專利名稱：基于多尺度顯著圖的自適應(yīng)圖像壓縮采樣方法
技術(shù)領(lǐng)域：
本發(fā)明屬于圖像處理技術(shù)領(lǐng)域，主要涉及一種自適應(yīng)圖像壓縮采樣方法，具體是基于多尺度顯著圖的自適應(yīng)圖像壓縮采樣方法。
背景技術(shù)：
傳統(tǒng)的信號采樣理論基于奈奎斯特采樣定理，為保證從采樣信號中無失真地恢復(fù)信號，采樣頻率應(yīng)至少大于信號截止頻率的兩倍。在信號帶寬較大時(shí)，這會導(dǎo)致較高的硬件代價(jià)。壓縮采樣(⑶)就是為了克服該問題所提出的一種新的信號獲取與處理的理論框架。 基本思想是假設(shè)原信號是可壓縮的，即能夠在某個(gè)字典下得到稀疏表示，那么通過構(gòu)造一個(gè)與字典不相關(guān)的觀測系統(tǒng)，用觀測矩陣觀測(或采樣)信號，在很少的觀測數(shù)下就能夠恢復(fù)出原始信號。在該理論框架下，采樣率與信號的帶寬無關(guān)，而與信號中信息的結(jié)構(gòu)和內(nèi)容有關(guān)。目前已知的圖像壓縮采樣方法都是基于分塊操作的。在觀測原信號時(shí)，都是對圖像的各個(gè)塊采用相同的測量數(shù)進(jìn)行觀測，分配的測量數(shù)目越多，則重構(gòu)圖像的質(zhì)量越好。但是在實(shí)際應(yīng)用中，不同的塊引起圖像使用者的視覺注意的程度也是不同的，或者圖像的使用者往往只是對圖像的某一部分感興趣。因此，為了得到對“視覺顯著”區(qū)域或稱“感興趣” 區(qū)域，或稱“注意”區(qū)域更高的重構(gòu)質(zhì)量，應(yīng)對不同的塊采用自適應(yīng)采樣率的方案，目前采用的分塊壓縮采樣方法均忽視了該問題。它們對于每一個(gè)塊均采用了相同的采樣率，這樣對于“視覺顯著”區(qū)域分配的采樣資源不足以達(dá)到所需要的程度，相反對于“非視覺顯著”區(qū)域，又會造成采樣資源的浪費(fèi)，沒有將有限的采樣資源有效利用。

發(fā)明內(nèi)容
本發(fā)明的目的在于克服上述已有問題的缺點(diǎn)，提出了一種基于多尺度顯著圖的自適應(yīng)圖像壓縮采樣方法，在相同的采樣資源下，能提高重構(gòu)圖像的質(zhì)量。為實(shí)現(xiàn)上述目的， 本發(fā)明的技術(shù)方案是首先，由低分辨率傳感器得到低分辨率采樣圖像；其次，對采樣圖像進(jìn)行支撐值(SVT)變換，由支撐值計(jì)算得到圖像顯著圖；通過顯著圖來確定“視覺顯著”區(qū)域和“非視覺顯著”區(qū)域；然后，分配測量數(shù)，對“視覺顯著”區(qū)域分配較多的采樣資源，“非視覺顯著”區(qū)域分配較少的采樣資源；最后，對自適應(yīng)測量得到的數(shù)據(jù)，通過非線性重構(gòu)算法，最終得到重構(gòu)圖像。具體步驟包括(1)通過低分辨率傳感器采集得到低分辨率采樣圖像P。(2)對低分辨率采樣圖像P，讓其通過SVT變換，當(dāng)設(shè)分解級數(shù)為3級時(shí)，得到一幅低頻圖像P1和三幅高頻支撐值圖像S1, S2, &。(3)取前兩幅高頻支撐值圖像，對其加權(quán)求和，得到支撐值圖像S S = W1S^W2S2(4)對S進(jìn)行雙線性插值并且歸一化，得到與原圖像尺寸大小相同的顯著圖S'。