[发明专利]一种基于压缩感知的高鲁棒性图像自适应压缩方法

摘要

一种基于压缩感知的高鲁棒性图像自适应压缩方法，涉及图像处理。原始图像预处理；初始化测量阵及权重因子；计算每个图像块的显著度并更新权重因子；判断每个小块是否含目标，并更新权重因子；根据显著因子设计测量阵；图像测量与传输；测量值修复；图像重建。采用适用于时域不稀疏图像的总变差范数，能够检测出特征并不显著的目标，适合对图像进行压缩；做到空域直接测量，不需要先对图像进行变换等操作，采用的测量次数分配依据算法简单，避免了复杂耗时的操作，可以对高阶谱的幅度大小设置阈值，来判断图像中目标的有无，适合实时性要求较高的水下声纳图像通信场景。有助于在不降低重构图像质量的情况下，降低压缩率，并提高鲁棒性。

主权项

1.一种基于压缩感知的高鲁棒性图像自适应压缩方法，其特征在于包括如下步骤：步骤1，原始图像预处理：将分辨率为L×W原始图像划分为N＝(L×W)/m2个互不重叠，大小为m*m的图像块，其中m＝2n,n≥3，记为I1,I2,…,Ii,…IN，这里L代表原始图像的行数即长度，W代表原始图像的列数即宽度，N代表所产生的图像块的个数，m代表所产生的每个正方形图像块的边长，Ii代表第i个图像块，i代表图像块的索引，i∈{1,2,3,…,N}；步骤2，初始化测量阵及权重因子：定义初始测量阵UL×W，为一个L行，W列，元素全为1的矩阵，初始化权重因子Weight(i)＝1，i即为图像块的索引，i∈{1,2,3,…,N}；步骤3，计算每个图像块的显著度并更新权重因子：根据图像的空域活动性计算图像块的显著程度，并更新Weight(i)，计算每个小块的空域活动性，记作IAM0，根据空域活动性IAM0，分配给每个小块的权重因子如下：0≤IAM0＜3 Weight(i)＝0.13≤IAM0＜5 Weight(i)＝0.35≤IAM0＜7 Weight(i)＝0.57≤IAM0＜10 Weight(i)＝0.610≤IAM0＜12 Weight(i)＝0.712≤IAM0 Weight(i)＝0.8步骤4，判断每个小块是否含目标，并更新权重因子：计算每个小块的双谱峰值，根据双谱峰值确定每个小块是否含目标，方法如下：1)令x(1),x(2),…,x(N')是一组观测数据，代表图像块Ii每个像素的像素值，N'为图像块Ii总的像素个数，即N'＝m2，并设f0是采样频率，N0是总的频率采样数，则Δf＝f0/N0是在双谱区域沿水平和垂直方向上的频率采样间隔；2)将所给数据分成K段，每段含M个观测样本，即N'＝K·M，并对每段数据y'(i)(n)减去该段的均值y(i)(n)＝y'(i)(n)‑E[y'(i)(n)]；3)计算DFT系数k＝0,…,M/2；i＝1,…,K，其中y⁽ⁱ⁾(n)是第i段数据减去该段均值后的值；4)计算DFT系数的三重相关其中p₁、p₂为计算相关时的偏移量，0≤k₂≤k₁,k₁+k₂≤f₀/2；5)所给数据的双谱估计由K段双谱估计的平均值给出，即其中6)读取每个图像块的双谱峰值作为该图像块的双谱特征参数t(i)＝max[B(f1,f2)]，i为如前所述的图像块索引，对t(i)按照从大到小排序，序列索引记为Idx(i)，双谱峰值最大的四个图像块，含有目标的可能性最大，更新Weight(i)＝{1|Idx(i)≤4}，剩余图像块的权重因子保持不变；步骤5，根据显著因子设计测量阵：将初始测量阵U_L×W分为N＝(L×W)/m²个互不重叠，大小为m*m的小块，记为u_m×m⁽ⁱ⁾，其中m＝2ⁿ,n≥3，i为与图像块索引对应的测量阵小块索引号，i∈{1,2,3,…,N}，u_m×m⁽ⁱ⁾为m行，m列，元素全为1的矩阵，定义一个m行，m列的随机矩阵Ψ:Ψ中的元素符合均匀分布，idx代表Ψ中元素的索引，根据权重因子，则测量阵小块的每个元素其中符号表示对符号内的矩阵的每个元素向下取整，idx代表u_m×m⁽ⁱ⁾中元素的索引，idx＝1,2,…m×m，将u_m×m⁽ⁱ⁾根据索引i组合成L×W的测量阵U_L×W；步骤6，图像测量与传输：用测量阵UL×W对图像进行传统的压缩感知采样，获得测量值，并将测量值用多描述编码进行信源编码以及信道纠错编码，并送入信道传输；步骤7，测量值修复：根据纠错编码提示的错误位置结合信源信道译码，获取测量值受损的位置索引，由于测量值之间具有一定的关联性，对受损测量值利用其周边的测量值进行内插修复，修复方法如下，取已受损测量值为中心的3×3的小窗，对小窗用表1所示算子进行内插；表111111/81111步骤8，图像重建：引入总变差范数，采用共轭梯度法，根据修复后的测量值矩阵进行图像重建。