專利名稱：一種基于壓縮感知理論的分類量化圖像編碼方法
技術領域：
本發(fā)明涉及圖像編碼領域，具體是一種基于壓縮感知理論的分類量化圖像編碼方法。
背景技術：
隨著無線通信和多媒體技術的飛速發(fā)展，傳感系統(tǒng)獲取數據的能力不斷地得到增強，需要處理的數據量也不斷增多。而在傳統(tǒng)的采樣過程中，為了避免信號失真，采樣頻率不得低于信號最高頻率的2倍，依照奈奎斯特采樣定律會導致海量采樣數據，大大增加了存儲和傳輸的代價，這無疑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了極大的挑戰(zhàn)。而在實際應用中，為了降低存儲、處理和傳輸成本，人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。壓縮感知理論是近年來針對稀疏信號提出的一種壓縮方法，該理論表明，當信號具有稀疏性或可壓縮性時，通過采集少量的信號觀測值就可以實現信號的準確或近似重構。它實現了對信息的直接采樣，從而使采樣數據遠遠小于奈奎斯特采樣定律要求的數據量。由于圖像經小波分解后得到的高頻系數具有較強的稀疏性，利用壓縮感知原理，可以得到數據量遠遠小于高頻系數本身數據量的觀測樣值。本發(fā)明根據壓縮感知理論的特性，提出了分類量化圖像編碼方法，對小波分解后的高低頻系數分別進行編碼測量，從而提高了重構圖像的質量；而且該方法可以在減少圖像信號采樣的同時，得到高質量的圖像，從而降低了計算復雜度，易于硬件實現。壓縮感知理論為考慮一個實值的有限長一維離散時間信號X，可以看作一個Rn空間NX 1的維的列向量，元素為x[n]，η = 1，2，L，η.如果信號是K稀疏的，可以表示為下式χ = ψ θ(1)其中Ψ是NXN矩陣，θ為系數組成的NXl維的列向量，當信號χ在某個基Ψ 上僅有K << N個非零系數(或遠大于零的系數)時，稱Ψ為信號χ的稀疏基。壓縮感知理論指出，若一長度為N的信號X在某個正交基Ψ上的變換系數是稀疏的(即只有少數的非零系數)，如果將這些系數投影到另一個與稀疏基Ψ不相關的觀測基Φ上，得到MXl維的測量信號y，便可實現了對原信號χ的壓縮采樣。表達式為γ=Φχ=Φψ8=ΘΘ (2)其中Φ為MXN的觀測矩陣，Θ=ΦΨ為MXN矩陣，被稱作投影矩陣。y可以看作是稀疏信號θ關于投影矩陣Θ的觀測值。只有當正交基Ψ和觀測矩陣Φ不相干，即投影矩陣θ滿足約束等距性條件，信號χ可以憑借這些觀測值通過求解優(yōu)化問題(3)而精確恢復。壓縮感知理論用于圖像處理領域的結構框圖如圖1所示。n^nl—k S. t. y = φ ψ θ ⑶壓縮感知理論的優(yōu)點在于信號的投影測量數據量遠遠小于傳統(tǒng)采樣方法所獲的數據量，突破了香農采樣定理的瓶頸，使得高分辨率信號的采集成為可能。壓縮感知理論的引人之處在于它對于應用科學和工程的許多領域都具有重要的影響和實踐意義，如統(tǒng)計學、信息論、編碼原理、計算機科學理論及其它理論。小波變換圖像壓縮編解碼圖像經小波變換后，形成高低頻的子帶，通過對各個子帶的變換系數采取合適的量化編碼，再經熵編碼后就得到圖像壓縮后的比特流，在解碼端再通過反熵編碼、反量化及小波逆變換得到重構的圖像。圖像小波變換壓縮編解碼過程如圖2所示。在整個圖像壓縮編碼過程中，量化編碼階段占有舉足輕重的地位，因為實際上所有的信息損失都發(fā)生在量化編碼階段。一般說來，傳統(tǒng)的量化編碼方法采用標量量化和矢量量化的方法。其中標量量化方法普遍具有圖像復原效果好但壓縮比小的特點，例如DPCM 編碼等。對于矢量量化方法來說，由于能夠有效利用向量各分量間相互關聯(lián)的性質，故普遍具有壓縮比大的優(yōu)點，然而都不同程度具有壓縮速度慢，圖像復原效果不理想的弱點，例如 LBG矢量編碼算法等。

