[发明专利]一种基于深度学习的图像压缩感知方法

权利要求书

1.一种基于深度学习的图像压缩感知方法，其特征在于，所述方法包括获取压缩图像数据，在所述压缩图像数据中插入识别块和协同定位块，根据所述识别块和所述协同定位块的位置来确定偏移向量；并基于所述偏移向量和原始参考图像数据中所述协同定位块和所述识别块之间的视差向量来计算预测块向量，其中，将所述预测块向量添加到候选向量列表中，并对应于候选向量的图像块之间的接近度对候选向量列表进行排序；

通过处理模块对压缩图像数据进行处理，并获得一个图像块矩阵Trans：

其中，m为图像块的行数，n为图像块的列数，a_ij表示第i行的第j个列的图像块；

建立所述预测块向量与所述图像块矩阵之间的映射关系，以建立各个图像块与预测向量之间的对应关系，并依据所述图像块矩阵中的图像块对所述候选向量列表进行排序；

获取候选向量列表中的任意两个预测块向量X和Y，并将其对应的所述图像块的接近度Picture依据下式进行计算，

其中，X＝(x₁，x₂，x₃，…，x_i)，x_i为所述预测向量的横坐标；Y＝(y₁，y₂，y₃，…，y_i)，y_i为所述预测向量的纵坐标；根据接近度的值对候选向量列表进行排序的更新。

2.根据权利要求1所述的基于深度学习的图像压缩感知方法，其特征在于，所述方法还包括通过所述处理模块中的对象识别器处理一组图像块中的图像，并为该组图像块中的每个图像生成一组像素页面对象，其中，像素页面对象以二维排列方式在相应的图像块中显示；所述处理模块中的特征提取器响应一组像素页面对象，通过将每组像素页面对象中的每个像素顺序组织成一维像素数组，并从每组像素页面对象中提取已知像素特征；其中，每个对象位于相应的一维像素数组中，并作为在相应的像素页面对象集合中的像素位置坐标上；

通过所述特征提取器对原始图像的像素位置进行记录，形成固有位置数组模板；将固有位置数组模板与多个已知的一维像素数组进行比较，其中，峰值信噪比是衡量图像之间相似度的一个重要比较标准，若原始图像和像素页面对象之间在峰值信噪比PSNR内匹配，则触发对所述像素页面对象进行部分采样；

其中，对于所述信噪比PSNR根据下式计算：

其中，w为选取的图像块的宽度；h为选取的图像块的高度；I为原始参考图像；I’为经过一维像素数组所确定的压缩图像。

3.根据权利要求2所述的基于深度学习的图像压缩感知方法，其特征在于，对于所述一维像素数组的确定，包括通过特征提取器将每个像素页面中的每个对象的像素位置坐标依次组织成一维像素数组。

4.根据权利要求3所述的基于深度学习的图像压缩感知方法，其特征在于，所述方法还包括通过特征提取器将每个像素的位置转换为从相应像素页面的右上角到对象中心测量的第一向量，并从相应像素页面的右下角到中心测量的第二向量；同时选择第一向量或第二向量中哪个具有更大的距离值；选取该最大距离值并把该距离值选定为保护范围；

在对所述图像数据进行压缩时，确保该距离值中的图像数据在压缩阈值内不被压缩。