对压缩信号进行解压缩重构图像。本发明将光学小波变换的方法应用于图像或视频压缩编码，结合压缩感知理论，采用计算机实现稀疏矩阵和测量矩阵的并行乘法计算，实现实时处理功能。该方法运用光学技术和电学系统实现光学小波变换。基于光学技术的响应能力、互连并行能力和存储能力，利用光子作为载体存储、传输和处理信息，能更快速、精确的重构信号。

Description

一种基于光学小波及压缩感知的图像压缩系统
技术领域
本发明属于图像处理技术领域，涉及图像压缩技术，具体地说，是一种基于光学小波变换及压缩感知的图像压缩方法。
背景技术
随着多媒体技术和通讯技术的不断发展，多媒体娱乐、信息高速公路等不断对信息数据的存储和传输提出了更高的要求，图像压缩技术显得越来越重要。图像的压缩主要包括变换、量化和熵编码三部分，主要作用分别为去相关、进一步减少数据量和用二进制编码表示。图像压缩起源于上世纪二十年代，第一代图像编码技术(以JPEG为代表)理论以信息论和数字信号处理技术为基础，以除去图像数据中的线性相关性为目的，受限于当时的技术，去除冗余信息能力有限，压缩比收到限制。第二代图像编码技术，打破香浓信息论框架的局限性，考虑到图像信息中各种特征和人类的视觉特性，获得了高压缩比。进入上世纪九十年代后，同时伴随着现代图像传感器技术的发展，图像压缩技术已经成为一种“开放技术”，被广泛的应用与各领域。特别是近几年，人工神经网络理论、小波变换理论、分形理论等的建立，相应地使小波变换编码、分形编码和模型基编码成为最具有代表性的第二代图像编码技术。目前研究最热的离散余弦变换、小波变换编码、分形图像编码技术等没有充分考虑人眼视觉系统，且具有块效应和不能实时处理等缺点。
从国际数据压缩技术的发展看来，基于内容的图像压缩编码方法是未来编码的发展趋势。其不仅能满足进一步获得更大的图像数据压缩比的要求，而且能实现实时处理的功能。因此，图像编码将朝着多模式和跨模式的方向发展，更多的考虑信息的交互性、可分级性、灵活性。随着数学理论、信息论和计算机视觉等的发展必然会有功能更全面的更有效的图像压缩编码技术的产生。
缺点：当前的图像压缩编码技术存在几何畸形、高频部分损失、块效应、难以实时压缩、搜索匹配量大、图像失真等缺点。
所以急需一种能快速、精确处理并重构原始图像信号的方法。
发明内容
本发明的目的是提供一种能快速、精确处理并重构原始图像信号的方法。该方法将光学小波变换方法应用于图像或视频压缩编码。结合压缩感知理论，采用计算机实现测量矩阵的并行乘法运算，实现图像的重构。
本发明的技术方案是这样的：
本发明提供的一种基于光学小波变换及压缩感知的图像压缩方法，包括以下步骤：
S1：获取图像信号；
S2：采用光学小波变换获取图像信号的稀疏矩阵；
S3：采用高斯随机矩阵作为测量矩阵；
S4：利用稀疏矩阵和测量矩阵通过计算机并行乘法计算获取压缩信号；
S5：对压缩的图像信号进行解压缩重构图像。
进一步，所述步骤S2中的光学小波变换，具体步骤如下：
S21：设计光学小波滤波器组；
S22：利用光学小波滤波器组对图像信号进行多方向分解。
进一步，所述步骤S4中的并行乘法计算压缩信号，具体过程如下：
S41：在计算机中利用matlab软件生成高斯随机矩阵；
S42：讲光学小波变换后的稀疏矩阵读入matlab软件中；
S43：在matlab中进行矩阵相乘，实现压缩感知测量步骤；
S44：运用正交匹配跟踪算法OMP重构图像。
