[发明专利]基于多尺度显著图的自适应图像压缩采样方法

说明书

技术领域

本发明属于图像处理技术领域，主要涉及一种自适应图像压缩采样方法，具体是基于多尺度显著图的自适应图像压缩采样方法。

背景技术

传统的信号采样理论基于奈奎斯特采样定理，为保证从采样信号中无失真地恢复信号，采样频率应至少大于信号截止频率的两倍。在信号带宽较大时，这会导致较高的硬件代价。压缩采样(CS)就是为了克服该问题所提出的一种新的信号获取与处理的理论框架。基本思想是：假设原信号是可压缩的，即能够在某个字典下得到稀疏表示，那么通过构造一个与字典不相关的观测系统，用观测矩阵观测(或采样)信号，在很少的观测数下就能够恢复出原始信号。在该理论框架下，采样率与信号的带宽无关，而与信号中信息的结构和内容有关。

目前已知的图像压缩采样方法都是基于分块操作的。在观测原信号时，都是对图像的各个块采用相同的测量数进行观测，分配的测量数目越多，则重构图像的质量越好。但是在实际应用中，不同的块引起图像使用者的视觉注意的程度也是不同的，或者图像的使用者往往只是对图像的某一部分感兴趣。因此，为了得到对“视觉显著”区域或称“感兴趣”区域，或称“注意”区域更高的重构质量，应对不同的块采用自适应采样率的方案，目前采用的分块压缩采样方法均忽视了该问题。它们对于每一个块均采用了相同的采样率，这样对于“视觉显著”区域分配的采样资源不足以达到所需要的程度，相反对于“非视觉显著”区域，又会造成采样资源的浪费，没有将有限的采样资源有效利用。

发明内容

本发明的目的在于克服上述已有问题的缺点，提出了一种基于多尺度显著图的自适应图像压缩采样方法，在相同的采样资源下，能提高重构图像的质量。为实现上述目的，本发明的技术方案是：首先，由低分辨率传感器得到低分辨率采样图像；其次，对采样图像进行支撑值(SVT)变换，由支撑值计算得到图像显著图；通过显著图来确定“视觉显著”区域和“非视觉显著”区域；然后，分配测量数，对“视觉显著”区域分配较多的采样资源，“非视觉显著”区域分配较少的采样资源；最后，对自适应测量得到的数据，通过非线性重构算法，最终得到重构图像。具体步骤包括：

(1)通过低分辨率传感器采集得到低分辨率采样图像P。

(2)对低分辨率采样图像P，让其通过SVT变换，当设分解级数为3级时，得到一幅低频图像P₁和三幅高频支撑值图像S₁，S₂，S₃。

(3)取前两幅高频支撑值图像，对其加权求和，得到支撑值图像S：

S＝w₁S₁+w₂S₂

(4)对S进行双线性插值并且归一化，得到与原图像尺寸大小相同的显著图S′。

(5)对S′进行分块操作，将其分为互不重叠的8*8大小的小块，每一小块分别记作i＝1，2...n，其中i为小块的顺序，n为小块的总数目。

(6)分别计算S′的标准差M，的标准差m_i和S′的均值m，统计每一小块中m_i＞M并且支撑值大于m的个数t。设定阈值t′，如果t＞t′，该块则被标记为“视觉显著”块；如果t≤t′，该块则被标记为“非视觉显著”块。所有的“视觉显著”块组成“视觉显著”区域，“非视觉显著”块组成“非视觉显著”区域。标记一方面为了给分配采样率提供路径，另一方面，也可以获得直观的采样率分配的状况。

(7)对低分辨率采样图像P进行分块操作，其分块原则同步骤(5)相同，每一小块记作P_i，i＝1，2...n，其中i为小块的顺序，n为小块的总数目。

(8)根据“视觉显著”区域分配较高的采样资源，“非视觉显著”区域分配较低的采样资源这一原则，对低分辨率采样图像每一小块P_i进行随机观测，得到测量值y。

(9)通过正交匹配追踪(OMP)重构算法，求优化解：