專利名稱：基于稀疏表示的去塊效應方法
技術領域：
本發明屬于圖像處理領域，涉及機器學習的方法，具體地說是一種字典學習和閾 值自動估計的方法，可用于減少塊離散余弦變換BDCT壓縮圖像中的塊效應。
背景技術：
塊離散余弦變換BDCT廣泛用于圖像和視頻壓縮，已經被大多數圖像和視頻壓縮 標準采用，包括JPEG、MPEG、H. 26X.AVC等。在基于BDCT的壓縮編碼中，首先將圖像劃分為 許多8*8大小不重疊的圖像塊，對每個塊進行離散余弦變換，得到離散余弦系數，然后對其 進行量化和可變長度編碼。在量化的過程中會導致數據的損失，從而導致壓縮后的圖像產 生失真，即編碼效應，包括塊效應和振鈴效應。JPEG使用離散余弦變換壓縮數字圖像，目的 是在較低的比特率下保持圖像質量。許多研究人員從不同的角度提出了減少編碼效應的方法，以提高峰值信噪比和圖 像視覺質量。一些研究者把塊邊界處的失真看作空間高頻分量，提出了許多濾波技術，包括 低通濾波，自適應濾波和循環濾波等，缺點是峰值信噪比提高不多，視覺效果一般。一些研 究者把去塊效應看作去噪問題，提出了基于小波技術的去塊效應方法。還有一些研究者把 去塊效應看作圖像恢復問題，基于凸集投影POCS的方法是一個具有代表性的研究結果。在 基于POCS的方法當中，圖像先驗被表示為凸集，通過迭代過程來減少塊效應。這種方法能 夠很好的減少塊效應，原因是在塊邊界處強加了平滑約束，缺點是計算復雜度高，去塊效應 時間長。全變差是圖像恢復的一個有效的準則，因此能夠成功的用于減少塊效應。另外還 有基于最大后驗概率的方法，能夠有效的減少塊效應，但是計算復雜度高。
發明內容
本發明的目的在于克服上述技術的不足，提出一種基于稀疏表示的去除BDCT壓 縮圖像塊效應的方法，以得到更高或相似的峰值信噪比，提升去除塊效應后的圖像視覺效 果，減少計算復雜度。實現上述目的的技術原理是利用KSVD算法訓練一個通用字典，結合批處理正交 匹配追蹤Batch-OMP算法去除BDCT壓縮圖像中的塊效應，其具體步驟包括如下1)在一個干凈的訓練圖像集中提取η個8*8圖像塊，50000 < η < 150000，利用 KSVD算法和批處理正交匹配追蹤算法訓練一個大小為64*512的通用字典D ；2)根據JPEG壓縮中的品質因數Q對測試圖像A進行壓縮，得到JPEG壓縮圖像Al ；3)找到JPEG壓縮圖像Al中所有8*8大小不重疊的圖像塊的邊界，計算這些 邊界兩邊像素的差值Ci, i = 1，2，3...，將這些差值的絕對值的一半看作噪聲數據Ni = 0. 5*abs (Ci), i = 1,2,3...，計算所有Ni >= 2的噪聲數據的標準差σ ；4)根據品質因數Q和標準差σ自動計算誤差閾值T = 8* σ 15* ^)/ (Q+10))；5)在JPEG壓縮圖像Al中根據行列像素間隔[1，1]選取8*8大小的圖像塊，
