CN106851283B - 一种基于标准差的图像自适应压缩感知采样的方法及装置 - Google Patents
一种基于标准差的图像自适应压缩感知采样的方法及装置 Download PDFInfo
- Publication number
- CN106851283B CN106851283B CN201611109623.8A CN201611109623A CN106851283B CN 106851283 B CN106851283 B CN 106851283B CN 201611109623 A CN201611109623 A CN 201611109623A CN 106851283 B CN106851283 B CN 106851283B
- Authority
- CN
- China
- Prior art keywords
- image block
- hits
- gray value
- remaining
- described image
- 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.)
- Active
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
- H04N19/10—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
- H04N19/154—Measured or subjectively estimated visual quality after decoding, e.g. measurement of distortion
-
- 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
- H04N19/85—Methods or arrangements for coding, decoding, compressing or decompressing digital video signals using pre-processing or post-processing specially adapted for video compression
- H04N19/86—Methods or arrangements for coding, decoding, compressing or decompressing digital video signals using pre-processing or post-processing specially adapted for video compression involving reduction of coding artifacts, e.g. of blockiness
Landscapes
- Engineering & Computer Science (AREA)
- Multimedia (AREA)
- Signal Processing (AREA)
- Compression Of Band Width Or Redundancy In Fax (AREA)
Abstract
本发明公开了一种基于标准差的图像自适应压缩感知采样的方法及装置,其中,该方法包括:对原始图像进行分块预处理,确定多个图像块;依次确定每个图像块的灰度值标准差;并对图像块的灰度值标准差进行规范化处理;根据图像块的灰度值标准差为图像块分配相对应的采样数,采样数不超过图像块的像素个数,其中灰度值标准差较大的图像块分配的采样数不小于灰度值标准差较小的图像块分配的采样数;根据图像块的采样数构造图像块的测量矩阵,并确定图像块的灰度值测量值;分别根据图像块的灰度值测量值重构图像块,并确定最终的重构图像。该方法可以针对性的对不同图像块分配不同的采样数,能够有效减小或消除块效应,提高重构图像的重构质量。
Description
技术领域
本发明涉及图像处理技术领域,特别涉及一种基于标准差的图像自适应压缩感知采样的方法及装置。
背景技术
近年来,提出了一种新兴的采样理论——压缩感知理论(Compressed Sensing,CS),其可以有效地缓解信息传输和信息存储的压力。该理论突破了传统的奈奎斯特采样定理的采样限制,以较小的采样样本可以无失真地还原信号,使得其在图像处理、无线通信等领域的应用受到人们的高度关注。
在CS理论的基础上,Lu Gan等人提出了一种分块压缩感知(Block CompressedSensing,BCS)图像处理方法(具体描述参见文献“BLOCK COMPRESSED SENSING OF NATURALIMAGES”),该方法把图像分成若干相同大小的图像块,对所有图像块采用相同采样率分别进行采样,且各图像块独立重构,降低了数据存储需求并减少图像重构所需的运算时间。
在实现本发明过程中,发明人发现现有技术中至少存在如下问题:
①、产生块效应影响图像重构质量。由于未考虑图像块之间的信息差异,采用定值的采样样本对图像块采样,导致包含信息量的图像块和包含信息量少的图像块的还原程度差异较大,从而产生块效应,对图像的重构质量产生影响。其中,基于块的变换编码在图像压缩编码中得到广泛应用,随着码率的降低,量化变得粗糙,在块的边界会出现不连续,形成重建图像的明显缺陷,称为块效应。
②、采样资源分配不合理。在一定采样资源的条件下,若对各图像块采用定值的采样样本,出现信息量复杂的图像块分配的采样样本不足而信息量简单的图像块分配的采样数分配过多的情况,进而影响图像整体的重构质量。
公开于该背景技术部分的信息仅仅旨在增加对本发明的总体背景的理解,而不应当被视为承认或以任何形式暗示该信息构成已为本领域一般技术人员所公知的现有技术。
发明内容
本发明的目的在于提供一种基于标准差的图像自适应压缩感知采样的方法及装置,从而克服现有图像采样容易产生块效应的缺陷。
本发明实施例提供的一种基于标准差的图像自适应压缩感知采样的方法,包括:
对原始图像进行分块预处理,确定所述原始图像的多个图像块;
依次确定每个所述图像块的灰度值标准差σi';并对所述图像块的灰度值标准差σi'进行规范化处理,确定规范化后的灰度值标准差σi,将所述规范化后的灰度值标准差σi作为所述图像块的最终的灰度值标准差,所述规范化后的灰度值标准差σi的取值范围为[0,1];
根据所述图像块的灰度值标准差为所述图像块分配相对应的采样数,所述采样数不超过所述图像块的像素个数;
根据所述图像块的采样数构造所述图像块的测量矩阵,并根据所述测量矩阵确定所述图像块的灰度值测量值;
分别根据所述图像块的灰度值测量值重构所述图像块,并将重构后的所有图像块合并确定最终的重构图像。
在一种可能的实现方式中,所述根据所述图像块的灰度值标准差为所述图像块分配相对应的采样数,包括:
确定总采样数M,并为每个图像块分配基础采样数n0;
