一种基于压缩感知的图像传输方法及系统
技术领域
本发明涉及图像处理领域,特别是涉及基于压缩感知的图像传输方法及系统。
背景技术
随着数字信息时代的发展,图像压缩重构技术越来越受到人们的关注,特别是针对视频压缩编码、信源编码以及三维视频重建的视频图像传输处理已成为该领域研究的热点。近年来基于压缩感知的视频图像稀疏编码和重构解码技术已成为图像处理技术发展新的方向。压缩感知由Candes及Donoho提出,其核心思想是在信号采样的同时对其进行压缩,克服传统信号处理中对于奈奎斯特采样要求的限制。但是它与传统采样定理有所不同。
首先,传统采样定理关注的对象是无限长的连续信号,而压缩感知理论描述的是有限维观测向量空间的向量;其次,传统采样理论是通过均匀采样(在很少情况下也采用非均匀采样)获取数据,压缩感知则通过计算信号与一个观测函数之间的内积获得观测数据;再次,传统采样恢复是通过对采样数据的Sinc函数线性内插获得(在不均匀采样下不再是线性内插,而是非线性的插值恢复),压缩感知采用的则是从线性观测数据中通过求解一个高度非线性的优化问题恢复信号的方法。压缩传感理论主要包括信号的稀疏表示、编码测量和重构算法三个方面。
现有图像压缩重构技术大多采用香农采用定理,要求图像信号的采样频率需达到最高信号频率的两倍以上才能不失真的重构原来的图像信号,且需要大量的采用点才能恢复原来信号,从而造成样本数量增多,传输效率低。如果原始图像信息量较大,则需要采集更多样本,大部分变换矩阵基系数被丢弃,造成了数据和硬件资源的浪费。
发明内容
为解决上述技术问题,本发明提供一种基于压缩感知的图像传输方法及系统,将该高维度图像信号通过转换矩阵变化为低维度的图像信号,最后通过优化方法将这些少量的低维度图像信号高概率的重构出原来的信号。
本发明提供的技术方案如下:
本发明公开一种基于压缩感知的图像传输方法,用于发送端传输图像至接收端,包括步骤:
S1:发送端对原始图像进行预处理,生成所述原始图像的一维信号;
S2:发送端根据所述一维信号判断所述原始图像是否为稀疏图像;
S3:发送端判断所述原始图像为稀疏图像时,发送端提取所述一维信号的主要特征信息;
S4:发送端将所述主要特征信息进行编码,生成第一信息传输至接收端;
S5:接收端接收并解码所述第一信息,获得所述主要特征信息;
S6:接收端对所述主要特征信息进行重构,还原得到所述原始图像。
进一步优选的,所述步骤S1“发送端对原始图像进行预处理,生成所述原始图像的一维信号”具体包括:
将原始图像变换为一维信号x;
x是RN空间的一个列向量xN×1,存在正交基Ψ=[ψ1,ψ2,…,ψN],线性表示xN×1,Θ=[θ1,θ2,…,θN],θi为压缩系数。
进一步优选的,所述步骤S2“发送端根据所述一维信号判断所述原始图像是否为稀疏图像”具体包括:
S21:判断所述压缩系数θi的非零元素的个数M是否远小于N;若是,则判断所述原始图像为稀疏图像。
进一步优选的,所述步骤S3中“发送端提取所述一维信号的主要特征信息”具体包括步骤:
S31:提取所述一维信号中所有压缩系数为非零元素的向量作为主要特征信息。
进一步优选的,所述步骤S6“接收端对所述主要特征信息进行重构,还原得到所述原始图像”具体包括步骤:
S61:利用观测矩阵基ΦM×N对所述压缩系数进行变换,得到观测结果Y;
Y=ΦΘ
S62:利用范数下的最优问题求解系数Θ,min||Θ||0 s.t.Y=ΦΨ-1x,求近似的求解x值;
S63:根据所述近似的求解x值还原所述原始图像。
本发明还公开了一种基于压缩感知的图像传输系统,包括发送端和接收端,所述发送端包括:
预处理模块,对原始图像进行预处理,生成所述原始图像的一维信号;
判断模块,根据所述一维信号判断所述原始图像是否为稀疏图像;