發(fā)明內容
本發(fā)明所要解決的技術問題是，針對標量量化壓縮比小而矢量量化壓縮速度慢、 圖像復原效果不理想等問題，又根據圖像小波分解后高頻子帶稀疏的特點，提出了一種基于壓縮感知理論的分類量化圖像編碼算法，本方法可以在提高圖像壓縮比的同時獲得高質量的編碼圖像。為解決上述問題，本發(fā)明的技術方案是，基于壓縮感知理論的分類量化圖像編碼方法為利用小波變換將圖像分解成低頻系數和高頻系數；對低頻系數采用低壓縮的DPCM 編碼得到低頻碼流，對高頻系數采用隨機觀測得到觀測值，再對其進行LBG矢量量化編碼得到高頻碼流；對得到的低頻碼流采用DPCM解碼方法得到低頻系數，對高頻碼流進行LBG 矢量量化解碼，利用求解11范數的線性規(guī)劃問題，重構高頻系數；對上述低頻系數和高頻系數進行小波合成，得到編碼后的圖像小波系數；對合成后的小波系數進行后置的低通濾波，得到重構的圖像。本發(fā)明解決了標量量化壓縮比小而矢量量化壓縮速度慢、圖像復原效果不理想等問題，在提高圖像壓縮比的同時獲得了高質量的編碼圖像。


圖1為基于壓縮感知理論的圖像重構框圖；圖2為小波變換圖像壓縮編解碼過程；圖3為基于壓縮感知理論的分類量化圖像編碼系統(tǒng)；圖4為基于壓縮感知理論的分類量化圖像解碼系統(tǒng)；圖5為基于壓縮感知理論的分類量化圖像編碼方法與LBG矢量量化編碼方法效果比較圖， (a)基于壓縮感知理論的分類量化圖像編碼重構圖像，(b)LBG矢量量化編碼重構圖像。具體實 施方式本發(fā)明的圖像編解碼框圖如圖3和圖4所示，圖像經小波變換形成高、低頻的多級子帶，本發(fā)明對高、低頻帶分別采取不同量化編碼方法。低頻子帶反映了圖像的主要信息， 對其采用低壓縮的DPCM編碼方法，以保留圖像信息的整體特征，提高圖像質量。圖像高頻帶是圖像中邊緣、輪廓和紋理等細節(jié)信息的體現，變換后的小波高頻系數具有較強的稀疏性，由壓縮感知理論可知，對其經過隨機觀測可以得到數據量大大減少的觀測序列，并且可以由這些觀測序列較精確的重構高頻系數。由于隨機觀測恢復高頻系數的壓縮感知重構方法是建立在I1范數意義下，數據之間還有很多的冗余性沒有去除，因此對于高頻系數的觀測值仍可以采用一定的編碼方法進一步壓縮碼率。本發(fā)明對小波高頻系數用隨機觀測矩陣投影得到觀測樣值，再采用LBG矢量量化編碼進行進一步壓縮。針對壓縮感知算法導致解碼后小波系數合成的圖像高頻提升的現象，在解碼系統(tǒng)中采用后置低通濾波器的方法來改善重構圖像的質量。確定小波分解級數小波分解級數對圖像的重構結果有著重大影響，由于圖像經小波分解后分為高頻和低頻子帶，級數越多小波低頻系數越少，高頻系數越多，可以對稀疏的高頻子帶進行隨機觀測。但實驗中發(fā)現級數較高時獲得的圖像質量并不是很理想，這是因為當小波分解級數較高時，就減少了反映圖像主要信息的低頻系數，也說明小波低頻系數的重構質量對圖像編碼質量的重要性，綜合考慮壓縮率與圖像重構質量，本發(fā)明算法中采取3級小波分解。確定觀測矩陣小波變換后的高頻子帶是稀疏的，可將小波基認為是圖像變換的稀疏基，要使高頻子帶可以以較少的觀測值得到重構，就必須保證稀疏基Ψ和觀測矩陣Φ 不相干，因隨機矩陣具有與任何稀疏基都不相干的優(yōu)越性，故采用其作為觀測矩陣。基于壓縮感知理論的分類量化圖像編碼方法的具體實現步驟如下1.