3構造一個圖像塊矩陣X，利用字典D和誤差閾值T對圖像塊矩陣X按公式minD,0| Θ I1 s. t. IXk-D* θ k|2 < = T進行去噪，得到去噪后的稀疏表示矩陣 ，其中&是X中的第k個 8*8塊的列向量表示形式，θ是X的稀疏表示矩陣，θ k是θ的第k列；6)利用去噪后的稀疏表示矩陣^和字典D得到去噪后的圖像塊矩陣i = jD*G，將 i中的圖像塊放回圖像中的原來位置，對圖像塊的重疊部分進行平均，得到去塊效應后的 圖像A2。本發明與現有技術相比具有如下優點1.本發明將圖像去噪的思想用于去除BDCT壓縮圖像中的塊效應，利用KSVD算法 和批處理正交匹配追蹤算法訓練一個通用字典，并且設計了一個可以有效的自動計算誤差 閾值的方法，利用通用字典和誤差閾值去除塊效應，因而與現有技術相比能得到更高或相 似的峰值信噪比，去塊效應后的圖像視覺效果很好，計算復雜度低；2.本發明中由于通用字典只需計算一次，故可對很多BDCT壓縮圖像進行塊效應 消除。
圖1是本發明的流程圖；圖2是本發明訓練得到的通用字典D的示意圖；圖3是本發明測試用的六幅自然圖像；圖4是用本發明對Barbara圖像三個不同Q值的JPEG壓縮圖像進行塊效應消除 的仿真結果。
具體實施例方式參照圖1，本發明的實現步驟表示如下步驟1.訓練通用字典。對于一個干凈的自然圖像集，選取η個8*8的圖像塊，50000 < η < 150000，仿真 實驗中η選取100000，構造大小為64*η的訓練矩陣XI，迭代次數設置為20次，使用大小為 64*512的DCT字典進行字典初始化，設置圖像塊的稀疏度S = 6，利用KSVD算法和批處理 正交匹配追蹤算法按公式(1)訓練通用字典D，ιη ηοφ|Χ1-Ζ)*Φ|^ s.t.⑴其中Φ是Xl的稀疏表示矩陣，(^是Φ的第j列；所述的KSVD 算法是 2006 年 Michael Elad 等人在文章“K-SVD :An Algorithm for Designing Overcomplete Dictionaries for Sparse Representation，，中提出的。KSVD 是一種迭代的訓練過完備字典的方法，主要包括基于當前字典對訓練數據進行稀疏編碼和 更新字典原子兩部分，訓練過程中這兩部分交替進行，使訓練得到的字典能夠更好的適合 訓練數據，可以與基追蹤、匹配追蹤、正交匹配追蹤等合作。2008年M. Elad, R. Rubinstein 和Μ. Z^xilevsky在壓縮感知技術報告中發表了一篇文章〃 Efficient Implementation of the K-SVD Algorithm using Batch Orthogonal Matching Pursuit" , i^Xm-M 2006 ^ 提出的KSVD算法進行了一些優化，在大數據集的稀疏編碼過程中，批處理正交匹配追蹤相對于正交匹配追蹤來說運算更快。KSVD算法已經應用于圖像去噪、圖像超分辨、壓縮感知等 技術中，但未用于去除BDCT壓縮圖像塊效應中，本發明利用KSVD算法和批處理正交匹配追 蹤算法去除BDCT壓縮圖像中的塊效應；步驟2.將測試圖像壓縮為JPEG圖像。選擇一幅不同于步驟1中的訓練圖像集的自然圖像作為測試圖像A，在JPEG壓縮 編碼的品質因數Q中選用0到100之間的任一個數值，品質因數Q值越大表示圖像壓縮質 量越好，在JPEG壓縮編碼程序中控制品質因數Q將測試圖像A壓縮為JPEG圖像，得到JPEG 壓縮圖像Al ；步驟3.計算JPEG壓縮圖像的噪聲標準差。對于得到的JPEG壓縮圖像Al，找到所有8*8大小不重疊的圖像塊的邊界位置，計 算邊界兩邊像素的差值Ci, i = 1，2，3...，將這些差值的絕對值的一半看作噪聲數據Ni =
m
0. 5*abs (Ci)，i = 1，2，3. . ·，計算所有 Ni 彡 2 的標準差