对所有图像块的灰度值标准差进行降序排列,确定与降序排列后的灰度值标准差相对应的图像块的排列顺序;
根据图像块的排列顺序依次为所述图像块分配相对应的采样数。
在一种可能的实现方式中,所述根据图像块的排列顺序依次为所述图像块分配相对应的采样数,包括:
确定第k轮的剩余采样数,所述剩余采样数为总采样数与已分配的采样数之差;所述k为当前执行分配采样数过程的轮数,且k的取值范围为[1,m], m为图像块的个数;
当所述剩余采样数大于零时,根据剩余采样数和所述灰度值标准差确定为图像块分配的采样数,对k进行加一处理后继续确定第k轮的剩余采样数;
当所述剩余采样数小于零时,重复重新分配过程,直至所述剩余采样数为零;所述重新分配过程包括:对第k-1轮分配的采样数进行减一处理,并对 k进行减一处理;当k=0且所述剩余采样数小于零时,将第一临界值作为k,并重复所述重新分配过程,所述第一临界值为对采样数大于1的图像块的数量进行加一处理后的数值;
当所述剩余采样数为零时,结束分配采样数的过程。
在一种可能的实现方式中,根据剩余采样数和所述灰度值标准差确定为图像块分配的采样数,包括:
根据剩余采样数和当前图像块的灰度值标准差计算临时采样数;
当所述临时采样数不为零时,为所述图像块的初始采样数增加所述临时采样数;当所述临时采样数为零时,为所述图像块的初始采样数进行加一处理;所述初始采样数为所述图像块在当前阶段已分配的采样数;
当所述初始采样数不小于当前图像块的像素个数时,将当前图像块的像素个数作为当前图像块的采样数;当所述初始采样数小于当前图像块的像素个数时,将所述初始采样数作为当前图像块的采样数。
在一种可能的实现方式中,该方法还包括:当k>m且所述剩余采样数大于零时,将第二临界值作为k,并重新确定第k轮的剩余采样数,所述第二临界值为对采样数等于像素个数的图像块的数量进行加一处理后的数值。
基于同样的发明构思,本发明实施例还提供一种基于标准差的图像自适应压缩感知采样的装置,包括:
预处理模块,用于对原始图像进行分块预处理,确定所述原始图像的多个图像块;
参数确定模块,用于依次确定每个所述图像块的灰度值标准差σi';并对所述图像块的灰度值标准差σi'进行规范化处理,确定规范化后的灰度值标准差σi,将所述规范化后的灰度值标准差σi作为所述图像块的最终的灰度值标准差,所述规范化后的灰度值标准差σi的取值范围为[0,1];
分配模块,用于根据所述图像块的灰度值标准差为所述图像块分配相对应的采样数,所述采样数不超过所述图像块的像素个数;
计算模块,用于根据所述图像块的采样数构造所述图像块的测量矩阵,并根据所述测量矩阵确定所述图像块的灰度值测量值;
重构模块,用于分别根据所述图像块的灰度值测量值重构所述图像块,并将重构后的所有图像块合并确定最终的重构图像。
在一种可能的实现方式中,所述分配模块包括:
确定单元,用于确定总采样数M,并为每个图像块分配基础采样数n0;
排序单元,用于对所有图像块的灰度值标准差进行降序排列,确定与降序排列后的灰度值标准差相对应的图像块的排列顺序;
分配单元,用于根据图像块的排列顺序依次为所述图像块分配相对应的采样数。
在一种可能的实现方式中,所述分配单元用于:
确定第k轮的剩余采样数,所述剩余采样数为总采样数与已分配的采样数之差;所述k为当前执行分配采样数过程的轮数,且k的取值范围为[1,m], m为图像块的个数;
当所述剩余采样数大于零时,根据剩余采样数和所述灰度值标准差确定为图像块分配的采样数,对k进行加一处理后继续确定第k轮的剩余采样数;
当所述剩余采样数小于零时,重复重新分配过程,直至所述剩余采样数为零;所述重新分配过程包括:对第k-1轮分配的采样数进行减一处理,并对 k进行减一处理;当k=0且所述剩余采样数小于零时,将第一临界值作为k,并重复所述重新分配过程,所述第一临界值为对采样数大于1的图像块的数量进行加一处理后的数值;
当所述剩余采样数为零时,结束分配采样数的过程。
在一种可能的实现方式中,在所述分配单元用于根据剩余采样数和所述灰度值标准差确定为图像块分配的采样数时,所述分配单元具体用于:
根据剩余采样数和当前图像块的灰度值标准差计算临时采样数;
当所述临时采样数不为零时,为所述图像块的初始采样数增加所述临时采样数;当所述临时采样数为零时,为所述图像块的初始采样数进行加一处理;所述初始采样数为所述图像块在当前阶段已分配的采样数;
当所述初始采样数不小于当前图像块的像素个数时,将当前图像块的像素个数作为当前图像块的采样数;当所述初始采样数小于当前图像块的像素个数时,将所述初始采样数作为当前图像块的采样数。
在一种可能的实现方式中,分配单元还用于当k>m且所述剩余采样数大于零时,将第二临界值作为k,并重新确定第k轮的剩余采样数,所述第二临界值为对采样数等于像素个数的图像块的数量进行加一处理后的数值。
本发明实施例提供的一种基于标准差的图像自适应压缩感知采样的方法及装置,根据每个图像块的灰度值标准差为图像块分配相对应的采样数,之后重构每个图像块并合成完整的重构图像。该方法可以针对性的对不同图像块分配不同的采样数,能够有效减小或消除块效应,提高重构图像的客观质量和主观视觉效果。
本发明的其它特征和优点将在随后的说明书中阐述,并且,部分地从说明书中变得显而易见,或者通过实施本发明而了解。本发明的目的和其他优点可通过在所写的说明书、权利要求书、以及附图中所特别指出的结构来实现和获得。
附图说明
附图用来提供对本发明的进一步理解,并且构成说明书的一部分,与本发明的实施例一起用于解释本发明,并不构成对本发明的限制。在附图中:
图1为本发明实施例中图像自适应压缩感知采样的第一方法流程图;
图2为本发明实施例中图像自适应压缩感知采样的第二方法流程图;
图3为本发明实施例中对比效果示意图。
具体实施方式
下面结合附图,对本发明的具体实施方式进行详细描述,但应当理解本发明的保护范围并不受具体实施方式的限制。
为使本发明实施例的目的、技术方案和优点更加清楚,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,所描述的实施例是本发明一部分实施例,而不是全部的实施例。基于本发明中的实施例,本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其他实施例,都属于本发明保护的范围。除非另有其它明确表示,否则在整个说明书和权利要求书中,术语“包括”或其变换如“包含”或“包括有”等等将被理解为包括所陈述的元件或组成部分,而并未排除其它元件或其它组成部分。
在这里专用的词“示例性”意为“用作例子、实施例或说明性”。这里作为“示例性”所说明的任何实施例不必解释为优于或好于其它实施例。
另外,为了更好的说明本发明,在下文的具体实施方式中给出了众多的具体细节。本领域技术人员应当理解,没有某些具体细节,本发明同样可以实施。在一些实例中,对于本领域技术人员熟知的方法、手段、元件未作详细描述,以便于凸显本发明的主旨。
