[发明专利]基于压缩感知和WBCT变换的静态图像编码方法

说明书

技术领域

本发明涉及数字图像处理领域、静态图像编码领域。具体讲，涉及基于压缩感知和WBCT变换的静态图像编码方法。

背景技术

图像数据有极强的相关性，即图像信息有大量的冗余信息。这是图像压缩技术赖以发展的基础，人们就是最大限度地利用这种冗余信息，尽量减少表示图像时所需的数据来进行图像压缩。图像压缩编码一般来说主要分为三大步骤：图像的去相关表示(变换)，量化，熵编码。

压缩感知能够将一个高维的稀疏信号或可压缩信号由测量后得到的维数较低的测量值进行重构，突破了信号获取方面传统的奈奎斯特采样定律的限制，即可在信号采样的同时，进行数据的压缩。基于CS的信息处理方法对编码端设计的复杂度要求低，计算量需求小，且将采样与编码结合，可以直接获得待处理信号的少量关键测量。

发明内容

为克服现有技术的不足，本发明旨在实现基于压缩感知框架下进行静态图像的有效编码，大大降低系统的硬件和运算负担，进而加快整个系统的运行速度，可以在降低采样矩阵规模的同时加快采样的速度。为此，本发明采取的技术方案是，基于压缩感知和WBCT变换的静态图像编码方法，包括如下步骤：

第一步：对图像进行基于小波的Contourlet变换(WBCT)，分别得到低频融合分量和高频融合分量；

第二步：对源图像的低频分量采用经典的基于多级树集合分裂排序(Set Partitioning in Hierarchical Trees,SPIHT)的编码算法；

第三步：对高频分量采用压缩感知Compressed sensing编码。

WBCT的具体实现过程为：对于任意层数的小波分解，以含有细节信息的高频子带HL、LH和HH作为方向分解的对象，对同一尺度上的高频子带施加分解级数相同的方向变换，LH:小波分解得到的低高位值；HL:小波分解得到的高低位值；HH:小波分解得到的高高位值；为了满足各向异性规则，在小波分解的最高层做分解级数最多的方向变换，然后对次高层做减半分解级数的方向变换。

高频分量压缩感知Compressed sensing编码：

(1)对每个高频子块进行量化处理，Y＝ΦX，X表示原始信号，Φ表示稀疏映射矩阵,本方法中Φ采用托普利兹(Toeplitz)矩阵；

(2)对每个数据块单元的稀疏变换系数用Z(Zigzag)行扫描将其变成一维的数列，以有利于后面的熵编码步骤。

与已有技术相比，本发明的技术特点与效果：

压缩感知理论在图像编码的同时对数据进行适当的压缩，减少了采样数据，节省了存储空间，同时又包含了足够的信息量。

附图说明

图1为本发明方法技术流程图。

图2WBCT三层分解结构图。

具体实施方式

本发明采取以下技术方案：

基于压缩感知和WBCT变换的静态图像编码的具体步骤如下：

第一步：对图像进行基于小波的Contourlet变换(WBCT)，分别得到低频融合分量和高频融合分量；

第二步：对源图像的低频分量采用优化的基于多级树集合分裂排序(Set Partitioning in Hierarchical Trees,SPIHT)的编码算法；

第三步：对高频分量采用压缩感知Compressed sensing编码：

技术路线：

1、图像稀疏

图像稀疏是图像进行压缩感知的基础。本发明主要采用基于小波的Contourlet变换(WBCT)。见图2.

针对小波变换的局限性，为了更加有效的表示和处理图像等高维空间数据，本发明采用基于小波的Contourlet变换(WBCT)。WBCT的实现过程也采用了两级分解，首先，WBCT采用小波变换实现多尺度分解，有效地避免了LP(拉普拉斯)滤波器引入的数据冗余，其次，使用方向滤波器组将小波分解得到的高频子带进行方向分解。在小波分解阶段，WBCT采用了可分离滤波器，在DFB(方向滤波器(Directional Filter Banks)阶段，采用了由扇形滤波器组成的不可分离迭代树状方向滤波器组。WBCT两层变换都是无冗余的变换，因此WBCT是非冗余变换。