进一步，所述图像信号进行光学小波变换采用光学技术来实现，具体如下：
将输入信号f(x,y)置于输入面，经透镜L1,在频谱面上將出现其频谱F(u,v)；在频谱面上放置光学小波滤波器ψ(x,y)的谱的共轭ψ*(u,v)，则形成F(u,v)ψ*(u,v)；再经过透镜L2，在输出面得到其逆变换，即输入图像的光学小波变换
其中，f为透镜焦距；P1平面为输入面；P2平面为频谱面；P3平面为输出面，表示直积。
进一步，所述步骤中的S5中的解压缩采样正交匹配算法OMP来重构图像。
进一步，所述步骤中的S4中的并行乘法计算实在计算机中进行的。
本发明与现有技术相比有如下优点：
(1)基于光学方法实现小波变换，具有光学信息处理高速、并行和大容量的特征，与电学方法相比较，提高信息处理的速度。
(2)将光学小波变换和压缩感知技术方法应用于图像压缩技术，有效的减少了采样量，提高图像压缩速度，促进实时动态的图像压缩技术的发展。
(3)将傅里叶反射镜用于光学图像处理，相对于傅里叶透镜而言，傅里叶反射镜具有消色差、使系统光路可折叠、避免透镜反射造成光能损失的优点，能更好地实现图像的傅里叶变换。
附图说明
为了使本发明的目的、技术方案和有点更加清楚，下面将结合附图对本发明做进一步的详细描述，其中：
图1为基于光学小波变换和压缩感知的的图像重构流程图；
图2为基于正交匹配跟踪算法的图像重构流程图；
图3为典型的光学4f系统。
具体实施方式
下面详细介绍本发明的实施方式，所述实施方式的示例在附图中示出，其中自始至终相同或类似的标号表示相同或类似的元件或具有相同或类似功能的元件。下面通过参考附图描述的实施例是示例性的，仅用于解释本发明，而不能理解为对本发明的限制。
图1去为基于光学小波变换和压缩感知的图像压缩图；图2为基于光学小波变换及压缩感知的图像重构流程图；图3为典型的光学4f系统，本发明提供的一种基于光学小波变换及压缩感知的图像压缩方法，包括以下步骤：
S1：获取图像信号；
S2：采用光学小波变换获取图像信号的变换矩阵；
S21：设计光学小波滤波器组；
S22：利用光学小波滤波器组对图像信号进行多方向分解。
S3：采用高斯随机矩阵作为测量矩阵；
S4：利用变换矩阵和测量矩阵通过计算机并行乘法计算获取压缩信号；
S41：在计算机中利用matlab软件生成高斯随机矩阵；
S42：讲光学小波变换后的稀疏矩阵读入matlab软件中；
S43：在matlab中进行矩阵相乘，实现压缩感知测量步骤；
S44：运用正交匹配跟踪算法OMP重构图像。
S5：对图像的压缩信号进行解压缩重构图像。
所述图像信号进行光学小波变换采用光学技术来实现，具体步骤如下：
将输入信号f(x,y)置于输入面，经透镜L1,在频谱面上將出现其频谱F(u,v)；在频谱面上放置光学小波滤波器ψ(x,y)的谱的共轭ψ*(u,v)，则形成F(u,v)ψ*(u,v)；再经过透镜L2，在输出面得到其逆变换，即输入图像的光学小波变换
其中，f为透镜焦距；P1平面为输入面；P2平面为频谱面；P3平面为输出面，表示直积。
所述步骤S4中的并行乘法计算实在计算机中进行的。
所述步骤S5中解压缩采用正交匹配跟踪算法OMP来重构图像。
以上所述仅为本发明的优选实施例，并不用于限制本发明，显然，本领域的技术人员对本发明进行各种改动和变型而不脱离本发明的精神和范围。这样，倘若本发明的这些修改和变型属于本发明权利要求及其等同技术的范围之内，则本发明也意图包含这些改动和变型在内。

