CN108257191B - 一种节能的压缩感知图像编码方法 - Google Patents

Abstract

本发明涉及节能的压缩感知图像编码方法，有效解决现有技术中存在的高编码能耗及编解码能耗无法兼顾的问题，方法是：对输入图像进行块分割，划分为若干互不重叠的图像块；计算各图像块的梯度值；利用各块的梯度值构造测量矩阵，实施分块CS测量；利用各块的测量矩阵，构造投影矩阵；实施投影矩阵与观测向量的内积运算，重建各图像块，并合并成最终的重建图像。本发明根据各图像块的梯度值实施自适应CS测量，梯度值量化了图像块的稀疏度，确保了编码器在低能耗条件下仍可捕获到图像块的绝大多数信息；利用投影矩阵线性重建各图像块，在获得良好重建质量的同时降低了解码能耗。利用对CIF格式视频序列实施编解码，编码能耗低、解码能耗低。

Description

一种节能的压缩感知图像编码方法

技术领域

本发明涉及图像编码技术领域，特别是一种节能的压缩感知图像编码方法。

背景技术

随着物联网的高速发展，越来越多的设备实现了互联。设备间的数据传输消耗了巨大能量，因此，节能的物联网受到了学术界和工业界众多关注。视觉传感器是物联网中的主要能耗源，现有工作设计了一些节能传感器，例如，CITRIC(P.Chen,P.Ahammad,C.Boyer,et al."CITRIC:A low-bandwidth wireless camera network platform,"ACM/IEEEInternational Conference on Distributed Smart Cameras,pp.1-10,2008)、MicrelEye(A.Kerhet,M.Magno,F.Leonardi,A.Boni,and L.Benini."A low-power wireless videosensor node for distributed object detection,"Journal of Real-Time ImageProcessing,vol.2,no.4,pp.331-342,2007)等。这些节能视觉传感器尺寸很小，仅有一美分硬币大小，但尺寸限制了计算能力，当实施计算量较高的图像编码算法，例如，JPEG(M.Pennebaker."JPEG:Still Image Data Compression Standard,"Springer Science&Business Media,1992)、H.264/AVC(G.J.Sullivan,P.N.Topiwala,A.Luthra."The H.264/AVC advanced video coding standard:overview and introduction to the fidelityrange extensions,"Proceedings of SPIE,vol.5558.pp.454-474,2004)、HEVC(G.J.Sullivan,J.-R.Ohm,W.-J.Han,and T.Wiegand,"Overview of the highefficiency video coding(HEVC)standard,"IEEE Transactions on Circuits andSystems for Video Technology,vol.22,no.12,pp.1649-1668,2012)等，将消耗较大能量，因此，在物联网节能要求下，亟待发明一种低能耗的图像编码方法。

针对节能物联网，压缩感知(Compressive Sensing,CS)可提供一种低能耗编码方案。CS的最大优点在于，它的随机测量能以欠奈奎斯特速率采样与压缩图像，因此，依据CS，可设计低能耗的编码器。尽管CS可降低能量投入，但它并不影响压缩效率。与传统的图像编码器相似，基于CS的图像编码器仍可生成低带宽的码流。然而，CS编码器节约能耗的代价是增加了解码图像的复杂度。虽然物联网云端有充足的能力处理高复杂度的工作，但节能的要求仍然需要。

综上所述，现有技术中的图像编码方法，存在编码能耗高的问题。CS方案可降低编码能耗，但又存在无法兼顾解码能耗的问题。

发明内容

本发明提供一种节能的压缩感知图像编码方法，可有效解决现有技术中存在的高编码能耗及编解码能耗无法兼顾的问题。

本发明解决的技术方案是，一种节能的压缩感知图像编码方法，方法是：对输入图像进行块分割，划分为若干互不重叠的图像块；计算各图像块的梯度值；利用各块的梯度值构造测量矩阵，实施分块CS测量；利用各块的测量矩阵，构造投影矩阵；实施投影矩阵与观测向量的内积运算，重建各图像块，并合并成最终的重建图像。

