本發明專利技術公開了一種基于Contourlet變換的壓縮感知圖像稀疏方法，對經過Contourlet變換的圖像系數利用隨機高斯矩陣進行觀測，得到少量系數，根據這些少量系數，利用正交匹配追蹤算法進行重構，再進行Contourlet逆變換得到重構圖像。該方法處理圖像時，所需數據量少，且恢復圖像質量好，對紋理、輪廓等細節信息具有較好的保持能力。采用本發明專利技術的基于Contourlet變換的壓縮感知圖像稀疏方法，相對于基于改進層式DCT的壓縮感知編碼仍具有多分辨力特性，且圖像的壓縮效果有顯著改善。能有效地捕捉圖像的紋理及輪廓細節信息。壓縮率較高時對512×512測試圖Lena壓縮的信噪峰值比可提高4~8dB。
【技術實現步驟摘要】
本專利技術涉及一種數字圖像、數字視頻壓縮編碼技術，特別是涉及一種適合于“多路環境”或漸進式傳輸的具有多分辨力特性的離散余弦變換編碼方法。
技術介紹
現代社會，人們對信息的需求量劇增，信號從模擬到數字的轉換一直嚴格遵守著乃奎斯特采樣定理，即采樣速率必須達到信號帶寬的2倍以上才能精確重構信號。隨著傳 感系統獲取數據能力不斷增強，需要處理的數據量也不斷增多，這給信號處理的能力提出了更高的要求，也給相應的硬件設備帶來極大的挑戰。在實際應用中，為了減小存儲、傳輸和處理成本，我們常采用高速采樣再壓縮的方法，這浪費了大量的采樣資源。近年來出現了一種新的理論一Compressed sensing(或compressive sampling),即壓縮傳感或者壓縮采樣。這種理論利用其他變換空間描述信號，在保證信息不損失的情況下，用遠低于采樣定理要求的速率采樣信號的同時，又可完全恢復信號。這極大降低了信號的采樣頻率、信號處理的時間以及數據存儲和傳輸的代價，帶領信號處理進入一個新的時代。利用壓縮感知理論進行信號處理分析的前提是信號必須在某個特定的正交空間上具有稀疏性，信號的稀疏性與所選擇的正交空間特性密切相關。對于一個給定信號，需要選擇一個最合適的稀疏變換域，使其能夠有最佳的稀疏表示。具有多分辨率特性的層式DCT變換和小波變換依靠其對信號的時域、頻域分析能力以及對一維分段光滑信號優越的非線性逼近性能，在信號處理和圖像壓縮領域得到了廣泛應用。然而，這兩種變換在處理一維信號時所具有的優越性在處理二維信號或者更高維信號時并沒有體現出來，對于二維圖像信號，產生奇異性的主要是邊緣和輪廓信息，而由兩個正交的一維小波張量積構成的二維小波只具有有限的方向，即水平、垂直、對角。小波變換的有限方向使得其只能捕捉點奇異而無法最優表示線奇異或面奇異，因此不能以最稀疏的方式表示圖像的邊緣及輪廓信息。因此對于高維空間具有直線或曲線奇異性的信號不能進行很好檢測，信號壓縮后恢復的效果不好。
技術實現思路
本專利技術是為解決現有技術中的問題，而提供了一種簡化編碼、進一步提高圖像的壓縮率、解決保持圖像輪廓及細節信息、改善壓縮效果等問題、用于圖像/視頻網絡傳輸的一種。本專利技術為解決公知技術中存在的技術問題所采取的技術方案是 本專利技術的,對經過Contourlet變換的圖像數據的高頻部分再經過壓縮感知方法處理，低頻子帶直接作為低頻數據傳輸；在解碼過程中做相應的逆變換得到復原圖像；其中，編碼過程包括如下步驟 (1)編碼器讀入原圖像數據，對編碼器第一層的輸入數據即原圖像，進行拉普拉斯(Laplacian Pyramid，LP)變換即進行多尺度分解，變換后圖像分為低頻部分與高頻細節部分； (2)將高頻細節部分利用方向濾波器組(DirectionalFilter Bank, DFB)根據設定的方向數進行多方向分解； (3)圖像經LP分解后得到的低頻部分作為第二層的輸入數據；剩下的經過方向分解后的高頻數據視為第一層數據輸出； (4)對第二層的輸入數據作相同變換，產生新的數據即第二層數據又作為第三層的輸入數據，依次循環變換下去，直到滿足要求的層數； (5)頂層數據直接作為低頻子帶系數保持不變，選擇合適 的M值，構造MXN/2大小的服從(0，1/N)高斯分布的測量矩陣#分別對低頻子帶和高頻子帶進行測量，得到少量的測量系數。