(5)對S'進(jìn)行分塊操作，將其分為互不重疊的8*8大小的小塊，每一小塊分別記作<，i = 1，2...n，其中i為小塊的順序，η為小塊的總數(shù)目。(6)分別計(jì)算S'的標(biāo)準(zhǔn)差Μ，《'的標(biāo)準(zhǔn)差HIi和S'的均值m，統(tǒng)計(jì)每一小塊中HIi > M并且支撐值大于m的個(gè)數(shù)t。設(shè)定閾值t'，如果t>t'，該塊則被標(biāo)記為“視覺顯著” 塊；如果1<1，該塊則被標(biāo)記為“非視覺顯著”塊。所有的“視覺顯著”塊組成“視覺顯著”區(qū)域，“非視覺顯著”塊組成“非視覺顯著”區(qū)域。標(biāo)記一方面為了給分配采樣率提供路徑，另一方面，也可以獲得直觀的采樣率分配的狀況。(7)對低分辨率采樣圖像P進(jìn)行分塊操作，其分塊原則同步驟(5)相同，每一小塊記作Pi, i = 1，2. . . n，其中i為小塊的順序，η為小塊的總數(shù)目。(8)根據(jù)“視覺顯著”區(qū)域分配較高的采樣資源，“非視覺顯著”區(qū)域分配較低的采樣資源這一原則，對低分辨率采樣圖像每一小塊Pi進(jìn)行隨機(jī)觀測，得到測量值y。(9)通過正交匹配追蹤(OMP)重構(gòu)算法，求優(yōu)化解其中 是稀疏系數(shù)，A是觀測矩陣，D是先驗(yàn)確定的稀疏表示原信號的字典，λ是正則化參數(shù)。(10)將步驟(9)所求得的系數(shù) 代入X = M中，得到每一個(gè)小塊的重構(gòu)圖像X。(11)組合所有的小塊重構(gòu)圖像X，得到最終的重構(gòu)圖像X'。在現(xiàn)有技術(shù)中，對圖像進(jìn)行壓縮采樣時(shí)，對圖像的所有部分采用相同的采樣率，對于一幅圖像來說，包括自然圖像，SAR圖像，可見光遙感圖像等，無論圖像的內(nèi)容是人物，建筑，還是景物，物件等，在圖像中總有重點(diǎn)和非重點(diǎn)之分，也就是說有視覺注意和非視覺注意的不同，比如說圖像中有人物，也有背景，人物就是我們視覺注意的對象，背景則是非視覺注意對象。本發(fā)明在對圖像進(jìn)行壓縮采樣時(shí)，對圖像中上述的不同對象進(jìn)行了不同的采樣資源分配，在同等采樣資源下，本發(fā)明可以獲得在重點(diǎn)部分更清晰的圖像顯示，而在非重點(diǎn)部分圖像的視覺質(zhì)量也沒有明顯的降低。本發(fā)明根據(jù)圖像的顯著圖得到“視覺顯著”區(qū)域和“非視覺顯著”區(qū)域，對“視覺顯著”區(qū)域分配較高的采樣資源，“非視覺顯著”區(qū)域分配較低的采樣資源，從而實(shí)現(xiàn)自適應(yīng)的分配采樣資源，在相同的采樣率下得到重構(gòu)質(zhì)量更好的圖像。該方法可用于自然圖像、遙感圖像等各種圖像的自適應(yīng)壓縮采樣中，在低成本成像設(shè)備中有廣闊的應(yīng)用前景。本發(fā)明的實(shí)現(xiàn)還在于基于多尺度顯著圖的自適應(yīng)圖像壓縮采樣方法，其中步驟 (2)所述的SVT變換，按如下步驟進(jìn)行2a)給定映射輸入矢量空間的矩形鄰域大小，給定最小二乘向量機(jī)的參數(shù)Y以及高斯徑向基(RBF)核函數(shù)的參數(shù)ο。其中RBF核函數(shù)的數(shù)學(xué)表達(dá)式為K (X，Xi) = exp (_ || X-Xi || 2/2 σ 2)2b)計(jì)算 NXN 矩陣 Ω，這里 Qij = K(xi Xj)+Iij/Y , i，j = 1，. . .，N ；2c)用下述公式計(jì)算矩陣A和B并且用Α(Ι·" ^計(jì)算NXN矩陣