根据本发明实施例,提供了一种基于标准差的图像自适应压缩感知采样的方法,图1为该方法的流程图,具体包括步骤101-105:
步骤101:对原始图像进行分块预处理,确定原始图像的多个图像块。
本发明实施例中,原始图像为灰度图像,且该原始图像用图像矩阵表示,图像矩阵中的一个数代表一个像素的灰度值,用于表示灰度图像一个像素点的颜色深度,灰度值取值范围为[0,255];其中,0表示黑色像素,255表示白色像素,其他值表示不同灰度的像素。具体的,该原始图像为C×R的原始图像,图像块为B×B的方形图像块,则图像块的个数为:m=(C×R)/B2;其中, C和R表示原始图像的宽度和高度,B表示图像块的宽度和高度(即图像块的宽度和高度相同,即B为图像块的边长)。
本发明实施例中,分块预处理后,将图像块标记为xi,i表示图像块的序号,用于对图像块进行编号,i的值为正整数且i∈[1,m],如x1表示序号为1的图像块,x2表示序号为2的图像块,依次类推,xi表示序号为i的图像块。
步骤102:依次确定每个图像块的灰度值标准差,并对所述图像块的灰度值标准差进行规范化处理。
本发明实施例中,依次确定每个所述图像块的灰度值标准差σi';并对所述图像块的灰度值标准差σi'进行规范化处理,确定规范化后的灰度值标准差σi,将所述规范化后的灰度值标准差σi作为所述图像块的最终的灰度值标准差,所述规范化后的灰度值标准差σi的取值范围为[0,1]。具体的,分别确定每个图像块的灰度值标准差,即共确定m个灰度值标准差。该灰度值标准差用于反映图像块中所有像素的灰度值的离散程度。
具体的,步骤102包括步骤A1-A2:
步骤A1:确定图像块中所有像素的灰度值,并确定图像块的灰度值标准差σi'。
本发明实施例中,第i个图像块xi为一个B×B的灰度值矩阵,其矩阵的一个元素表示一个灰度值,即有B2个像素,也有B2个灰度值。首先对第i个图像块的灰度值矩阵进行向量化,即把灰度值矩阵变换成列向量的形式,把矩阵的所有元素排成一列,即先排第一列,接着排第二列,以此顺序把矩阵所有的列的元素排成一列;灰度值矩阵向量化后为B2×1的矩阵。
计算灰度值标准差具体如下:
其中μi表示第i个图像块中灰度值的均值,bj表示第i个图像块的灰度值矩阵向量化后第j个像素点的灰度值;B为所述图像块的边长。
步骤A2:对图像块的灰度值标准差σi'进行规范化处理,确定规范化后的灰度值标准差σi,规范化后的灰度值标准差σi的取值范围为[0,1]。
本发明实施例中,需要对标准差进行规范化处理,以使得规范化后的灰度值标准差σi的取值范围为[0,1]。具体的,
其中σmin表示灰度值标准差的最小值,σmax表示灰度值标准差的最大值。进行规范化处理后,图像块对应灰度值标准差的取值范围为[0,1]。
步骤103:根据图像块的灰度值标准差为图像块分配相对应的采样数,采样数不超过图像块的像素个数。
本发明实施例中,灰度值标准差较大的图像块分配的采样数不小于灰度值标准差较小的图像块分配的采样数。其中,“较大”和“较小”为上述两个图像块进行比较时确定的,此处的“较大”和“较小”只用于表示两个图像块相对的大小关系,并不用于表示其中一个图像块一定是最大或最小。
具体的,根据图像块的灰度值标准差为图像块分配相对应的采样数,具体包括步骤B1-B3:
步骤B1:确定总采样数M,并为每个图像块分配基础采样数n0。
具体的,记整幅图像总的采样数为M,设整幅原始图像的采样率为r,则 M可以按如下的方式进行计算:
M=round(r·C·R);
其中“round”表示圆整函数,实际进行的是四舍五入计算。也可以采用其他取整函数,只要根据原始图像的尺寸C、R和采样率r确定一个整数的总采样数M即可。
同时,为保证各图像块的采样数不为0,为每个图像块各分配值为n0的基础采样数,本发明实施例中n0=1,对于序号为i的图像块所对应的基础采样数 ni=n0=1,即预先为m个图像块分配1个基础的采样数;i对应图像块的序号且i∈[1,m]。
步骤B2:对所有图像块的灰度值标准差进行降序排列,确定与降序排列后的灰度值标准差相对应的图像块的排列顺序。
记所有图像块灰度值标准差的集合为U0,且U0={σi|i∈[1,m]},其中σi的值由步骤A2计算所得,i为集合U0的元素对应的下标,i的值与图像块的序号一一对应,如对于U0的元素σ1对应的下标和对应图像块的序号均为1。对U0中的σi进行降序排序得到集合U1,有U1={σj|j∈[1,m]},其中σj表示U0排序后的元素值,j表示U1的元素对应的下标。例如,假设集合U0={σ1,σ2,σ3,σ4,...,σm},其中m为图像的分块数,降序排序后得到集合可能为U1={σ3,σ1,σ4,σ2,...}。在确定降序排列后的灰度值标准差后,即可以确定相对应的图像块的排列顺序,即第三个图像块、第一个图像块、第四个图像块、第二个图像块……。
步骤B3:根据图像块的排列顺序依次为图像块分配相对应的采样数。
本发明实施例中,记各图像块的采样数为ni,其中i对应图像块的序号,如n1表示序号为1的图像块的采样数。若U1={σ3,σ1,σ4,σ2,...},相对应的图像块的排列顺序为第三个图像块、第一个图像块、第四个图像块……,相对应的则先为第三个图像块分配采样数,之后为第一个图像块分配采样数,再为第四个图像块分配采样数……。其中,由于每个图像块最多对应B2个像素,即B2个灰度值,故采样数的最大值为B2。同时,灰度值标准差越大,采样数越大;即在降序排列后,先分配的图像块的采样数不小于后分配的图像块的采样数。
步骤104:根据图像块的采样数构造图像块的测量矩阵,并根据测量矩阵确定图像块的灰度值测量值。
本发明实施例中,通过为每个图像块构建一个测量矩阵,进而确定灰度值测量值。具体的,构造一个大小为B2×B2的哈达玛随机矩阵作为初始测量矩阵Φ。根据步骤103计算得到的各图像块的采样数ni构造各图像块所需的测量矩阵Φi,其中i对应图像块的序号。具体的构造方式可以是:对序号为1的图像块,取Φ的前n1行作为该图像块的测量矩阵,记为Φ1;对序号为2的图像块,取Φ的前n2行作为该图像块的测量矩阵,记为Φ2;依此类推,得到每一个图像块所需的测量矩阵并表示为:Φ1,Φ2,...,Φm。
在确定测量矩阵Φ1,Φ2,...,Φm后,按如下的方式计算各图像块灰度值的测量值:
yi=ΦiXi;
其中yi表示第i个图像块的灰度值测量值,Xi表示图像块xi的灰度值矩阵的向量化形式,Xi为B2×1的矩阵,i对应图像块的序号。
步骤105:分别根据图像块的灰度值测量值重构图像块,并将重构后的所有图像块合并确定最终的重构图像。
本发明实施例中,在得到的灰度值测量值yi后,采用正交匹配追踪算法(Orthogonal Matching Pursuit,OMP)重构算法独立地对每一个图像块进行重构;然后把重构得到的各图像块合并得到完整的重构图像;至此图像的采样和重构过程结束。