提取模块,当所述判断模块判断所述原始图像为稀疏图像时,提取所述一维信号的主要特征信息;
编码模块,将所述主要特征信息进行编码,生成第一信息;
第一传输模块,传输所述第一信息至接收端;
所述接收端包括:
第二传输模块,接收所述第一信息;
解码模块,解码所述第一信息,获得所述主要特征信息;
重构模块,对所述主要特征信息进行重构,还原得到所述原始图像。
进一步优选的,所述预处理模块具体用于将原始图像变换为一维信号x;其中,x是RN空间的一个列向量xN×1,存在正交基Ψ=[ψ1,ψ2,…,ψN],线性表示xN×1,Θ=[θ1,θ2,…,θN],θi为压缩系数。
进一步优选的,所述判断模块具体用于判断所述压缩系数θi的非零元素的个数M是否远小于N;若是,则判断所述原始图像为稀疏图像。
进一步优选的,所述提取模块具体用于提取所述一维信号中所有压缩系数为非零元素的向量作为主要特征信息。
进一步优选的,所述重构模块具体用于利用观测矩阵基ΦM×N对所述压缩系数进行变换,得到观测结果Y;Y=ΦΘ;利用范数下的最优问题求解系数Θ,min||Θ||0 s.t.Y=ΦΨ-1x;求近似的求解x值;根据所述近似的求解x值还原所述原始图像。
与现有技术相比,本发明在发送端利用压缩感知理论提取原始图像的主要特征信息,将主要特征信息编码并传输,并在接收端高概率的还原原始图像。本发明能够减少样本数量,降低硬件存储资源浪费,提高传输效率低,提高图像的传输效率。
附图说明
下面将以明确易懂的方式,结合附图说明优选实施方式,对本发明予以进一步说明。
图1为本发明一种压缩感知的图像传输方法的主要步骤示意图;
图2为本发明一种压缩感知的图像传输系统的主要组成图。
附图标号说明:
100.发送端,101.预处理模块,102.判断模块,103.提取模块,104.编码模块,105.第一传输模块,200.接收端,201.第二传输模块,202.解码模块,203.重构模块。
具体实施方式
为了更清楚地说明本发明实施例或现有技术中的技术方案,下面将对照附图说明本发明的具体实施方式。显而易见地,下面描述中的附图仅仅是本发明的一些实施例,对于本领域普通技术人员来讲,在不付出创造性劳动的前提下,还可以根据这些附图获得其他的附图,并获得其他的实施方式。
为使图面简洁,各图中只示意性地表示出了与本发明相关的部分,它们并不代表其作为产品的实际结构。另外,以使图面简洁便于理解,在有些图中具有相同结构或功能的部件,仅示意性地绘示了其中的一个,或仅标出了其中的一个。在本文中,“一个”不仅表示“仅此一个”,也可以表示“多于一个”的情形。
图1为本发明一种压缩感知的图像传输方法的主要步骤示意图。作为本发明的一个具体实施例,如图1所示,一种基于压缩感知的图像传输方法,用于发送端传输图像至接收端,包括步骤:S1:发送端对原始图像进行预处理,生成所述原始图像的一维信号;S2:发送端根据所述一维信号判断所述原始图像是否为稀疏图像;S3:发送端判断所述原始图像为稀疏图像时,发送端提取所述一维信号的主要特征信息;S4:发送端将所述主要特征信息进行编码,生成第一信息传输至接收端;S5:接收端接收并解码所述第一信息,获得所述主要特征信息;S6:接收端对所述主要特征信息进行重构,还原得到所述原始图像。
具体的,本发明原始图像的压缩编码过程,主要压缩感知理论提取原始图像的主要特征信息,将原始图像的主要特征信息通过编码算法实现图像传输前的编码,编码后生成第一信息通过保存传输后,在解码端通过解码算法获得第一信息,提取第一信息中原始图像的主要特征信息,并根据主要特征信息高概率的恢复还原原始图像,减少取样样本数量,提高图像的传输效率。
优选的,所述步骤S1“发送端对原始图像进行预处理,生成所述原始图像的一维信号”具体包括:
将原始图像变换为一维信号x;