其中
權(quán)利要求
1.一種基于多尺度顯著圖的自適應(yīng)圖像壓縮采樣方法，包括如下步驟(1)通過低分辨率傳感器采集得到低分辨率采樣圖像P；(2)對低分辨率采樣圖像P進(jìn)行SVT變換，當(dāng)設(shè)分解級數(shù)為3級時(shí)，得到一幅低頻圖像 P1和三幅高頻支撐值圖像S1, S2, S3 ；(3)取前兩幅高頻支撐值圖像，對其加權(quán)求和，得到支撐值圖像S
2.根據(jù)權(quán)利要求1所述的基于多尺度顯著圖的自適應(yīng)圖像壓縮采樣方法，其中步驟 (2)所述的SVT變換，按如下步驟進(jìn)行2a)給定映射輸入矢量空間的矩形鄰域大小，給定最小二乘向量機(jī)的參數(shù)Y以及高斯徑向基(RBF)核函數(shù)的參數(shù)σ，其中RBF核函數(shù)的數(shù)學(xué)表達(dá)式為K (x, Xi) = exp (- Il X-Xi Il 2/2 σ2)2b)計(jì)算 NXN 矩陣 Ω，這里 Ω。= Κ(χ”，i，j = 1，...，N;2c)用下述公式計(jì)算矩陣A和B并且用Α(Ι- Β)計(jì)算NXN矩陣0
3.根據(jù)權(quán)利要求1所述的基于多尺度顯著圖的自適應(yīng)圖像壓縮采樣的方法，其中步驟 (8)所述的對低分辨率采樣圖像每一小塊Pi進(jìn)行隨機(jī)觀測，按如下方法進(jìn)行對于第i小塊，如果其被標(biāo)記為“視覺顯著”±夬，進(jìn)行隨機(jī)觀測時(shí)所分配的采樣率為θ ,； 如果其被標(biāo)記為“非視覺顯著”±夬，進(jìn)行隨機(jī)觀測時(shí)所分配的采樣率為θ2，并且Ii1 θ ^n2 θ 2 = η θ其中Ii1為“視覺顯著”塊的總數(shù)目，η2為“非視覺顯著”塊的總數(shù)目，且η = ηι+η2，θ 為平均采樣率。
全文摘要
本發(fā)明公開了一種基于多尺度顯著圖的自適應(yīng)圖像壓縮采樣方法，解決了在壓縮采樣時(shí)對圖像平均分配采樣率造成采樣資源浪費(fèi)的問題。主要是對采樣圖像進(jìn)行SVT變換，計(jì)算得到圖像顯著圖；依此圖確定“視覺顯著”和“非視覺顯著”區(qū)域；分配測量數(shù)，對“視覺顯著”區(qū)域分配較多的采樣資源；通過非線性重構(gòu)算法，對自適應(yīng)采樣得到的測量數(shù)據(jù)進(jìn)行重構(gòu)，最終得到重構(gòu)圖像。本發(fā)明與現(xiàn)有的技術(shù)相比，在圖像壓縮測量時(shí)能根據(jù)人們視覺注意的區(qū)域不同，針對不同注意區(qū)域自適應(yīng)的分配采樣資源，提高了采樣資源的利用率，同時(shí)也提高了恢復(fù)圖像的質(zhì)量。本發(fā)明可用于自然圖像，遙感圖像等的自適應(yīng)壓縮采樣，在低成本成像設(shè)備中有廣闊的應(yīng)用前景。
文檔編號G06T9/00GK102393966SQ20111016108
公開日2012年3月28日 申請日期2011年6月15日 優(yōu)先權(quán)日2011年6月15日
發(fā)明者侯彪, 劉帆, 劉芳, 吳赟, 周宇, 左第俊, 楊淑媛, 焦李成, 王爽, 馬文萍 申請人:西安電子科技大學(xué)