[发明专利]一种基于JND模型的图像压缩感知方法有效

专利信息
申请号: 201810061420.9 申请日: 2018-01-23
公开(公告)号: CN108447101B 公开(公告)日: 2019-08-13
发明(设计)人: 朱树元;黄丹;曾兵 申请(专利权)人: 电子科技大学
主分类号: G06T9/00 分类号: G06T9/00;G06T5/50
代理公司: 电子科技大学专利中心 51203 代理人: 甘茂
地址: 611731 四川省成*** 国省代码: 四川;51
权利要求书: 查看更多 说明书: 查看更多
摘要:
搜索关键词: 图像压缩 图像块 感知 采样样本 分配 不敏感 人眼 敏感 样本 图像 原始图像块 采样效率 内部特征 压缩感知 样本分配 采样率 自适应 采样 算法 重建
【权利要求书】:

1.一种基于JND模型的图像压缩感知方法,其特征在于,包括以下步骤:

步骤1.预处理

针对分辨率为C×R的图像X,首先计算其压缩感知采样样本数S:r为压缩感知采样率、C为原始图像的宽度、R为原始图像的高度,符号表示对符号内的数按照四舍五入的方式取最接近于它的整数;

然后,采用无重叠式图像分块方法将图像X划分为N个互不重叠的、边长为l的正方形图像块,记为x1,x2,…,xi,…,xN,i为图像块的索引:i∈{1,2,…,N},N即为图像块的个数,并且N=(C·R)/l2

步骤2.计算图像复杂度

首先,对每一个像素点x,定义其梯度为θ(x):Gv(x)为该像素点垂直方向梯度、Gh(x)为该像素点水平方向梯度;

然后,对每一个图像块xi,定义其直方图为Hk(xi):

最后,对每一个图像块xi,定义其图像复杂度为cpi:||·||0表示L0范数;

步骤3.初始化每个图像块的采样样本数

对每一个图像块xi,定义其采样样本数为ci

步骤4.将图像块按类分组

将所有图像块按照采样样本数分成两个集合,记为G0和G1:G0={xi|ci≥l2}和G1={xi|ci<l2},并将集合G0中每个图像块的采样样本数重新记为集合G1中每个图像块的采样样本数重新记为

步骤5.调整图像块的采样样本数

将集合G0中每个图像块的采样样本数均设置为l2、并重新标记为得到新的集合G0′:

步骤6.样本再分配的预判断

计算剩余采样样本数Δ:若剩余采样样本数Δ=0,进入步骤8;否则,则进入步骤7;

步骤7.采样样本的再分配

首先,更新步骤4得到的集合G1中图像块的xi的采样样本数为

得到新的集合G1′;

然后,把集合G1′中采样样本数大于或等于l2的图像块xi选出,组成集合g1:将集合g1放入步骤5得到的集合G0′中,同时将集合g1从集合G1′中删除;

最后,返回步骤5;

步骤8.基于图像复杂度的压缩感知采样

采用压缩感知采样方法,根据以上步骤得到的每一个图像块xi的采样样本数对图像块进行压缩感知采样,将得到的数据记为di;所述压缩感知采样方法为用采样矩阵左乘待采样向量;

采用基于SL0的信号重建法对di进行重建,得到重建图像块;并采用图像块合成图像的方法将重建图像块进行合成,得到完整的重建图像;所述基于SL0的信号重建法为通过使用一个连续函数来近似逼近矢量的l0范数,通过求得的连续函数最优解逼近使l0范数最小的解;所述图像块合成图像的方法为将图像块按照从左到右、从上到下的顺序进行拼接以合成完整图像。

下载完整专利技术内容需要扣除积分,VIP会员可以免费下载。

该专利技术资料仅供研究查看技术是否侵权等信息,商用须获得专利权人授权。该专利全部权利属于电子科技大学,未经电子科技大学许可,擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作,请联系【客服

本文链接:http://www.vipzhuanli.com/pat/books/201810061420.9/1.html,转载请声明来源钻瓜专利网。

×

专利文献下载

说明:

1、专利原文基于中国国家知识产权局专利说明书;

2、支持发明专利 、实用新型专利、外观设计专利(升级中);

3、专利数据每周两次同步更新,支持Adobe PDF格式;

4、内容包括专利技术的结构示意图流程工艺图技术构造图

5、已全新升级为极速版,下载速度显著提升!欢迎使用!

请您登陆后,进行下载,点击【登陆】 【注册】

关于我们 寻求报道 投稿须知 广告合作 版权声明 网站地图 友情链接 企业标识 联系我们

钻瓜专利网在线咨询

周一至周五 9:00-18:00

咨询在线客服咨询在线客服
tel code back_top