專利名稱：基于Contourlet變換的壓縮感知圖像稀疏方法
技術領域：
本發(fā)明涉及一種數(shù)字圖像、數(shù)字視頻壓縮編碼技術，特別是涉及一種適合于“多路環(huán)境”或漸進式傳輸?shù)木哂卸喾直媪μ匦缘碾x散余弦變換編碼方法。
背景技術：
現(xiàn)代社會，人們對信息的需求量劇增，信號從模擬到數(shù)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(tǒng)獲取數(shù)據(jù)能力不斷增強，需要處理的數(shù)據(jù)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(zhàn)。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(xiàn)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(shù)據(jù)存儲和傳輸?shù)拇鷥r，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(yōu)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(yōu)越性在處理二維信號或者更高維信號時并沒有體現(xiàn)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(yōu)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。

發(fā)明內容
本發(fā)明是為解決現(xiàn)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(jié)信息、改善壓縮效果等問題、用于圖像/視頻網絡傳輸?shù)囊环N基于Contourlet變換的壓縮感知圖像稀疏方法。本發(fā)明為解決公知技術中存在的技術問題所采取的技術方案是
本發(fā)明的基于Contourlet變換的壓縮感知圖像稀疏方法,對經過Contourlet變換的圖像數(shù)據(jù)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(shù)據(jù)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(shù)據(jù)，對編碼器第一層的輸入數(shù)據(jù)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(jié)部分；
(2)將高頻細節(jié)部分利用方向濾波器組(DirectionalFilter Bank, DFB)根據(jù)設定的方向數(shù)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(shù)據(jù)；剩下的經過方向分解后的高頻數(shù)據(jù)視為第一層數(shù)據(jù)輸出；
(4)對第二層的輸入數(shù)據(jù)作相同變換，產生新的數(shù)據(jù)即第二層數(shù)據(jù)又作為第三層的輸入數(shù)據(jù)，依次循環(huán)變換下去，直到滿足要求的層數(shù)；
(5)頂層數(shù)據(jù)直接作為低頻子帶系數(shù)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(shù)。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(shù)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(shù)。(2)解碼器讀入接收到的圖像數(shù)據(jù)，對次高層的高頻測量系數(shù)進行OMP重構，對重構后的系數(shù)進行DFB逆變換；
(3)將變換后的系數(shù)與輸入的低頻系數(shù)一起進行LP逆變換得到更低一層的輸入數(shù)據(jù)，依次循環(huán)下去，直到最低一層數(shù)據(jù)；
(4)對第一層圖像數(shù)據(jù)進行DFB和LP逆變換，得到重構圖像，至此解碼過程結束。本發(fā)明具有的優(yōu)點和積極效果是
采用本發(fā)明的基于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(jié)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。


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發(fā)明進行詳細的說明。本發(fā)明的基于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(shù)利用隨機高斯矩陣進行觀測，得到少量系數(shù)，根據(jù)這些少量系數(shù)，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(shù)據(jù)量少，且恢復圖像質量好，對紋理、輪廓等細節(jié)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(shù)據(jù)，對編碼器第一層的輸入數(shù)據(jù)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(jié)部分；
(2)將高頻細節(jié)部分利用方向濾波器組(DirectionalFilter Bank, DFB)根據(jù)設定的方向數(shù)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(shù)據(jù)；剩下的經過方向分解后的高頻數(shù)據(jù)視為第一層數(shù)據(jù)輸出；
(4)對第二層的輸入數(shù)據(jù)作相同變換，產生新的數(shù)據(jù)即第二層數(shù)據(jù)又作為第三層的輸入數(shù)據(jù)，依次循環(huán)變換下去，直到滿足要求的層數(shù)；
(5)頂層數(shù)據(jù)直接作為低頻子帶系數(shù)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(shù)。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(shù)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(shù)。(2)解碼器讀入接收到的圖像數(shù)據(jù)，對次高層的高頻測量系數(shù)進行OMP重構，對重構后的系數(shù)進行DFB逆變換；
(3)將變換后的系數(shù)與輸入的低頻系數(shù)一起進行LP逆變換得到更低一層的輸入數(shù)據(jù)，依次循環(huán)下去，直到最低一層數(shù)據(jù)；
(4)對第一層圖像數(shù)據(jù)進行DFB和LP逆變換，得到重構圖像，至此解碼過程結束。利用本發(fā)明提出的基于Contourlet變換的壓縮感知圖像稀疏方法以及基于改進層式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
權利要求
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(shù)據(jù)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(shù)據(jù)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(shù)據(jù)，對編碼器第一層的輸入數(shù)據(jù)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(jié)部分； (2)將高頻細節(jié)部分利用方向濾波器組(DFB)根據(jù)設定的方向數(shù)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(shù)據(jù)；剩下的經過方向分解后的高頻數(shù)據(jù)視為第一層數(shù)據(jù)輸出； (4)對第二層的輸入數(shù)據(jù)作相同變換，產生新的數(shù)據(jù)即第二層數(shù)據(jù)又作為第三層的輸入數(shù)據(jù)，依次循環(huán)變換下去，直到滿足要求的層數(shù)； (5)頂層數(shù)據(jù)直接作為低頻子帶系數(shù)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(shù)； 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(shù)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(shù)； (2)解碼器讀入接收到的圖像數(shù)據(jù)，對次高層的高頻測量系數(shù)進行OMP重構，對重構后的系數(shù)進行DFB逆變換； (3)將變換后的系數(shù)與輸入的低頻系數(shù)一起進行LP逆變換得到更低一層的輸入數(shù)據(jù)，依次循環(huán)下去，直到最低一層數(shù)據(jù)； (4)對第一層圖像數(shù)據(jù)進行DFB和LP逆變換，得到重構圖像，至此解碼過程結束。
全文摘要
本發(fā)明公開了一種基于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(shù)利用隨機高斯矩陣進行觀測，得到少量系數(shù)，根據(jù)這些少量系數(shù)，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(shù)據(jù)量少，且恢復圖像質量好，對紋理、輪廓等細節(jié)信息具有較好的保持能力。采用本發(fā)明的基于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(jié)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。
文檔編號H04N7/26GK102833537SQ201210265659
公開日2012年12月19日 申請日期2012年7月30日 優(yōu)先權日2012年7月30日
發(fā)明者張寶菊, 王為 申請人:天津師范大學