解碼過程包括如下步驟 (I)利用正交匹配追蹤算法(Orthogonal Matching Pursuit, 0MP)算法分別對測量后的高低頻系數矩陣進行重構，并進行DFB與LP逆變換，得到次高層的低頻系數。(2)解碼器讀入接收到的圖像數據，對次高層的高頻測量系數進行OMP重構，對重構后的系數進行DFB逆變換； (3)將變換后的系數與輸入的低頻系數一起進行LP逆變換得到更低一層的輸入數據，依次循環下去，直到最低一層數據； (4)對第一層圖像數據進行DFB和LP逆變換，得到重構圖像，至此解碼過程結束。本專利技術具有的優點和積極效果是 采用本專利技術的，相對于基于改進層式DCT的壓縮感知編碼仍具有多分辨力特性，且圖像的壓縮效果有顯著改善。能有效地捕捉圖像的紋理及輪廓細節信息。壓縮率較高時對512X512測試圖Lena壓縮的信噪峰值比可提聞 4 8 dB。附圖說明圖I是Contourlet變換LP和DFB分解不意 圖2是Lena512. bmp圖像兩種算法重構圖像PSNR比較； 圖3是Peppers512. bmp圖像兩種算法重構圖像PSNR比較； 圖4是Barbara512. bmp圖像兩種算法重構圖像PSNR比較。具體實施例方式以下參照附圖及實施例對本專利技術進行詳細的說明。本專利技術的,對經過Contourlet變換的圖像系數利用隨機高斯矩陣進行觀測，得到少量系數，根據這些少量系數，利用正交匹配追蹤算法進行重構，再進行Contourlet逆變換得到重構圖像。該方法處理圖像時，所需數據量少，且恢復圖像質量好，對紋理、輪廓等細節信息具有較好的保持能力。編碼包括如下步驟 (1)編碼器讀入原圖像數據，對編碼器第一層的輸入數據即原圖像，進行拉普拉斯(Laplacian Pyramid，LP)變換即進行多尺度分解，變換后圖像分為低頻部分與高頻細節部分； (2)將高頻細節部分利用方向濾波器組(DirectionalFilter Bank, DFB)根據設定的方向數進行多方向分解； (3)圖像經LP分解后得到的低頻部分作為第二層的輸入數據；剩下的經過方向分解后的高頻數據視為第一層數據輸出； (4)對第二層的輸入數據作相同變換，產生新的數據即第二層數據又作為第三層的輸入數據，依次循環變換下去，直到滿足要求的層數； (5)頂層數據直接作為低頻子帶系數保持不變，選擇合適的M值，構造MXN/2大小的服從(0，1/N)高斯分布的測量矩陣#分別對低頻子帶和高頻子帶進行測量，得到少量的測量系數。解碼包括如下步驟 (I)利用OMP算法分別對測量后的高低頻系數矩陣進行重構，并進行DFB與LP逆變換，得到次高層的低頻系數。(2)解碼器讀入接收到的圖像數據，對次高層的高頻測量系數進行OMP重構，對重構后的系數進行DFB逆變換； (3)將變換后的系數與輸入的低頻系數一起進行LP逆變換得到更低一層的輸入數據，依次循環下去，直到最低一層數據； (4)對第一層圖像數據進行DFB和LP逆變換，得到重構圖像，至此解碼過程結束。利用本專利技術提出的以及基于改進層式DCT的CS算法分別對512X512測試圖Lena、P印pers和Barbara進行三層壓縮編碼，實驗結果如表I、表2、表3所示?；贑ontourlet變換的CS與基于改進層式DCT的CS對512X512測試圖Lena、Peppers和Barbara壓縮效果比較曲線分別如圖2、圖3、圖4所示。從這些圖表中可以看出對壓縮還原后的圖像與原始圖像的誤差進行定量計算得到的結果，表中列出了兩種編碼方法得到的壓縮還原圖像的信噪峰值比和均方誤差，圖中列出了兩種編碼方法的信噪峰值比對比結果。表I兩種算法對Lena512. bmp圖像的處理結果對比本文檔來自技高網...