本发明实施例提供的一种基于标准差的图像自适应压缩感知采样的方法,根据每个图像块的灰度值标准差为图像块分配相对应的采样数,之后重构每个图像块并合成完整的重构图像。该方法可以针对性的对不同图像块分配不同的采样数,能够有效减小或消除块效应,提高重构图像的客观质量和主观视觉效果。
在一种可能的实现方式中,上述步骤B3根据图像块的排列顺序依次为图像块分配相对应的采样数,具体包括步骤C1-C4:
步骤C1:确定第k轮的剩余采样数,剩余采样数为总采样数与已分配的采样数之差。
本发明实施例中,需要按照降序排列后的图像块的顺序为图像块依次分配采样数。其中,用k表示当前迭代的轮次,即k为当前执行分配采样数过程的轮数,其初始值设为1;k的取值范围为[1,m],m为图像块的个数。在每一轮中,均需要计算剩余采样数;具体的,记整幅原始图像的剩余采样数为△,按如下的方式计算的剩余采样数:
其中i对应图像块的序号,ni表示图像块的采样数。在不存在重新分配采样数时,在第k轮中,集合U1中的前k-1个元素对应的图像块均已分配采样数,之后的每个图像块均只分配了一个基础采样数。本发明实施例中,基础采样数n0为1,第1轮计算的剩余采样数△=M-m。其中,由于存在重新分配采样数的情况,当存在重新分配采样数的过程时,此时第k个以及之后的图像块的采样数不一定为1。
步骤C2:当剩余采样数大于零时,根据剩余采样数和灰度值标准差确定为图像块分配的采样数。
本发明实施例中,当剩余采样数大于零时,说明还有剩余采样数可以分配,此时根据剩余采样数和灰度值标准差确定为图像块分配的采样数,同时对k进行加一处理后继续确定第k轮的剩余采样数,即继续步骤C1。具体的,步骤C2中确定采样数的过程包括步骤D1-D3 :
步骤D1:根据剩余采样数和当前图像块的灰度值标准差计算临时采样数。
本发明实施例中,在第k轮分配采样数中,用pos表示集合U1中第k个元素对应图像块的序号,pos的取值范围为:pos∈[1,m]。此时U1中第k个元素又可以表示为σpos,σpos所对应的图像块的采样数记为npos。例如,假设集合 U0={σ1,σ2,σ3,σ4,...,σm},其中m为图像的分块数,降序排序后得到集合 U1={σ3,σ1,σ4,σ2,...};则当迭代轮次k=1时,更新U1中的第1个元素σ3对应图像块的采样数,此时pos=3(表示集合U1中第1个元素对应图像块的序号为3),σpos对应图像块的采样数记为n3;其他图像块所对应的采样数计算以此类推。
本发明实施例中,记σpos和剩余采样数△的乘积为S,S可以表示当前迭代轮次要分配给图像块的采样数,计算的方式如下:
S=round(△·σpos);
本发明实施例中,将σpos和剩余采样数△的乘积S作为临时采样数。
步骤D2:当临时采样数不为零时,为图像块的初始采样数增加临时采样数;当临时采样数为零时,为图像块的初始采样数进行加一处理;初始采样数为图像块在当前阶段已分配的采样数。
具体的,在为图像块的分配采样数之前,每个图像块均具有一个初始的采样数,即初始采样数。当不存在重复分配采样数时,即第一次为图像块分配采样数时,该初始采样数为基础采样数,即为1;当存在重复分配采样数时,该初始采样数需要根据实际情况而定。
在确定临时采样数S后,需要重新确定该初始采样数。具体的,首先根据S的值把第k轮需要分配给图像块的临时采样数S分配给σpos对应的图像块。具体的分配规则是:若S=0,说明剩余采样数过小或者该图像块的标准差过小,此时npos=npos+1,即对图像块的初始采样数进行加一处理,即在初始采样数的基础上加一;若S≠0,则npos=npos+S,即将临时采样数S分配给σpos对应的图像块,此时图像块的初始采样数为之前的初始采样数加临时采样数S 的和。
步骤D3:当初始采样数不小于当前图像块的像素个数时,将当前图像块的像素个数作为当前图像块的采样数;当初始采样数小于当前图像块的像素个数时,将初始采样数作为当前图像块的采样数。
由于每个图像块分配的采样数的最大值为该图像块的像素个数,即最大为B2,故确定初始采样数后需要接着对npos进行微调:若npos≥B2,则npos=B2;若npos<B2,则npos=npos。然后更新迭代轮次k,即k=k+1,继续执行下一轮的迭代。
本发明实施例中,当初始采样数大于当前图像块的像素个数时,说明分配的采样数过多,此时将当前图像块的像素个数作为当前图像块的采样数,当前图像块的采样数为B2。当初始采样数不大于当前图像块的像素个数时,即可以将初始采样数作为当前图像块的采样数。此处的“当前图像块的采样数”与上述的“当前迭代轮次要分配给图像块的采样数S”不同,此处的“当前图像块的采样数”表示执行分配采样数处理后当前的图像块总共需要采样的数量。
步骤C3:当剩余采样数小于零时,重复重新分配过程,直至剩余采样数为零;重新分配过程包括:对第k-1轮分配的采样数进行减一处理,并对k 进行减一处理,k的初始值为当前执行分配采样数过程的轮数,且k的取值范围为[1,m],m为图像块的个数。
本发明实施例中,若第k轮确定的剩余采样数小于零,则说明第k-1轮中分配了过多的采样数,对第k-1轮分配的采样数进行减一处理;若剩余采样数不为零(由于执行的是减一处理,剩余采样数不可能从负数跳变为正数,即此处的剩余采样数不能为大于零),则对第k-2轮分配的采样数进行减一处理,具体通过步骤C3中对k进行减一处理来定位到需要处理的第k-2轮。
同时,当k=0且剩余采样数小于零时,此时说明在执行重新分配过程后仍然存在分配的采样数过多的问题,即分配总的采样数大于M,此时还需要重新分配采样数。本发明实施例中,将第一临界值作为k,并重复重新分配过程,第一临界值为对采样数大于1的图像块的数量进行加一处理后的数值。其中,由于降序排列后的图像块的灰度值标准差的集合为U1,“采样数大于1 的图像块的数量”实际表示的是采样数大于1的图像块对应于集合U1的最大位置,即根据该最大位置也可以确定采样数大于1的图像块的数量。
例如,U1={σ3,σ1,σ4,σ2,...},执行若干次迭代以后,k=0,此时对应的采样数分布情况为{15,15,3,1,...},若此时的剩余采样数仍然小于0,则需要根据图像块的采样数确定第一临界值,并以此第一临界值为k继续重新分配过程。此时采样数大于1的图像块的数量为3(采样数大于1的图像块对应于集合U1的最大位置也为3),加一处理后为4,故使得k=4。在重新分配过程中对第k-1 轮(即第3轮)分配的采样数进行减一处理。
需要说明的是,对于在某些极端情况下可能存在在执行了m轮分配采样数,剩余采样数仍然为正数的情况,即还有采样数未被分配;此时k>m且剩余采样数大于零,将第二临界值作为k,并重新确定第k轮的剩余采样数,即继续执行步骤C1。第二临界值为对采样数等于像素个数的图像块的数量进行加一处理后的数值。
具体的,例如U1={σ3,σ1,σ4,σ2,...},执行若干次迭代以后k=m+1,即k>m,此时对应的采样数情况为{16,16,3,1,...},若此时的剩余采样数大于零,则还需要分配采样数,此时采样数等于像素个数的图像块为第三个图像块和第一个图像块,即数量为2,加一处理后得到的第二临界值为3,即从第3轮开始继续分配采样数,即为第四个图像块分配采样数。
