[发明专利]基于非凸低秩模型图像量化去块方法、系统及存储介质

权利要求书

1.基于非凸低秩模型图像量化去块方法，其特征在于：包括以下步骤：

通过非局部自相似法构建原始图像的相似组块模型；

通过交替优化算法对相似组块模型进行求解；

通过求解得到的相似组块，对原始图像的原位置进行填充；

通过量化估计方法对填充后的图像进行量化处理，去除能量小的频率分量，得到去块后的图像；

所述通过交替优化算法对相似组块模型进行求解这一步骤，包括以下步骤：根据原始图像，确定原始图像中每个图像块的最小化非凸秩的模型；通过基于权重的奇异值阈值求解方法，求解最小化非凸秩的模型；通过优化问题对原始图像中每个图像块进行重建，得到相似组块；

所述最小化非凸秩的模型的表达式为：

其中，代表噪声方差；Z_l代表第l个待恢复的自相似块；R_l代表第l个抽取算子；x代表观测的图像；代表块匹配项；λ代表正则化参数；R(Z_l)代表正则化项。

2.根据权利要求1所述的基于非凸低秩模型图像量化去块方法，其特征在于：所述通过非局部自相似法构建原始图像的相似组块模型这一步骤，包括以下步骤：

确定组块的大小参数；

根据组块的大小参数，确定搜索区域；

根据搜索区域和滤波窗口，计算所述搜索区域内每个搜索点的窗口与滤波窗口之间的绝对差值的和；

根据绝对差值的和，通过指数函数计算搜索点的权值；

对计算得到的所有搜索点的权值进行归一化处理，得到相似组块模型。

3.根据权利要求1所述的基于非凸低秩模型图像量化去块方法，其特征在于：

所述通过基于权重的奇异值阈值求解方法，求解最小化非凸秩的模型这一步骤中，求解公式具体为：

Z_l＝US_υ(∑X_l)V^T

其中，Z_l代表第l个待恢复的图像块；U代表左酉矩阵；S_υ代表奇异值收缩算子；X_l代表第l个观测的图像块；V^T代表右酉矩阵。

4.根据权利要求1所述的基于非凸低秩模型图像量化去块方法，其特征在于：所述通过量化估计方法对填充后的图像进行量化处理，去除能量小的频率分量，得到去块后的图像这一步骤，包括以下步骤：

根据图像压缩过程确定量化范围的表达模型；

对量化范围的表达模型进行简化处理，确定量化约束的表达模型；

根据量化约束的表达模型，通过投影操作对交替优化算法中迭代生成的图像进行量化处理，得到去块后的图像。

5.基于非凸低秩模型图像量化去块系统，其特征在于：包括：

构建模块，用于通过非局部自相似法构建原始图像的相似组块模型；

交替优化模块，用于通过交替优化算法对相似组块模型进行求解；

填充模块，用于通过求解得到的相似组块，对原始图像的原位置进行填充；

量化处理模块，用于通过量化估计方法对填充后的图像进行量化处理，去除能量小的频率分量，得到去块后的图像；

所述通过交替优化算法对相似组块模型进行求解这一步骤，包括以下步骤：根据原始图像，确定原始图像中每个图像块的最小化非凸秩的模型；通过基于权重的奇异值阈值求解方法，求解最小化非凸秩的模型；通过优化问题对原始图像中每个图像块进行重建，得到相似组块；

所述最小化非凸秩的模型的表达式为：

其中，代表噪声方差；Z_l代表第l个待恢复的自相似块；R_l代表第l个抽取算子；x代表观测的图像；代表块匹配项；λ代表正则化参数；R(Z_l)代表正则化项。