[发明专利]一种结合字典学习和图像分块的感知压缩方法

摘要

本发明公开了一种结合字典学习和图像分块的感知压缩方法，首先选取训练图像，在确定字典原子个数的情况下训练解析字典。然后再编码端读入待压缩的图像，利用解析字典对图像进行稀疏表示，再根据稀疏系数矩阵中元素的大小选择最优化系数同时将最优化系数的所对应的原子空间提取出来作为当前数据重建端的字典，然后获取系数的标签信息和位置信息，传输到解码端。最后在解码端进行重构，恢复原始图像。本发明比同类方法，缩短了重构时间，而且提升了重构精度，有较强的实用性。

主权项

一种结合字典学习和图像分块的感知压缩方法，其特征在于，包括以下步骤：步骤1：定义S＝ΦX,s.t.||Si||0≤p‑l；通过限定si的l0范数小于p‑l从而实现信号的稀疏表示过程；其中X为待稀疏表示的图像信号集，Φ为当前的解析字典，S则为图像信号集X在当前解析字典Φ下的稀疏表示系数矩阵，si为稀疏系数矩阵中的列向量，p为si的行数，l为si中零的个数又称为共稀疏度；l0为范数，即si中非零元素的个数；步骤2：对测试图像在解析字典下进行稀疏表示；步骤3：对稀疏系数基于量化熵编码进行压缩编码；步骤4：将编码后的信息传输到解码端。