對像素為aXb的圖像進行小波變換，分別得到圖像的低頻和高頻子帶；2.編碼端采用分類量化圖像編碼的方法，對低頻系數采用低壓縮的DPCM編碼得到低頻碼流；對稀疏的高頻系數采用隨機觀測得到觀測值，再對其進行LBG矢量量化編碼得到高頻碼流；3.解碼端對得到的低頻碼流采用DPCM解碼方法得到低頻系數；對高頻碼流先進行LBG矢量量化解碼，然后利用求解I1范數的線性規(guī)劃問題，重構高頻系數；4.對解碼端得到的低頻系數和高頻系數進行小波合成，得到編碼后的圖像小波系數；5.對合成后的小波系數進行后置的低通濾波，最后得到重構的圖像?；趬嚎s感知理論的分類量化圖像編碼算法仿真實驗中，硬件條件是P42. 4GHz、 512M內存，軟件條件是Windows XP，Matlab7. 0版本。為了更好的描述方法的性能，采用壓縮率(CR)、峰值信噪比(PSNR)和編解碼所需時間作為評價圖像編碼壓縮的指標。實驗1基于壓縮感知理論的分類量化圖像編碼算法與LBG矢量量化編碼算法效果比較為了驗證本發(fā)明算法的可行性和高效性，選用像素為256X256的Lena圖像進行仿真。實驗采用雙正交小波Bior3. 7作為變換基，分解級數為3級，觀測矩陣為服從(0，1/ N)分布的隨機高斯矩陣，壓縮感知理論的重構算法采用正交匹配算法(OMP)，LBG矢量量化采用采用的碼書尺寸為256，碼字大小為8維，仿真結果如圖5(a)所示。然后再對圖像進行小波變換后直接利用LBG矢量量化編碼算法，得到的圖像如圖5(b)所示。實驗為了使兩種算法在相似壓縮比下對圖像重構效果進行比較，在本發(fā)明算法編碼時，對高頻系數進行的壓縮感知隨機觀測采用的是近似全觀測，由表1相似壓縮比下不同算法的Lena圖像重構性能比較中的實驗數據可以看出，采用本發(fā)明編碼算法在相似壓縮比下比LBG矢量量化得到的圖像質量要高，但因為在進行壓縮感知隨進觀測時采用的是對高頻系數全觀測的方法，所以在編解碼的時間上比LBG矢量量化編解碼時間要長。
權利要求
1. 一種基于壓縮感知理論的分類量化圖像編碼方法，其特征在于，該方法為1)利用小波變換將圖像分解成低頻系數和高頻系數；2)對低頻系數采用低壓縮的DPCM編碼得到低頻碼流，對高頻系數采用隨機觀測得到觀測值，再對觀測值進行LBG矢量量化編碼得到高頻碼流；3)對得到的低頻碼流采用DPCM解碼方法得到低頻系數，對高頻碼流進行LBG矢量量化解碼，利用求解I1范數的線性規(guī)劃問題，重構高頻系數；4)對上述低頻系數和高頻系數進行小波合成，得到編碼后的圖像小波系數；5)對合成后的小波系數進行后置的低通濾波，得到重構的圖像。
全文摘要
本發(fā)明公開了一種基于壓縮感知理論的分類量化圖像編碼方法，該方法為利用小波變換將圖像分解成低頻系數和高頻系數；對低頻系數采用低壓縮的DPCM編碼得到低頻碼流，對高頻系數采用隨機觀測得到觀測值，再對其進行LBG矢量量化編碼得到高頻碼流；對得到的低頻碼流采用DPCM解碼方法得到低頻系數，對高頻碼流進行LBG矢量量化解碼，利用求解l1范數的線性規(guī)劃問題，重構高頻系數；對上述低頻系數和高頻系數進行小波合成，得到編碼后的圖像小波系數；對合成后的小波系數進行后置的低通濾波，得到重構的圖像?；趬嚎s感知理論的分類量化圖像編碼方法可以在提高圖像壓縮比的同時獲得高質量的編碼圖像。
文檔編號H04N7/30GK102158701SQ20111009775
公開日2011年8月17日 申請日期2011年4月19日 優(yōu)先權日2011年4月19日
發(fā)明者張偉, 曾凡仔, 曾慶光, 李仁發(fā) 申請人:湖南大學