[发明专利]一种基于图像边缘信息的压缩采样方法

说明书

本发明涉及一种基于图像边缘信息的压缩采样方法，其主要步骤如下：步骤一：启动获取低质量图像模块，设定首次测量率，控制CMOS采样并恢复出低质量图像。步骤二：启动边缘预测模块，获取低质量图像的边缘信息，像素值为0或1，1表示属于边缘。步骤三：启动图像边缘数学形态学处理模块，对图像边缘进行膨胀及腐蚀处理。步骤四：启动图像边缘信息指导再次采样模块，在形态学处理后的边缘上随机的选取部分像素作为测量值，需要去掉首次低质量图像获取时已经选取的像素。步骤五：把步骤一和步骤四中两次的测量值作为最终总的测量值，用以恢复图像。使用总的测量值及优化算法恢复高质量图像。

技术领域

本发明涉及压缩采样技术领域，特别是涉及一种基于图像边缘信息的压缩采样方法。

背景技术

在传统的Nyquist采样方式中，为了便于传输和存储，我们通常先对采集到的原始数据进行压缩，在压缩处理中，大量的不重要的数据都会被丢弃，只有小量的重要数据保存下来，这就造成了资源的极大浪费(过量采集和压缩丢弃)。传统的方法对数据依次进行数据采集、数据压缩、数据存储或传输以及数据恢复四个处理阶段。

压缩感知是近年来提出的一种全新的信号压缩采样理论，对于稀疏信号，以远小于传统的Nyquist采样率对数据压缩采样，获取信号的离散测量值，然后通过非线性重建算法有效的重建信号。标准的压缩感知包括数据采样端和数据恢复端两个阶段，采样端相当于传统采样方式中的采样、压缩过程，也就是标准压缩感知采样的数据直接就是压缩后的数据，节省了采样资源。在标准压缩感知的数据恢复端，需要对数据进行重构，信号的稀疏性保证了数据可以以远低于Nyquist采样率的速率恢复数据。

图像修复(ImageInpainting)技术是数字图像处理研究的重要内容，目的是根据图像现有未被损害的信息，按照一定的规则填补，使修复后的图像接近或达到原图像的视觉效果。图像修复技术与压缩感知理论求解最优解一样，都属于不适定问题(IllPosed)，由少量的已知信息，预测原始信息，同样由于信号的普遍稀疏性，可以通过数学优化方式求解最优解。

现有技术中，传统的Nyquist采样方式中，为了便于传输和存储，我们通常先对采集到的原始数据进行压缩，在压缩处理中，大量的不重要的数据都会被丢弃，只有小量的重要数据保存下来，这就造成了资源的极大浪费(过量采集和压缩丢弃)。目前在图像采样或压缩方面，仍然是基于传统的Nyquist采样理论，使得采样效率较低。

标准的压缩感知使用投影方式获取压缩信号，获取压缩信号，需要较多的计算资源及内存空间，计算速度较慢，而且硬件实现方面对测量值的随机测量速度和精确度要求较高，成本过高。

目前图像修复技术仅仅广泛应用在图像的增强、图像修复方面，应用范围较单一并未应用在图像采集方面。

发明内容

本发明要解决的是传统的Nyquist采样方式造成采样资源浪费，采样效率相对不高，标准的压缩感知获取压缩信号，需要较多的计算资源及内存空间，计算速度较慢，而且硬件实现方面对测量值的随机测量速度和精确度要求较高，成本过高，图像修复技术仅仅用在图像的增强、图像修复方面，应用范围较单一等问题，提供一种在采样端快速获取压缩的图像测量值，计算速度快，利用计算资源较少，采样效率高，突破了奈奎斯特-香浓采样极限，把图像修复技术和压缩采样相结合，扩展了图像修复技术的应用范围的基于图像边缘信息的压缩采样方法。

为了达到上述发明目的，本发明提供的技术方案为：一种基于图像边缘信息的压缩采样方法，它包括获取低质量图像模块、图像边缘预测模块、图像边缘数学形态学处理模块、边缘信息指导再次采样模块和高质量图像恢复模块，其主要步骤如下：

步骤一：启动获取低质量图像模块，选择图像采样率，控制图像采样CCD矩阵开关，采样图像获取第一次的测量值，利用测量值和优化算法恢复出低质量的图像。

步骤二：启动边缘预测模块，利用上一步获取的低质量图像进行边缘提取，用提取的边缘信息预测原始图像的边缘信息。