步骤C4:当剩余采样数为零时,结束分配采样数的过程。
当剩余采样数为零时,说明已经采样数已经分配完毕,此时结束配采样数的过程。
下面通过一个实施例详细介绍该方法的流程。
在本发明实施例中,参见图2所示,图像自适应压缩感知采样的方法包括步骤201-214:
步骤201:输入原始图像。
具体的,输入一幅大小为256×256的标准灰度图。
步骤202:图像分块操作。
把步骤201的图像划分成m=(256×256)/42个互不重叠且大小为4×4的图像块,各图像块记为xi且i∈[1,m]。其中m表示图像块的分块数,i表示图像块的序号,用于对图像块进行编号,i的值为正整数且i∈[1,m],如x1、x2、x3分别表示序号为1、2、3的图像块,依次类推可以得到每一个图像块的表示方式。
步骤203:计算灰度值标准差并对标准差进行规范化。
在像素域中,记各图像块灰度值的标准差为σi',其中每一个图像块xi的灰度值标准差按照如下的方式计算:
其中μi表示图像块xi中灰度值的均值,bj表示xi的灰度值矩阵向量化后第 j个像素点的灰度值。i对应图像块的序号,如σ1则表示序号为1的图像块对应的灰度值标准差。根据上述方式可计算得到所有图像块对应的灰度值标准差,之后按如下的方式对所有的灰度值标准差进行规范化处理:
其中σmin表示灰度值标准差的最小值,σmax表示灰度值标准差的最大值。进行规范化处理后,图像块对应灰度值标准差的取值范围为[0,1]。
步骤204:计算总的采样数。
设置整幅图像的采样率为r,记整幅图像总的采样数为M,则M按如下的方式进行计算:M=round(r·C·R);
其中C和R表示图像的宽度和高度且值均取256,“round”表示四舍五入计算,r的值在本发明实施例中取0.1、0.2、0.3、0.4、0.5,即进行五次采样,每次采样选取一个采样率。
步骤205:分配基础采样数。
记图像块xi的采样数为ni,为各图像块分配值为1的基础采样数,i对应图像块的序号且i∈[1,m],此时对于序号为i的图像块有ni=1。
步骤206:对标准差集合进行排序。
记所有图像块灰度值标准差的集合为U0,且U0={σi|i∈[1,m]},其中σi的值由步骤203计算所得,i为集合U0的元素对应的下标,i的值与图像块的序号一一对应,如对于U0的元素σ1对应的下标和对应图像块的序号均为1。对U0中的σi进行降序排序得到集合U1,有U1={σj|j∈[1,m]},其中σj表示U0排序后的元素值,j表示U1的元素对应的下标。例如,假设集合U0={σ1,σ2,σ3,σ4,...,σm},其中m为图像的分块数,降序排序后得到集合可能为U1={σ3,σ1,σ4,σ2,...}。
步骤207:计算剩余采样数。
记整幅图像的剩余采样数为△,按如下的方式更新图像的剩余采样数:
其中i对应图像块的序号,ni为图像块的采样数。步骤207至步骤209所表示的迭代过程的功能是把剩余采样数分配给图像块;用k表示迭代过程的迭代轮次(如k=1时,表示第1轮迭代;k=2时,表示第2轮迭代),其初始值设为1。
步骤208:判断剩余采样数是否为0。
由步骤207计算得到的△判断是否要对剩余采样数进行分配:若△=0,则说明所有图像块的采样数已经分配完成,执行步骤211,直接取得各图像块采样数的集合;若△≠0,则需继续判断△的值,若△>0说明还需要对剩余采样数进行分配操作,执行步骤209,若△<0说明已分配的采样总数大于步骤204 计算得到的M,需要对图像块的采样数进行调整从而保证最终的采样总数与 M相等,此时执行步骤210。
步骤209:按序计算并调整各图像块的采样数。
依据步骤206计算得到的集合U1,每一轮迭代更新U1中第k个元素所对应图像块的采样数。用pos表示集合U1中第k个元素对应图像块的序号,pos 的取值范围为:pos∈[1,m]。此时U1中第k个元素又可以表示为σpos,σpos对应图像块的采样数记为npos。例如,假设集合U0={σ1,σ2,σ3,σ4,...,σm},其中m为图像的分块数,降序排序后得到集合U1={σ3,σ1,σ4,σ2,...};则当迭代轮次k=1 时,更新U1中的第1个元素σ3对应图像块的采样数,此时pos=3(表示集合U1中第1个元素对应图像块的序号为3),σpos对应图像块的采样数记为n3;其他图像块所对应的采样数计算以此类推。记σpos和剩余采样数的乘积为S,S表示当前迭代轮次要分配给图像块的采样数,计算的方式如下:
S=round(△·σpos);
之后,首先根据S的值把剩余采样数分配给σpos对应的图像块,具体的分配规则是:若S=0,则npos=npos+1;若S≠0,则npos=npos+S。接着对npos进行微调,若npos≥42,则npos=42;若npos<42,则npos=npos。最后更新迭代轮次k,有 k=k+1,跳转到步骤207执行。
其中,若干次迭代以后k=m+1,即k>m,若此时的剩余采样数大于零,则还需要分配采样数,此时根据对采样数等于像素个数(即采样数等于B2) 的图像块的数量进行加一处理,并将加以处理后的数值(即第二临界值)作为k,并重新确定第k轮的剩余采样数,即继续步骤207。
具体的,设第二临界值以kmax表示,在上述“对npos进行微调”的过程中可以实时更新kmax,即若npos≥42,则npos=42,同时令kmax=k。当k=m+1,令 k=kmax+1,并跳转到步骤207执行。
步骤210:再次调整图像块的采样数。
其中,步骤201具体包括如下步骤:
步骤E1:计算分配过多的采样数。
用表示分配过多的采样数,有“abs”表示取绝对值函数。其中步骤E2和步骤E3是依据调整图像块采样数的迭代过程,该过程依据集合U1调整图像块的采样数,用po表示当前要调整图像块的序号,po的值取集合U1中第q个元素的下标,则当前要调整图像块的采样数可以表示为npo。其中q表示迭代轮次,q的初始值为q=k-1。
步骤E2:判断分配过多采样数是否为0。
若则执行步骤E3,反之执行步骤211。
步骤E3:再次调整图像块的采样数
首先对当前迭代轮次对应图像块的采样数进行调整,有npo=npo-1;其次更新和q的值,有和q=q-1;跳转到步骤E2执行。
在步骤E1-E3中,以q代替k表示迭代轮数,当q=0且剩余采样数仍然小于零时,对采样数大于1的图像块的数量进行加一处理,并将加以处理后的数值(即第一临界值)作为新的轮次q,并继续步骤E3,即再次调整图像块的采样数。
步骤211:输出各图像块的采样数。
返回集合G,其中G表示图像块的采样数集合且G={ni|i∈[1,m]},i对应图像块的序号,ni为序号为i的图像块对应的采样数。到此完成图像块采样数的分配过程。
步骤212:构造图像块的测量矩阵。
