[发明专利]基于稀疏表示模型的图像解码方法

摘要

基于稀疏表示模型的图像解码方法，包括：(1)建立反映图像不同纹理的六个PAR模型，其对应六个自适应稀疏矩阵A，A由像素的权重构成，像素的权重就是PAR模型的参数值；(2)在解码端，将反量化得到的图像块变换系数通过IDCT变换，得到该图像块I_n×n的初值再通过分析该图像块的结构特征和纹理特征，确定选用六个PAR模型中的哪一个；(3)根据该图像信号的最优模式，预测PAR模型的参数值；(4)将得到的模型参数填充到A；(5)通过CS重构图像；(6)若解出的不满足设定条件，则重复步骤(3)-(5)，如此迭代，直到前后得到的两个值满足设定条件为止；然后将最后迭代得到的转化成矩阵，实现图像的解码。本发明能够提升图像的重构质量。

主权项

1.基于稀疏表示模型的图像解码方法，其特征在于，包括以下步骤：(1)建立六个分段线性自回归模型(又称PAR模型)，它们反映图像的不同纹理，相应地，六个PAR模型对应六个自适应稀疏矩阵A，所述自适应稀疏矩阵由像素的权重构成，所述像素的权重就是PAR模型的参数值；(2)在解码端，将反量化得到的图像块的变换系数通过IDCT变换，得到该图像块I_n×n的初值再通过分析该图像块的结构特征和纹理特征，确定选用六个PAR模型中的哪一个，即确定该图像信号的最优模式；(3)根据该图像信号的最优模式，预测该模式中PAR模型的参数值；(4)将得到的模型参数填充到自适应稀疏矩阵A中；(5)通过求解下式对该图像块进行信号重构：f^=argmin||Af||1,s.t.||Φf-y||2≤ϵ,]]>上式表示在满足||Фf-y||₂≤ε条件下取使||Af||₁最小的f值；式中，f表示图像块I_n×n经过列扫描后得到的N×1维向量，表示f的重构，A表示N×N维的自适应稀疏矩阵，其中N＝n×n，A使||Af||₁稀疏，ε表示由量化噪声引起的误差，y表示观测值，它通过在解码端将反量化得到的图像块变换系数矩阵进行列扫描获得，是N×1维的列向量；Φ表示标准观测矩阵；(6)若步骤(5)解出的列向量不满足设定条件，则将其再次代入步骤(3)，预测PAR模型的参数值，继续步骤(4)和(5)，PAR模型参数通过f的第(t-1)次预测得到；如此迭代下去，直到前后得到的两个值满足设定条件为止；这样最后迭代得到的即为所求，然后将最后迭代得到的列向量转化成矩阵实现该图像块的解码。