Claims (6)

1.一种基于光学小波及压缩感知的图像压缩系统，其特征在于：包括以下步骤：
S1：取得图像信号；
S2：采用光学小波变换获取图像信号的变换矩阵；
S3：采用高斯随机矩阵作为测量矩阵；
S4：利用变换矩阵和测量矩阵通过计算机并行乘法计算得到图像压缩信号；
S5：对压缩的图像信号进行解压缩重构图像。
2.根据权利要求1所述的基于光学小波变换的图像压缩方法，其特征在于：所述步骤S2中的光学小波变换，具体步骤如下：
S21：设计光学小波滤波器组；
S22：利用光学小波滤波器组对图像信号进行多方向分解。
3.根据权利要求2所述的基于光学小波变换的图像压缩方法，其特征在于：所述步骤4中的计算机并行乘法计算压缩信号，具体过程如下：
S41：在计算机中利用matlab软件生成高斯随机矩阵；
S42：讲光学小波变换后的稀疏矩阵读入matlab软件中；
S43：在matlab中进行矩阵相乘，实现压缩感知测量步骤；
S44：运用正交匹配跟踪算法OMP重构图像。
4.根据权利要求2所述的光学小波变换的图像压缩方法，其特征在于：所述图像信号进行小波变换采用光学技术来实现，如下：
将输入信号f(x,y)置于输入面，经透镜L1,在频谱面上将出现其频谱F(u,v)；在频谱面上放置光学小波滤波器ψ(x,y)的谱的共轭ψ*(u,v)，则形成F(u,v)ψ*(u,v)；再经过透镜L2，在输出面得到其逆变换，即输入图像的光学小波变换
其中，f为透镜焦距；P1平面为输入面；P2平面为频谱面；P3平面为输出面，表示直积。
5.根据权利要求1所述的基于光学小波变换的图像压缩方法，其特征在于：所述步骤中的S5中的解压缩采用正交匹配算法OMP来重构图像。
6.根据权利要求1所述的基于光学小波的图像压缩方法，其特征在于：所述步骤中的S4中的并行乘法计算是在计算机中进行的。
CN201610357716.6A 2016-05-26 2016-05-26 一种基于光学小波及压缩感知的图像压缩系统 Pending CN105828087A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201610357716.6A CN105828087A (zh) 2016-05-26 2016-05-26 一种基于光学小波及压缩感知的图像压缩系统

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201610357716.6A CN105828087A (zh) 2016-05-26 2016-05-26 一种基于光学小波及压缩感知的图像压缩系统

Publications (1)

Publication Number Publication Date
CN105828087A true CN105828087A (zh) 2016-08-03

Family

ID=56531387

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201610357716.6A Pending CN105828087A (zh) 2016-05-26 2016-05-26 一种基于光学小波及压缩感知的图像压缩系统

Country Status (1)

Country Link
CN (1) CN105828087A (zh)

Cited By (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN108805030A (zh) * 2018-05-15 2018-11-13 成都理想境界科技有限公司 一种应用于深度学习的特征提取方法及系统
US11359915B1 (en) * 2020-05-15 2022-06-14 Lockheed Martin Corporation Active optical compressive sensing
CN117806036A (zh) * 2024-03-01 2024-04-02 中国科学院光电技术研究所 一种基于压缩感知的单片衍射透镜系统消色差方法

Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP4111909B2 (ja) * 2003-01-08 2008-07-02 株式会社リコー 画像処理装置、画像処理用プログラム及び記憶媒体
CN101404772B (zh) * 2008-11-19 2010-09-22 中国科学院光电技术研究所 基于小波变换的vlsi图像压缩编码器
CN102982563A (zh) * 2012-12-12 2013-03-20 重庆大学 一种基于光学轮廓波变换的图像压缩方法
CN103024379A (zh) * 2012-12-12 2013-04-03 重庆大学 一种基于光学条带波变换的图像压缩方法