本发明根据各图像块的梯度值实施自适应CS测量，梯度值量化了图像块的稀疏度，确保了编码器在低能耗条件下仍可捕获到图像块的绝大多数信息；利用投影矩阵线性重建各图像块，在获得良好重建质量的同时降低了解码能耗。采用编解码时间度量能耗，利用对CIF格式视频序列实施编解码，编码能耗低、解码能耗低，且确保了良好的重建质量，获得了更好的时间-失真性能，是压缩感知图像编码方法的创新，具有很强的实用价值。

附图说明

图1为本发明方法的流程图。

图2为本发明分块梯度值的计算图。

图3为本发明与JPEG编码技术的时间-失真性能对比图。

具体实施方式

以下结合流程图和具体情况对本发明的具体实施方式作详细说明。

本发明在具体实施中，一种节能的压缩感知图像编码方法，包括以下步骤：

(1)、输入图像，对输入图像进行块分割，划分为若干互不重叠的图像块，方法是：

利用CMOS传感器阵列，获得自然景观感知的图像x，由CMOS传感器阵列将自然景观感知的图像x输入到编码器中，对图像进行分块，划分为若干互不重叠的图像块，输入图像x，尺寸为N＝I_r×I_c，对x作块分割，分块尺寸为B×B，并自上向下、自左向右排序图像块，各图像块按光栅扫描方式拉成列向量，其中第i个图像块表示为x_i，i＝1,2,…,n,n＝N/B²；

(2)、计算各图像块的梯度值(见图2所示)，方法是：

将图像块x_i的四邻域块表示为x_i○j,j＝1,2,3,4，计算图像块x_i与任一邻域块x_i○j的能量误差，计算公式是：

式中||·||₂为l₂范数，其定义如下：

其中v是输入向量，v_k为向量分量，L为向量长度。计算图像块x_i与其四邻域块间能量误差的最大值G_i：

G_i＝max{E_i,1,E_i,2,E_i,3,E_i,4} 式(3)

式中max{·}表示取输入元素中最大值，利用G_i，计算x_i的梯度值如下：

(3)、利用各块的梯度值构造测量矩阵，实施分块的CS测量，包括以下步骤：

3.1：图像块x_i的初始测量次数M_0i为：

式中M为输入图像x的总测量次数；

3.2：图像块x_i的测量次数M_i为：

M_i＝round[0.7·g_i·M+M_0i] 式(6)

式中round[·]为对输入数值作四舍五入运算；

3.3：利用伪随机序列技术(G.Marsaglia and W.W.Tsang,"The ziggurat methodfor generating random variables,"Journal of Statistical Software,vol.5,no.8,pp.1-7,2000)构造图像块x_i的尺寸为M_i×B²的测量矩阵Ф_Bi，并对图像块x_i实施分块的CS测量：

y_i＝Φ_Bi·x_i 式(7)

式中y_i为图像块x_i的观测向量，i＝1,2,…,n；

3.4：将所有块的观测向量打包，并传输至解码器；

(4)、利用各块的测量矩阵，构造投影矩阵，包括以下步骤：

4.1：计算图像块x_i的自相关矩阵E[x_ix_i ^T]：

式中上标T为矩阵转置运算；(r_i,q,c_i,q)为像素x_i,q的空间坐标；

4.2：构造图像块x_i的尺寸为M_i×B²的测量矩阵Ф_Bi；

4.3：构造图像块x_i的投影矩阵H_i：

式中上标-1为矩阵求逆运算；

(5)、实施投影矩阵与观测向量的内积运算，重建各图像块，并合并成最终的重建图像：

重建图像块

将所有重建图像块

i＝1,2,…,n，合并为重建图像

从而实现节能压缩感知图像编码。

由上述可知，本发明是提供一种节能的压缩感知图像编码方法，与现有技术相比，其有益效果为：本发明根据各图像块的梯度值实施自适应CS测量，梯度值量化了图像块的稀疏度，因此，确保了编码器在低能耗条件下仍可捕获到图像块的绝大多数信息；本发明利用投影矩阵线性重建各图像块，在获得良好重建质量的同时降低了解码能耗，采用编解码时间度量能耗，利用本发明对CIF格式视频序列实施编解码，与H.264/AVC、HEVC编码技术相比，本发明有更低的编码能耗；与传统CS重建技术相比，本发明不仅有较低的解码能耗，且确保了良好的重建质量；与JPEG编码技术相比，本发明获得了更好的时间-失真性能，并经实地试验和应用，效果非常好，有关资料如下：