构造一个大小为42×42的随机采样矩阵作为测量矩阵Φ,其中随机矩阵选择哈达玛矩阵。根据步骤13计算得到的ni构造各图像块所需的测量矩阵Φi,其中i对应图像块的序号,具体的构造方式是:对序号为1的图像块,取Φ的前n1行作为该图像块的测量矩阵,记为Φ1;对序号为2的图像块,取取Φ的前n2行作为该图像块的测量矩阵,记为Φ2;依此类推,得到每一个图像块所需的测量矩阵并表示为:Φ1,Φ2,...,Φm。
步骤213:图像块采样。
根据步骤212得到测量矩阵Φ1,Φ2,...,Φm,按如下的方式计算各图像块灰度值的测量值:
yi=ΦiXi
其中yi表示灰度值测量值,Xi表示图像块xi的向量化形式,i对应图像块的序号。
步骤214:图像块重构并组合成完整图像
根据步骤213得到的灰度值测量值yi,其中i对应图像块的序号,采用 OMP重构算法独立对每一个图像块进行重构,重构时采用离散余弦变换对图像进行稀疏表示,即各图像块重构时采用的稀疏矩阵为离散余弦变换矩阵;然后把各重构得到的图像块合并得到完整的重构图像。到此实施例中对图像采样和重构的过程结束。
本发明实施例提供的方法应用于Lena,Peppers和Cameraman三幅大小为256×256的标准灰度图中,其中应用平台采用“MATLAB R2015a”,对比方法是文献“BLOCKCOMPRESSED SENSING OF IMAGES USING DIRECTIONAL TRANSFORMS”中的图像分块采样重构方法,简称 BCS-SPL-DCT。采用BCS-SPL-DCT和采用本发明方法计算得到的峰值信噪比(PSNR,Peak Signal to Noise Ratio)参见表1所示,对比效果图参见图3 所示,其中,图3左侧的图(a)(c)(e)表示采用BCS-SPL-DCT方法后的效果图,图3右侧的图(b)(d)(f)表示采用本发明实施例提供的方法后的效果图。
表1
本发明实施例提供的一种基于标准差的图像自适应压缩感知采样的方法,根据每个图像块的灰度值标准差为图像块分配相对应的采样数,之后重构每个图像块并合成完整的重构图像。该方法可以针对性的对不同图像块分配不同的采样数,能够有效减小或消除块效应,提高重构图像的客观质量和主观视觉效果。
以上详细介绍了一种基于标准差的图像自适应压缩感知采样的方法流程,该方法也可以通过相应的装置实现,下面详细介绍该装置的结构和功能。
本发明实施例提供的一种基于标准差的图像自适应压缩感知采样的装置,参见图4所示,包括:
预处理模块31,用于对原始图像进行分块预处理,确定原始图像的多个图像块;
参数确定模块32,用于依次确定每个所述图像块的灰度值标准差σi';并对所述图像块的灰度值标准差σi'进行规范化处理,确定规范化后的灰度值标准差σi,将所述规范化后的灰度值标准差σi作为所述图像块的最终的灰度值标准差,所述规范化后的灰度值标准差σi的取值范围为[0,1];
分配模块33,用于根据所述图像块的灰度值标准差为所述图像块分配相对应的采样数,所述采样数不超过所述图像块的像素个数;
计算模块34,用于根据所述图像块的采样数构造所述图像块的测量矩阵,并根据所述测量矩阵确定所述图像块的灰度值测量值;
重构模块35,用于分别根据所述图像块的灰度值测量值重构所述图像块,并将重构后的所有图像块合并确定最终的重构图像。
在一种可能的实现方式中,分配模块33包括:
确定单元,用于确定总采样数M,并为每个图像块分配基础采样数n0;
排序单元,用于对所有图像块的灰度值标准差进行降序排列,确定与降序排列后的灰度值标准差相对应的图像块的排列顺序;
分配单元,用于根据图像块的排列顺序依次为所述图像块分配相对应的采样数。
在一种可能的实现方式中,分配单元用于:
确定第k轮的剩余采样数,所述剩余采样数为总采样数与已分配的采样数之差;所述k为当前执行分配采样数过程的轮数,且k的取值范围为[1,m], m为图像块的个数;
当所述剩余采样数大于零时,根据剩余采样数和所述灰度值标准差确定为图像块分配的采样数,对k进行加一处理后继续确定第k轮的剩余采样数;
当所述剩余采样数小于零时,重复重新分配过程,直至所述剩余采样数为零;所述重新分配过程包括:对第k-1轮分配的采样数进行减一处理,并对 k进行减一处理;当k=0且所述剩余采样数小于零时,将第一临界值作为k,并重复所述重新分配过程,所述第一临界值为对采样数大于1的图像块的数量进行加一处理后的数值;
当所述剩余采样数为零时,结束分配采样数的过程。
在一种可能的实现方式中,在分配单元用于根据剩余采样数和灰度值标准差确定为图像块分配的采样数时,分配单元具体用于:
根据剩余采样数和当前图像块的灰度值标准差计算临时采样数;
当所述临时采样数不为零时,为所述图像块的初始采样数增加所述临时采样数;当所述临时采样数为零时,为所述图像块的初始采样数进行加一处理;所述初始采样数为所述图像块在当前阶段已分配的采样数;
当所述初始采样数不小于当前图像块的像素个数时,将当前图像块的像素个数作为当前图像块的采样数;当所述初始采样数小于当前图像块的像素个数时,将所述初始采样数作为当前图像块的采样数。
在一种可能的实现方式中,分配单元还用于当k>m且所述剩余采样数大于零时,将第二临界值作为k,并重新确定第k轮的剩余采样数,所述第二临界值为对采样数等于像素个数的图像块的数量进行加一处理后的数值。
本发明实施例提供的一种图像自适应压缩感知采样的方法及装置,根据每个图像块的灰度值标准差为图像块分配相对应的采样数,之后重构每个图像块并合成完整的重构图像。该方法可以针对性的对不同图像块分配不同的采样数,能够有效减小或消除块效应,提高重构图像的客观质量和主观视觉效果。
以上所描述的装置实施例仅仅是示意性的,其中所述作为分离部件说明的单元可以是或者也可以不是物理上分开的,作为单元显示的部件可以是或者也可以不是物理单元,即可以位于一个地方,或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部模块来实现本实施例方案的目的。本领域普通技术人员在不付出创造性的劳动的情况下,即可以理解并实施。
通过以上的实施方式的描述,本领域的技术人员可以清楚地了解到各实施方式可借助软件加必需的通用硬件平台的方式来实现,当然也可以通过硬件。基于这样的理解,上述技术方案本质上或者说对现有技术做出贡献的部分可以以软件产品的形式体现出来,该计算机软件产品可以存储在计算机可读存储介质中,如ROM/RAM、磁碟、光盘等,包括若干指令用以使得一台计算机设备(可以是个人计算机,服务器,或者网络设备等)执行各个实施例或者实施例的某些部分所述的方法。
前述对本发明的具体示例性实施方案的描述是为了说明和例证的目的。这些描述并非想将本发明限定为所公开的精确形式,并且很显然,根据上述教导,可以进行很多改变和变化。对示例性实施例进行选择和描述的目的在于解释本发明的特定原理及其实际应用,从而使得本领域的技术人员能够实现并利用本发明的各种不同的示例性实施方案以及各种不同的选择和改变。本发明的范围意在由权利要求书及其等同形式所限定。
Claims (2)