Patent Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP4111909B2 (ja) * 2003-01-08 2008-07-02 株式会社リコー 画像処理装置、画像処理用プログラム及び記憶媒体
CN101404772B (zh) * 2008-11-19 2010-09-22 中国科学院光电技术研究所 基于小波变换的vlsi图像压缩编码器
CN102982563A (zh) * 2012-12-12 2013-03-20 重庆大学 一种基于光学轮廓波变换的图像压缩方法
CN103024379A (zh) * 2012-12-12 2013-04-03 重庆大学 一种基于光学条带波变换的图像压缩方法

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
姬艳丽等: "用于光学小波变换的图像压缩方法", 《光电工程》 *

Cited By (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN108805030A (zh) * 2018-05-15 2018-11-13 成都理想境界科技有限公司 一种应用于深度学习的特征提取方法及系统
CN108805030B (zh) * 2018-05-15 2022-03-08 成都理想境界科技有限公司 一种应用于深度学习的特征提取方法及系统
US11359915B1 (en) * 2020-05-15 2022-06-14 Lockheed Martin Corporation Active optical compressive sensing
CN117806036A (zh) * 2024-03-01 2024-04-02 中国科学院光电技术研究所 一种基于压缩感知的单片衍射透镜系统消色差方法
CN117806036B (zh) * 2024-03-01 2024-05-17 中国科学院光电技术研究所 一种基于压缩感知的单片衍射透镜系统消色差方法

Similar Documents

Publication Publication Date Title
CN105554501B (zh) 一种图像采集与压缩方法及装置
Kumar et al. An efficient technique for image compression and quality retrieval using matrix completion
Rasheed et al. Image compression based on 2D Discrete Fourier Transform and matrix minimization algorithm
Chen et al. Compressive sensing multi-layer residual coefficients for image coding
Ranjan Canonical Huffman coding based image compression using wavelet
CN114449276B (zh) 一种基于学习的超先验边信息补偿图像压缩方法
CN105828087A (zh) 一种基于光学小波及压缩感知的图像压缩系统
WO2023051335A1 (zh) 数据编码方法、数据解码方法以及数据处理装置
CN116016953A (zh) 一种基于深度熵编码的动态点云属性压缩方法
Sethi et al. Image compression using Haar wavelet transform
CN102982563B (zh) 一种基于光学轮廓波变换的图像压缩方法
Kong et al. End-to-end multispectral image compression framework based on adaptive multiscale feature extraction
CN112887713B (zh) 图片压缩、解压缩方法和装置
CN104683818A (zh) 基于双正交不变集多小波的图像压缩方法
TW202406344A (zh) 一種點雲幾何資料增強、編解碼方法、裝置、碼流、編解碼器、系統和儲存媒介
Sarinova et al. Hyperspectral regression lossless compression algorithm of aerospace images
CN115239563A (zh) 一种基于神经网络的点云属性有损压缩装置及方法
Gambhir et al. Edge and fuzzy transform based image compression algorithm: Edgefuzzy
KR20220045920A (ko) 머신비전을 위한 영상의 처리 방법 및 장치
Naidu et al. A novel framework for JPEG image compression using baseline coding with parallel process
Li et al. Sparse reconstruction of ISOMAP representations
Suresh Kumar et al. Bilateral anisotropic Gabor wavelet transformation based deep stacked auto encoding for lossesless image compression
Yin et al. Learned distributed image compression with decoder side information
Afrin et al. A Comprehensive Review of Deep Learning Methods for Hyperspectral Image Compression
Pareek et al. An Image Compression Using Multilayer Wavelet Transform with 2DTCWT: A Review

Legal Events

Date Code Title Description
C06 Publication
PB01 Publication
C10 Entry into substantive examination
SE01 Entry into force of request for substantive examination
WD01 Invention patent application deemed withdrawn after publication
WD01 Invention patent application deemed withdrawn after publication

Application publication date: 20160803