本发明性能评估实验分为三个部分，如下：

1)采用CIF格式的4组测试视频评估本发明提出方法的编码能耗，对比方法分别是H.264/AVC(G.J.Sullivan,P.N.Topiwala,A.Luthra."The H.264/AVC advanced videocoding standard:overview and introduction to the fidelity range extensions,"Proceedings of SPIE,vol.5558.pp.454-474,2004)和HEVC(G.J.Sullivan,J.-R.Ohm,W.-J.Han,and T.Wiegand,"Overview of the high efficiency video coding(HEVC)standard,"IEEE Transactions on Circuits and Systems for Video Technology,vol.22,no.12,pp.1649-1668,2012)编码技术；

2)采用尺寸为512×512的测试图像Lenna、Barbara、Peppers,、Goldhill及Mandrill评估本发明提出方法的解码性能，对比方法分别是OMP(Y.Shen and S.Li,“Sparse signals recovery from noisy measurements by orthogonal matchingpursuit,”Inverse Problems and Imaging,vol.9,no.1,pp.231-238,2015)和NESTA(S.Becker,J.Bobin,and E.J.Candes."NESTA:a fast and accurate first-ordermethod for sparse recovery,"SIAM Journal on Imaging Sciences,vol.4,no.1,pp.1-39,2011)；

3)采用CIF格式的2组测试视频评估本发明提出方法的时间-失真性能，对比方法是JPEG(M.Pennebaker."JPEG:Still Image Data Compression Standard,"SpringerScience&Business Media,1992)。

本发明提出方法的参数设置为：图像的测量率为S＝M/N分别从0.1至0.5设定；分块尺寸B设定为16。编码时间、解码时间用于评估编码、解码能耗，时间越小意味着能耗越小。重建质量评估采用峰值信噪比(Peak Signal-to-Noise Ratio,PSNR)。时间-失真曲线用于评估编码方法的能耗利用率，越少的编码时间，越高的PSNR值，表明系统的能耗利用率越高。仿真的硬件平台为主频3.60GHz、内存8GB的酷睿i7CPU计算机，软件平台为Windows 764位操作系统和Matlab R2008a仿真实验软件。

表1列出了本发明与H.264/AVC、HEVC编码CIF格式测试视频所需的时间，可看出，本发明提出方法编码时间随测量率提升而提升，但是在最高的测量率下，编码时间仍不超过10s，例如，测量率S为0.5时，编码Foreman视频的时间仅为9.47s。H.264/AVC、HEVC消耗的编码时间远高于本发明，尤其对于HEVC，编码时间高达上千秒。由此可知，本发明提出方法具有较低的编码能耗。

表2列出了本发明与传统CS解码方法OMP、NESTA的PSNR及解码时间，可看出，在大多数情况下，本发明提出方法获得比OMP、NESTA更高的PSNR值，例如，测量率S为0.1时，本发明提出方法重建Lenna图像的PSNR值比OMP、NESTA分别高8.52dB、6.27dB。然而，由表2显示出，本发明提出方法并不需较高的解码时间，例如，测量率S为0.1时，本发明提出方法仅需要0.88s就可复原图像，少于OMP、NESTA所需时间。不同测量率下，本发明重建Lenna图像的视觉质量对比，可看到，本发明提出方法提供了较好的视觉质量，与OMP、NESTA相比，有效抑制了边缘模糊、块效应等不良现象。

附图3展示了本发明与JPEG编码技术的时间-失真曲线，可看到，本发明提出方法的PSNR值随编码时间提升而迅速提升，且无论PSNR值如何增长，编码时间一直保持较低水平。然而，对于JPEG，通过设计不同的量化步长，它的编码时间没有太大变化，均远高于本发明提出方法，且PSNR值与编码时间无明显的线性关系，这意味着很难通过控制重建质量调整编码能耗。由此可知，相比与JPEG，本发明提出方法有更高的能耗利用率。