1.一种基于标准差的图像自适应压缩感知采样的方法,其特征在于,包括:
步骤1,对原始图像进行分块预处理,确定所述原始图像的多个图像块;
步骤2,依次确定每个所述图像块的灰度值标准差σi';并对所述图像块的灰度值标准差σi'进行规范化处理,确定规范化后的灰度值标准差σi,将所述规范化后的灰度值标准差σi作为所述图像块的最终的灰度值标准差,所述规范化后的灰度值标准差σi的取值范围为[0,1];
步骤3,根据所述图像块的灰度值标准差为所述图像块分配相对应的采样数,所述采样数不超过所述图像块的像素个数;
所述步骤3包括:步骤B1-B3;
步骤B1,确定总采样数M,并为每个图像块分配基础采样数n0,其中,M可以按如下的方式进行计算:
M=round(r·C·R);
其中,round为圆整函数,r为整幅原始图像的采样率,C和R表示原始图像的宽度和高度;
步骤B2,对所有图像块的灰度值标准差进行降序排列,确定与降序排列后的灰度值标准差相对应的图像块的排列顺序;
步骤B3,根据图像块的排列顺序依次为所述图像块分配相对应的采样数;
所述步骤B3包括:步骤C1-C4;
步骤C1,确定第k轮的剩余采样数,所述剩余采样数为总采样数与已分配的采样数之差;所述k为当前执行分配采样数过程的轮数,且k的取值范围为[1,m],m为图像块的个数;
步骤C2,当所述剩余采样数大于零时,根据剩余采样数和所述灰度值标准差确定为图像块分配的采样数,对k进行加一处理后继续确定第k轮的剩余采样数;
其中,根据剩余采样数和所述灰度值标准差确定为图像块分配的采样数,包括:
步骤D1,根据剩余采样数和当前图像块的灰度值标准差计算临时采样数;
临时采样数S计算的方式如下:
S=round(△·σpos);
其中,σpos为当前图像块的灰度值标准差;
步骤D2,当所述临时采样数不为零时,为所述图像块的初始采样数增加所述临时采样数;当所述临时采样数为零时,为所述图像块的初始采样数进行加一处理;所述初始采样数为所述图像块在当前阶段已分配的采样数;
步骤D3,当所述初始采样数不小于当前图像块的像素个数时,将当前图像块的像素个数作为当前图像块的采样数;当所述初始采样数小于当前图像块的像素个数时,将所述初始采样数作为当前图像块的采样数;
步骤C3,当所述剩余采样数小于零时,重复重新分配过程,直至所述剩余采样数为零;所述重新分配过程包括:对第k-1轮分配的采样数进行减一处理,并对k进行减一处理;若干次迭代后,若出现k=0且所述剩余采样数小于零时,将第一临界值作为k,并重复所述重新分配过程,所述第一临界值为对采样数大于1的图像块的数量进行加一处理后的数值;
若干次迭代后,若出现k>m且剩余采样数大于零,将第二临界值作为k,并重新确定第k轮的剩余采样数,所述第二临界值为对采样数等于像素个数的图像块的数量进行加一处理后的数值;
步骤C4,当所述剩余采样数为零时,结束分配采样数的过程;
步骤4,根据所述图像块的采样数构造所述图像块的测量矩阵,并根据所述测量矩阵确定所述图像块的灰度值测量值;
步骤5,分别根据所述图像块的灰度值测量值重构所述图像块,并将重构后的所有图像块合并确定最终的重构图像。
2.一种基于标准差的图像自适应压缩感知采样的装置,其特征在于,包括:
预处理模块,用于对原始图像进行分块预处理,确定所述原始图像的多个图像块;
参数确定模块,用于依次确定每个所述图像块的灰度值标准差σi';并对所述图像块的灰度值标准差σi'进行规范化处理,确定规范化后的灰度值标准差σi,将所述规范化后的灰度值标准差σi作为所述图像块的最终的灰度值标准差,所述规范化后的灰度值标准差σi的取值范围为[0,1];
分配模块,用于根据所述图像块的灰度值标准差为所述图像块分配相对应的采样数,所述采样数不超过所述图像块的像素个数;
计算模块,用于根据所述图像块的采样数构造所述图像块的测量矩阵,并根据所述测量矩阵确定所述图像块的灰度值测量值;
重构模块,用于分别根据所述图像块的灰度值测量值重构所述图像块,并将重构后的所有图像块合并确定最终的重构图像;
所述分配模块包括:
确定单元,用于确定总采样数M,并为每个图像块分配基础采样数n0,M可以按如下的方式进行计算:
M=round(r·C·R);
其中,round为圆整函数,r为整幅原始图像的采样率,C和R表示原始图像的宽度和高度;
排序单元,用于对所有图像块的灰度值标准差进行降序排列,确定与降序排列后的灰度值标准差相对应的图像块的排列顺序;
分配单元,用于根据图像块的排列顺序依次为所述图像块分配相对应的采样数;
所述分配单元用于:
确定第k轮的剩余采样数,所述剩余采样数为总采样数与已分配的采样数之差;所述k为当前执行分配采样数过程的轮数,且k的取值范围为[1,m],m为图像块的个数;
当所述剩余采样数大于零时,根据剩余采样数和所述灰度值标准差确定为图像块分配的采样数,对k进行加一处理后继续确定第k轮的剩余采样数;
当所述剩余采样数小于零时,重复重新分配过程,直至所述剩余采样数为零;所述重新分配过程包括:对第k-1轮分配的采样数进行减一处理,并对k进行减一处理;若干次迭代后,若出现k=0且所述剩余采样数小于零时,将第一临界值作为k,并重复所述重新分配过程,所述第一临界值为对采样数大于1的图像块的数量进行加一处理后的数值;当所述剩余采样数为零时,结束分配采样数的过程;
在所述分配单元用于根据剩余采样数和所述灰度值标准差确定为图像块分配的采样数时,所述分配单元具体用于:
根据剩余采样数和当前图像块的灰度值标准差计算临时采样数;临时采样数S计算的方式如下:
S=round(△·σpos);
其中,σpos为当前图像块的灰度值标准差;
当所述临时采样数不为零时,为所述图像块的初始采样数增加所述临时采样数;当所述临时采样数为零时,为所述图像块的初始采样数进行加一处理;所述初始采样数为所述图像块在当前阶段已分配的采样数;
当所述初始采样数不小于当前图像块的像素个数时,将当前图像块的像素个数作为当前图像块的采样数;当所述初始采样数小于当前图像块的像素个数时,将所述初始采样数作为当前图像块的采样数;
所述分配单元还用于在若干次迭代后,若出现k>m且所述剩余采样数大于零时,将第二临界值作为k,并重新确定第k轮的剩余采样数,所述第二临界值为对采样数等于像素个数的图像块的数量进行加一处理后的数值。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201611109623.8A CN106851283B (zh) | 2016-12-06 | 2016-12-06 | 一种基于标准差的图像自适应压缩感知采样的方法及装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201611109623.8A CN106851283B (zh) | 2016-12-06 | 2016-12-06 | 一种基于标准差的图像自适应压缩感知采样的方法及装置 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN106851283A CN106851283A (zh) | 2017-06-13 |