權利要求
1.一種基于稀疏表示的去塊效應方法，包括如下步驟1)在一個干凈的訓練圖像集中提取η個8*8圖像塊，50000< η < 150000，利用KSVD 算法和批處理正交匹配追蹤算法訓練一個大小為64*512的通用字典D ；2)根據JPEG壓縮中的品質因數Q對測試圖像A進行壓縮，得到JPEG壓縮圖像Al；3)找到JPEG壓縮圖像Al中所有8*8大小不重疊的圖像塊的邊界，計算這些邊界兩邊 像素的差值Ci, 1 = 1,2,3...，將這些差值的絕對值的一半看作噪聲數據Ni = 0. 5*abS(Ci)， 土 = 1，2，3...，計算所有隊>=2的噪聲數據的標準差ο ；4)根據品質因數Q和標準差σ自動計算誤差閾值Τ= 8*σ*1. 15Μ20Λ9+10))；5)在JPEG壓縮圖像Al中根據行列像素間隔[1，1]選取8*8大小的圖像塊，構造一個圖 像塊矩陣X，利用字典D和誤差閾值T對圖像塊矩陣X按公式minD,0 I Θ I1 s. t. |Xk_D*0k|2 < =τ進行去噪，得到去噪后的稀疏表示矩陣 ，其中&是χ中的第k個8*8塊的列向量表 示形式， 是X的稀疏表示矩陣，θ k是θ的第k列；6)利用去噪后的稀疏表示矩陣G和字典D得到去噪后的圖像塊矩陣f= jD*G，將i中的圖像塊放回圖像中的原來位置，對圖像塊的重疊部分進行平均，得到去塊效應后的圖像 A2。
2.根據權利要求1所述的去塊效應方法，其中步驟(1)所述的利用KSVD算法和批處理 正交匹配追蹤算法訓練一個大小為64*512的通用字典D，按如下步驟進行(Ia)將η個8*8的圖像塊構造成大小為64*η的訓練矩陣Xl ； (Ib)使用大小為64*512的DCT字典進行字典初始化，迭代次數為20次，設圖像塊的稀 疏度S = 6，按照公式ιη ηΑΦ|Χ1-Ζ)*<Ι^ s.t. |么.|。<= S訓練通用字典D，其中Φ是Xl的稀疏表示矩陣，Φ」是Φ的第j列。
3.根據權利要求1所述的去塊效應方法，其中步驟(2)所述的根據JPEG壓縮中的品質 因數Q對測試圖像A進行壓縮，是在JPEG壓縮編碼的品質因數Q中選用0到100之間的任 一個數值，在JPEG壓縮編碼程序中控制品質因數Q將測試圖像A壓縮為JPEG圖像。
全文摘要
本發明公開了一種基于稀疏表示的去塊效應方法，主要解決BDCT壓縮圖像中存在的塊效應，實現步驟為(1)選取一個干凈的訓練圖像集，利用KSVD算法和批處理正交匹配追蹤算法訓練一個通用字典；(2)控制JPEG壓縮中的品質因數對測試圖像進行壓縮，得到JPEG壓縮圖像；(3)計算JPEG壓縮圖像的噪聲標準差；(4)根據品質因數和噪聲標準差自動估計誤差閾值；(5)構造JPEG壓縮圖像的一個圖像塊矩陣，獲取對其去噪后的稀疏表示矩陣；(6)利用通用字典和稀疏表示矩陣得到去塊效應結果圖。本發明是與現有技術相比，可以得到更高或相似的峰值信噪比，去塊效應后的圖像視覺效果很好，計算復雜度低，可用于去除BDCT壓縮圖像中的塊效應。
文檔編號G06N5/04GK102088606SQ20111004648
公開日2011年6月8日 申請日期2011年2月28日 優先權日2011年2月28日
發明者侯彪, 公茂果, 尚榮華, 焦李成, 王爽, 鄭喆坤, 馬文萍, 馬晶晶, 齊宏濤 申請人:西安電子科技大學