表1本发明与H.264/AVC、HEVC编码时间对比

表2本发明与传统CS解码方法OMP、NESTA的PSNR及解码时间对比

以上公开的仅为本发明的具体实施例，是用于说明本发明的具体实施情况，而不是用于限定本发明的保护范围，本领域的技术人员可以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，本质上与本发明的技术方案实质相同，仍属于本发明的保护范围。

总之，本发明具有方法科学合理，易操作，既有效克服了现有技术中存在的高编码能耗又确保编码器在低耗条件下，仍可捕获到图像块的绝大多数信息，编码质量好；本发明利用投影矩阵线性重建各图像块，在获得良好重建质量的同时降低了解码能耗。采用编解码时间度量能耗，利用本发明对CIF格式视频序列实施编解码，与H.264/AVC、HEVC编码技术相比，本发明有更低的编码能耗；与传统CS重建技术相比，本发明不仅有较低的解码能耗，且确保了良好的重建质量，获得更好的时间-失真性能，在物联网节能要求下，保证物联网高速发展的实际需要，具有很强的实用价值。

Claims (1)

1.一种节能的压缩感知图像编码方法，对输入图像进行块分割，划分为若干互不重叠的图像块；计算各图像块的梯度值；利用各块的梯度值构造测量矩阵，实施分块CS测量；利用各块的测量矩阵，构造投影矩阵；实施投影矩阵与观测向量的内积运算，重建各图像块，并合并成最终的重建图像，其特征在于，包括以下步骤：

(1)、输入图像，对输入图像进行块分割，划分为若干互不重叠的图像块，方法是：

利用CMOS传感器阵列，获得自然景观感知的图像x，由CMOS传感器阵列将自然景观感知的图像x输入到编码器中，对图像进行分块，划分为若干互不重叠的图像块，输入图像x，尺寸为N＝I_r×I_c，对x作块分割，分块尺寸为B×B，并自上向下、自左向右排序图像块，各图像块按光栅扫描方式拉成列向量，其中第i个图像块表示为x_i，i＝1,2,…,n,n＝N/B²；

(2)、计算各图像块的梯度值，方法是：

将图像块x_i的四邻域块表示为x_i○j,j＝1,2,3,4，计算图像块x_i与任一邻域块x_i○j的能量误差，计算公式是：

式中||·||₂为l₂范数，其定义如下：

其中v是输入向量，v_k为向量分量，L为向量长度；计算图像块x_i与其四邻域块间能量误差的最大值G_i：

G_i＝max{E_i,1,E_i,2,E_i,3,E_i,4} 式(3)

式中max{·}表示取输入元素中最大值，利用G_i，计算x_i的梯度值如下：

(3)、利用各块的梯度值构造测量矩阵，实施分块的CS测量，包括以下步骤：

3.1：图像块x_i的初始测量次数M_0i为：

式中M为输入图像x的总测量次数；

3.2：图像块x_i的测量次数M_i为：

M_i＝round[0.7·g_i·M+M_0i] 式(6)

式中round[·]为对输入数值作四舍五入运算；

3.3：利用伪随机序列技术(G.Marsaglia and W.W.Tsang,"The ziggurat method forgenerating random variables,"Journal of Statistical Software,vol.5,no.8,pp.1-7,2000)构造图像块x_i的尺寸为M_i×B²的测量矩阵Ф_Bi，并对图像块x_i实施分块的CS测量：

y_i＝Φ_Bi·x_i 式(7)

式中y_i为图像块x_i的观测向量，i＝1,2,…,n；

3.4：将所有块的观测向量打包，并传输至解码器；

(4)、利用各块的测量矩阵，构造投影矩阵，包括以下步骤：

4.1：计算图像块x_i的自相关矩阵E[x_ix_i ^T]：

式中上标T为矩阵转置运算，(r_i,q,c_i,q)为像素x_i,q的空间坐标；

4.2：构造图像块x_i的尺寸为M_i×B²的测量矩阵Ф_Bi；

4.3：构造图像块x_i的投影矩阵H_i：

式中上标-1为矩阵求逆运算；

(5)、实施投影矩阵与观测向量的内积运算，重建各图像块，并合并成最终的重建图像：

重建图像块

将所有重建图像块

合并为重建图像

从而实现节能压缩感知图像编码。

Images