[发明专利]一种基于JND模型的图像压缩感知方法有效
申请号: | 201810061420.9 | 申请日: | 2018-01-23 |
公开(公告)号: | CN108447101B | 公开(公告)日: | 2019-08-13 |
发明(设计)人: | 朱树元;黄丹;曾兵 | 申请(专利权)人: | 电子科技大学 |
主分类号: | G06T9/00 | 分类号: | G06T9/00;G06T5/50 |
代理公司: | 电子科技大学专利中心 51203 | 代理人: | 甘茂 |
地址: | 611731 四川省成*** | 国省代码: | 四川;51 |
权利要求书: | 查看更多 | 说明书: | 查看更多 |
摘要: | 本发明属于图像压缩领域,提供一种基于JND模型的图像压缩感知方法,用以提高图像压缩感知算法的效率。本发明利用JND模型建立感知误差的阈值,将原始图像块划分为人眼敏感的图像块和人眼不敏感的图像块;在压缩感知采样的样本分配过程中,为人眼敏感的图像块分配较多的样本,为人眼不敏感的图像块分配较少的样本,在整体采样率不变的情况下,根据人眼对图像内部特征的敏感程度自适应地分配采样样本,实现采样样本的合理分配,提高了采样效率,从而提高图像的重建质量。 | ||
搜索关键词: | 图像压缩 图像块 感知 采样样本 分配 不敏感 人眼 敏感 样本 图像 原始图像块 采样效率 内部特征 压缩感知 样本分配 采样率 自适应 采样 算法 重建 | ||
【主权项】:
1.一种基于JND模型的图像压缩感知方法,其特征在于,包括以下步骤:步骤1.预处理针对分辨率为C×R的图像X,首先计算其压缩感知采样样本数S:r为压缩感知采样率、C为原始图像的宽度、R为原始图像的高度,符号表示对符号内的数按照四舍五入的方式取最接近于它的整数;然后,采用无重叠式图像分块方法将图像X划分为N个互不重叠的、边长为l的正方形图像块,记为x1,x2,…,xi,…,xN,i为图像块的索引:i∈{1,2,…,N},N即为图像块的个数,并且N=(C·R)/l2;步骤2.计算图像复杂度首先,对每一个像素点x,定义其梯度为θ(x):Gv(x)为该像素点垂直方向梯度、Gh(x)为该像素点水平方向梯度;然后,对每一个图像块xi,定义其直方图为Hk(xi):最后,对每一个图像块xi,定义其图像复杂度为cpi:||·||0表示L0范数;步骤3.初始化每个图像块的采样样本数对每一个图像块xi,定义其采样样本数为ci:步骤4.将图像块按类分组将所有图像块按照采样样本数分成两个集合,记为G0和G1:G0={xi|ci≥l2}和G1={xi|ci<l2},并将集合G0中每个图像块的采样样本数重新记为集合G1中每个图像块的采样样本数重新记为步骤5.调整图像块的采样样本数将集合G0中每个图像块的采样样本数均设置为l2、并重新标记为得到新的集合G0′:步骤6.样本再分配的预判断计算剩余采样样本数Δ:若剩余采样样本数Δ=0,进入步骤8;否则,则进入步骤7;步骤7.采样样本的再分配首先,更新步骤4得到的集合G1中图像块的xi的采样样本数为得到新的集合G1′;然后,把集合G1′中采样样本数大于或等于l2的图像块xi选出,组成集合g1:将集合g1放入步骤5得到的集合G0′中,同时将集合g1从集合G1′中删除;最后,返回步骤5;步骤8.基于图像复杂度的压缩感知采样采用压缩感知采样方法,根据以上步骤得到的每一个图像块xi的采样样本数对图像块进行压缩感知采样,将得到的数据记为di;所述压缩感知采样方法为用采样矩阵左乘待采样向量;采用基于SL0的信号重建法对di进行重建,得到重建图像块;并采用图像块合成图像的方法将重建图像块进行合成,得到完整的重建图像;所述基于SL0的信号重建法为通过使用一个连续函数来近似逼近矢量的l0范数,通过求得的连续函数最优解逼近使l0范数最小的解;所述图像块合成图像的方法为将图像块按照从左到右、从上到下的顺序进行拼接以合成完整图像。
下载完整专利技术内容需要扣除积分,VIP会员可以免费下载。
该专利技术资料仅供研究查看技术是否侵权等信息,商用须获得专利权人授权。该专利全部权利属于电子科技大学,未经电子科技大学许可,擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作,请联系【客服】
本文链接:http://www.vipzhuanli.com/patent/201810061420.9/,转载请声明来源钻瓜专利网。