x是RN空间的一个列向量xN×1,存在正交基Ψ=[ψ1,ψ2,…,ψN],线性表示xN×1,Θ=[θ1,θ2,…,θN],θi为压缩系数。
优选的,所述步骤S2“发送端根据所述一维信号判断所述原始图像是否为稀疏图像”具体包括:S21:判断所述压缩系数θi的非零元素的个数M是否远小于N;若是,则判断所述原始图像为稀疏图像。
优选的,所述步骤S3中“发送端提取所述一维信号的主要特征信息”具体包括步骤:S31:提取所述一维信号中所有压缩系数为非零元素的向量作为主要特征信息。
具体的,本发明中所使用的编码及解码方法为现有技术中常用的图像编解码算法,例如,熵编解码,哈夫曼编解码,稀疏编解码等图像编解码算法。
优选的,所述步骤S6“接收端对所述主要特征信息进行重构,还原得到所述原始图像”具体包括步骤:S61:利用观测矩阵基ΦM×N对所述压缩系数进行变换,得到观测结果Y;Y=ΦΘ;S62:利用范数下的最优问题求解系数Θ,min||Θ||0 s.t.Y=ΦΨ-1x,求近似的求解x值;S63:根据所述近似的求解x值还原所述原始图像。
图2为本发明一种压缩感知的图像传输系统的主要组成图,作为本发明的一个具体实施例,如图2所示,一种基于压缩感知的图像传输系统,包括发送端100和接收端200,所述发送端100包括:预处理模块101,对原始图像进行预处理,生成所述原始图像的一维信号;判断模块102,根据所述一维信号判断所述原始图像是否为稀疏图像;提取模块103,当所述判断模块102判断所述原始图像为稀疏图像时,提取所述一维信号的主要特征信息;编码模块104,将所述主要特征信息进行编码,生成第一信息;第一传输模块105,传输所述第一信息至接收端200;所述接收端200包括:第二传输模块201,接收所述第一信息;解码模块202,解码所述第一信息,获得所述主要特征信息;重构模块203,对所述主要特征信息进行重构,还原得到所述原始图像。
本发明在图像编码的过程中将高维数的图像信号转换到低维数的图像信号,解码过程中将低维数的图像信号重构原始图像的主要特征信息,使得图像的发送传输过程不仅大大减小图像的样本数量,而且有效的实现图像场景快速变化时的重构效果。
优选的,所述预处理模块101具体用于将原始图像变换为一维信号x;其中,x是RN空间的一个列向量xN×1,存在正交基Ψ=[ψ1,ψ2,…,ψN],线性表示xN×1,Θ=[θ1,θ2,…,θN],θi为压缩系数。
优选的,所述判断模块102具体用于判断所述压缩系数θi的非零元素的个数M是否远小于N;若是,则判断所述原始图像为稀疏图像。
优选的,所述提取模块103具体用于提取所述一维信号中所有压缩系数为非零元素的向量作为主要特征信息。
优选的,所述重构模块203具体用于利用观测矩阵基ΦM×N对所述压缩系数进行变换,得到观测结果Y;Y=ΦΘ;利用范数下的最优问题求解系数Θ,min||Θ||0 s.t.Y=ΦΨ-1x;求近似的求解x值;根据所述近似的求解x值还原所述原始图像。
本发明在发送端100利用压缩感知理论提取原始图像的主要特征信息,将主要特征信息编码并传输,并在接收端200高概率的还原原始图像。本发明能够减少样本数量,降低硬件存储资源浪费,提高传输效率低,提高图像的传输效率。本发明可在信号传输加密,压缩处理高维度信号领域均有应用,随着压缩感知理论的推广及深入,压缩感知理论在信息论,图像处理,模式识别,无线通信等方面均有广泛应用。
需要说明的是,本系统中各模块之间的信息交互、执行过程等内容与上述方法实施例基于同一构思,具体内容可参见本发明方法实施例中的叙述,此处不再赘述。
应当说明的是,上述实施例均可根据需要自由组合。以上所述仅是本发明的优选实施方式,应当指出,对于本技术领域的普通技术人员来说,在不脱离本发明原理的前提下,还可以做出若干改进和润饰,这些改进和润饰也应视为本发明的保护范围。