[发明专利]一种基于压缩感知的高鲁棒性图像自适应压缩方法

说明书

一种基于压缩感知的高鲁棒性图像自适应压缩方法，涉及图像处理。原始图像预处理；初始化测量阵及权重因子；计算每个图像块的显著度并更新权重因子；判断每个小块是否含目标，并更新权重因子；根据显著因子设计测量阵；图像测量与传输；测量值修复；图像重建。采用适用于时域不稀疏图像的总变差范数，能够检测出特征并不显著的目标，适合对图像进行压缩；做到空域直接测量，不需要先对图像进行变换等操作，采用的测量次数分配依据算法简单，避免了复杂耗时的操作，可以对高阶谱的幅度大小设置阈值，来判断图像中目标的有无，适合实时性要求较高的水下声纳图像通信场景。有助于在不降低重构图像质量的情况下，降低压缩率，并提高鲁棒性。

技术领域

本发明涉及图像处理，尤其是涉及一种基于压缩感知的高鲁棒性图像自适应压缩方法。

背景技术

由于图像具有语音及文本难以表述的直观效果，近年来图像等多媒体业务逐渐成为通信研究的热点，在恶劣信道条件下开发优化数字图像和数字视频系统是一项非常重要和富有挑战的工作，图像传输数据量巨大，且图像质量更多地以人的主观感受为标准，故一种能够在提高人的主观感受的前提下的图像压缩方式具有很强的实际意义。

2006年，Dohono，Candes和华裔科学家Tao等人在信号逼近和稀疏表示等理论的基础上建立了一种全新的信号采集理论即压缩感知CS(Compressed Sensing)理论。如果某个向量只有少量的非零元素，就称这个向量具有稀疏性。压缩感知理论指出，只要信号在某个特定的变换域是稀疏的，那么就可以用一个与变换基不相关的观测矩阵将高维信号投影到一个低维空间上，然后利用稀疏性的先验知识通过求解一个优化问题从已知的少量投影值中以高概率重构出原信号。对于条件恶劣的信道，由于压缩感知具有通过较少的测量值重构信号的特征，且测量值不具有重要性的区别，因此压缩感知在恶劣信道条件下实现图像的高鲁棒性的压缩传输具有一定优势。

传统的基于压缩感知的压缩方法不考虑图像的显著特性，对具有不同显著特性的图像块采用一样的测量率，这样的方法不能起到对人眼感兴趣的显著区域进行特殊保护的作用。若能根据人眼不同的兴趣程度区分图像不同区域的显著程度，根据该显著程度自适应分配不同块的测量率，动态调整每一块的数据压缩程度，能够有效提高压缩率及压缩后图像的视觉效果。

恶劣的信道条件会引起传输的测量值出现损伤，受损的测量值在进行重构时会影响优化结果，导致图像出现一定程度的劣化。由于测量值之间具有一定的关联性，且发展成熟的纠错编码使得误码的位置信息可以获得，故通过误码位置以及测量值之间的关联性可以实现压缩编码的鲁棒性增强。

发明内容

本发明的目的是针对恶劣信道条件下的图像传输设计存在的上述问题，提供在实现图像压缩的同时，尽可能保证重要信息的保留，尤其是显著性较弱目标信息的保留，并加强压缩方法的鲁棒性的一种基于压缩感知的高鲁棒性图像自适应压缩方法。

为方便描述本发明的内容，首先给出以下有关术语的定义：

定义1，引入总变差范数，采用共轭梯度法进行的压缩感知重建：

对于时域稀疏的信号f，本发明中f为一M行N列的矩阵，其压缩感知重构优化问题可以用下式表达：

min||f||₁s.t.M₀f＝y. (1)

式(1)中，M₀为测量阵，y为测量值。若要通过测量值用优化的方法求得f的估计值则需要解下式：

采用共轭梯度法解决式(2)的过程可写为式(3)：

其中μⁱ是迭代步长，fⁱ代表第i次迭代所得的结果，▽L(fⁱ)定义如下：