【技術保護點】
一種基于Contourlet變換的壓縮感知圖像稀疏方法，該方法對經過Contourlet變換的圖像數據的高頻部分再經過壓縮感知方法處理，低頻子帶直接作為低頻數據傳輸；在解碼過程中做相應的逆變換得到復原圖像；其特征在于，編碼過程包括如下步驟：(1)？編碼器讀入原圖像數據，對編碼器第一層的輸入數據即原圖像，進行拉普拉斯（LP）變換即進行多尺度分解，變換后圖像分為低頻部分與高頻細節部分；(2)？將高頻細節部分利用方向濾波器組（DFB）根據設定的方向數進行多方向分解；(3)？圖像經LP分解后得到的低頻部分作為第二層的輸入數據；剩下的經過方向分解后的高頻數據視為第一層數據輸出；(4)？對第二層的輸入數據作相同變換，產生新的數據即第二層數據又作為第三層的輸入數據，依次循環變換下去，直到滿足要求的層數；(5)？頂層數據直接作為低頻子帶系數保持不變，選擇合適的M值，構造M×N/2大小的服從（0，1/N）高斯分布的測量矩陣？？？？？？？？？？？？？？？？？？？？？？？？？？？？？？？？？？？？？？？？？？？？？？？？分別對低頻子帶和高頻子帶進行測量，得到少量的測量系數；解碼過程包括如下步驟：(1)？利用OMP算法分別對測量后的高低頻系數矩陣進行重構，并進行DFB與LP逆變換，得到次高層的低頻系數；(2)？解碼器讀入接收到的圖像數據，對次高層的高頻測量系數進行OMP重構，對重構后的系數進行DFB逆變換；(3)？將變換后的系數與輸入的低頻系數一起進行LP逆變換得到更低一層的輸入數據，依次循環下去，直到最低一層數據；？(4)？對第一層圖像數據進行DFB和LP逆變換，得到重構圖像，至此解碼過程結束。2012102656590100001dest_path_image001.jpg...
【技術特征摘要】
1.一種基于Contourlet變換的壓縮感知圖像稀疏方法,該方法對經過Contourlet變換的圖像數據的高頻部分再經過壓縮感知方法處理，低頻子帶直接作為低頻數據傳輸；在解碼過程中做相應的逆變換得到復原圖像；其特征在于， 編碼過程包括如下步驟 (1)編碼器讀入原圖像數據，對編碼器第一層的輸入數據即原圖像，進行拉普拉斯(LP)變換即進行多尺度分解，變換后圖像分為低頻部分與高頻細節部分； (2)將高頻細節部分利用方向濾波器組(DFB)根據設定的方向數進行多方向分解； (3)圖像經LP分解后得到的低頻部分作為第二層的輸入數據；剩下的經過方向分解后的高頻數據視為第一層數據輸出； (4)對第二層的輸入數據作相同變換，產生新的數據即第二層數據又作為第三層...
【專利技術屬性】
技術研發人員：張寶菊，王為，
申請(專利權)人：天津師范大學，
類型：發明
國別省市：
還沒有人留言評論。發表了對其他瀏覽者有用的留言會獲得科技券。