CN106851283B true CN106851283B (zh) | 2019-07-02 |
Family
ID=59146420
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201611109623.8A Active CN106851283B (zh) | 2016-12-06 | 2016-12-06 | 一种基于标准差的图像自适应压缩感知采样的方法及装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN106851283B (zh) |
Families Citing this family (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN107592537B (zh) * | 2017-10-20 | 2019-11-08 | 东华大学 | 一种面向航拍图像集的自适应压缩采样分配方法 |
Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102722896A (zh) * | 2012-05-22 | 2012-10-10 | 西安电子科技大学 | 基于自适应压缩感知的自然图像非局部重构方法 |
CN104780368A (zh) * | 2015-04-28 | 2015-07-15 | 华东交通大学 | 基于图像统计信息的自适应采样方法 |
Family Cites Families (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20160050440A1 (en) * | 2014-08-15 | 2016-02-18 | Ying Liu | Low-complexity depth map encoder with quad-tree partitioned compressed sensing |
-
2016
- 2016-12-06 CN CN201611109623.8A patent/CN106851283B/zh active Active
Patent Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102722896A (zh) * | 2012-05-22 | 2012-10-10 | 西安电子科技大学 | 基于自适应压缩感知的自然图像非局部重构方法 |
CN104780368A (zh) * | 2015-04-28 | 2015-07-15 | 华东交通大学 | 基于图像统计信息的自适应采样方法 |
Non-Patent Citations (3)
Title |
---|
Block adaptive compressed sensing of SAR images based on statistical character;Nana Wang,etc.;《2011 IEEE International Geoscience and Remote Sensing Symposium》;20111020;第640-643页 |
图像分块自适应压缩感知算法研究;罗鑫;《中国优秀硕士学位论文全文数据库 信息科技辑》;20151015(第10期);第8-44页 |
图像自适应分块的压缩感知采样算法;曹玉强等;《中国图象图形学报》;20160430;第21卷(第4期);第416-424页 |
Also Published As
Publication number | Publication date |
---|---|
CN106851283A (zh) | 2017-06-13 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN109410261B (zh) | 基于金字塔池化模块的单目图像深度估计方法 | |
CN102393966B (zh) | 基于多尺度显著图的自适应图像压缩采样方法 | |
CN108921789A (zh) | 基于递归残差网络的超分辨率图像重建方法 | |
CN108334945A (zh) | 深度神经网络的加速与压缩方法及装置 | |
CN112365514A (zh) | 基于改进PSPNet的语义分割方法 | |
CN115409755B (zh) | 贴图处理方法和装置、存储介质及电子设备 | |
CN111179144B (zh) | 一种多进制秘密信息多次嵌入的高效信息隐藏方法 | |
CN105118078A (zh) | 欠采样的ct图像重建方法 | |
CN112215755A (zh) | 一种基于反投影注意力网络的图像超分辨率重建方法 | |
EP3637363A1 (en) | Image processing device, image processing method and image processing program | |
CN106204502B (zh) | 基于混合阶l0正则化模糊核估计方法 | |
CN107085835A (zh) | 基于四元数加权核范数最小的彩色图像去噪方法 | |
CN109190759A (zh) | 一种基于{-1,+1}编码的神经网络模型压缩与加速方法 | |
CN106851283B (zh) | 一种基于标准差的图像自适应压缩感知采样的方法及装置 | |
CN108921801A (zh) | 用于生成图像的方法和装置 | |
CN115222845A (zh) | 样式字体图片生成方法、装置、电子设备和介质 | |
CN110335196A (zh) | 一种基于分形解码的超分辨率图像重建方法及系统 | |
CN106780333A (zh) | 一种图像超分辨率重建方法 | |
CN104376585B (zh) | 基于图像块结构属性策略的非凸压缩感知图像重构方法 | |
CN109993701A (zh) | 一种基于金字塔结构的深度图超分辨率重建的方法 | |
CN103325104A (zh) | 基于迭代稀疏表达的人脸图像超分辨率重建方法 | |
CN102880878B (zh) | 一种基于单幅图像进行超分辨率分析的方法及系统 | |
CN110956669A (zh) | 一种图像压缩编码方法及系统 | |
CN110267049A (zh) | 一种稀疏编码的存储优化方法 | |
CN106530365A (zh) | 基于图像信息含量差异的自适应压缩感知重构方法 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |