一種基于殘差壓縮感知的相似圖像壓縮方法
【專利摘要】本發明公開了一種基于殘差壓縮感知的相似圖像壓縮方法，包括步驟：1)采集一組相似圖像；2)對相似圖像進行智能訓練，提取公共模板；將首幅待壓縮圖像與公共模板相減得到殘差，對殘差采用K-SVD算法進行訓練，得到公共字典及測量值系數；對殘差進行壓縮感知測量得到殘差測量值；提取測量值非零項進行量化、熵編碼得到壓縮碼流，提取非零項位置信息作為頭信息；3)對壓縮碼流反熵編碼、反量化解出非零項殘差測量值，結合頭信息恢復測量矩陣；根據字典，采用OMP稀疏編碼算法重構出殘差圖像；將殘差圖像與公共模板相加得到重構圖像；4)輸出重構圖像。本發明可以大大減少數據存儲量，有效提高壓縮效率，且重構質量更好。
【專利說明】一種基于殘差壓縮感知的相似圖像壓縮方法
【技術領域】
[0001] 本發明涉及一種基于殘差壓縮感知的相似圖像壓縮方法，屬于圖像壓縮領域。
【背景技術】
[0002] 隨著多媒體技術的發展，大量的支票、辦公室公文、證書和表單等文件的電子存儲 成為迫切需求。目前存儲的電子圖像大都是采用傳統的JPEG、PNG等壓縮方式掃描的圖像， 雖然能夠實現一定的壓縮比，但是隨著數據量的增加，對存儲容量的需求會進一步增強，對 物理存儲設備要求會更高，這對企業會造成一定的經濟負擔。此外同一類圖像（例如同一 銀行發行的支票）具有很大的相似性，如果對這類掃描圖像直接存儲會造成資源的極大浪 費。傳統的圖像壓縮方案主要通過變換、量化和熵編碼來減少數據冗余，從而實現壓縮編 碼。其中，變換利用圖像的低通特性將信號能量集中，然而對于一組相似圖像，這些方法對 圖像間的結構相關性尚未充分利用。如果能找到相似圖像的共同結構特征作為公共模板， 則只需要存儲每幅圖像的不同部分，在解碼時加上公共模板就能很好實現存儲空間的利 用。目前提取結構特征的常用方法分三類：1、基于空間共生的特征表達方法，利用空間信息 以及特征間的共生特性可以增強局部特征的判別能力，典型的方法有空間金字塔匹配方法 和主旨（GIST)特征方法；2、基于集合驗證的圖像區域方法，即在進行特征表達和相似度計 算時，通過驗證兩張圖像局部特征分布的幾何相似性來進一步計算圖像的相似性，完成相 應的匹配或檢索任務，其中具有代表性的是基于隨機樣本一致性（RANSAC)及約束一致性 的方法；3、視覺短語方法，通過圖像中特征點的空間分布，將若干個特征點聯合起來組成特 征組，完成對圖像的描述，主要有具有表達力的視覺短語表達方法和基于特征綁定的方法。
[0003] 傳統的圖像壓縮技術香農定理，采用先采樣后壓縮的數據處理方式。壓縮感知理 論將傳統的數據獲取與數據壓縮合二為一，壓縮感知理論證明：如果信號在某個變換域是 稀疏的，就可以用一個與變換基不相關的測量矩陣將信號變換得到的高維信號投影到一個 低維空間上，這種投影包含了原信號絕大部分有用信息，采樣率遠低于奈奎斯特Nyquist 采樣頻率，然后通過求解最優化問題就可以從這些少量的投影中以高概率重構出原信號。 本發明利用自然圖像數據的稀疏性特點，通過壓縮感知的方式對圖像進行壓縮編碼，能夠 大大減少數據存儲壓力，同時通過自適應字典的構造，進一步提高重構質量。
【發明內容】
[0004] 為解決現有技術中的不足，本發明提供一種基于殘差壓縮感知的相似圖像壓縮方 法，可以大大減少數據存儲量，有效提高壓縮效率，且重構質量更好。
[0005] 為了實現上述目標，本發明采用如下技術方案：一種基于殘差壓縮感知的相似圖 像壓縮方法，其特征在于：包括步驟：
[0006] ⑴初始化：
[0007] 11)通過輸入設備，采集待壓縮的N組相似圖像并保存；
[0008] 12)將采集到的N幅尺寸為LXH圖像作為公共模板訓練樣本讀入數組I中；
[0009] (2)編碼：
[0010] 21)公共模板智能訓練：
[0011] 21a)將所有N幅圖像劃分為8X8不重疊的塊，對邊緣不足8X8的塊用0補充，得 到樣本訓練圖像塊集合B;
[0012] 21b)在塊集合B中隨機選取小部分圖像塊進行k-means聚類，得到K個聚類中心；
[0013] 21c)以21b)中K個聚類中心作為迭代初始值，對圖像塊集合B進行聚類，得到圖 像塊集合Bk;
[0014] 21d)對當前第k類圖像塊集合Bk，通過構建以<的12范數作為懲罰函數并添加 到目標函數⑵中，SP:
[0015]
【權利要求】
1. 一種基于殘差壓縮感知的相似圖像壓縮方法，其特征在于：包括步驟： ⑴初始化： 11) 通過輸入設備，采集待壓縮的N組相似圖像并保存； 12) 將采集到的N幅尺寸為LXH圖像作為公共模板訓練樣本讀入數組I中； (2)編碼： 21) 公共模板智能訓練： 21a)將所有N幅圖像劃分為8X8不重疊的塊，對邊緣不足8X8的塊用O補充，得到樣 本訓練圖像塊集合B; 21b)在塊集合B中隨機選取小部分圖像塊進行k-means聚類，得到K個聚類中心； 21c)以21b)中K個聚類中心作為迭代初始值，對圖像塊集合B進行聚類，得到圖像塊 集合Bk; 21d)對當前第k類圖像塊集合Bk，通過構建以名的12范數作為懲罰函數并添加到目 標函數⑵中，即：
其中，戌為64X64的固定字典；mk為當前第k類圖像塊集合Bk的總塊數，為當前 類中的第j圖像塊，矩陣Ak為當前第k類在字典I)。4下的稀疏系數矩陣，其尺寸為64Xmk， 尤為矩陣Ak第i行，為矩陣Ak第j列，A為尺度參數，求解式⑵找出Ak的最小二乘 表示>，其列為圖像塊在固定字典以上的稀疏系數矩陣； 21e)聯合稀疏系數矩陣Ak和固定字典從對同一類mk個圖像塊產重構，即： Yk =D^Ak (3) 21f)重復21d)到21e)步驟，直到所有K類圖像完成重構，得到重構圖像塊集合 21g)對重構圖像塊集合左中的相同位置圖像塊取均值，并按順序組合，得到N幅圖像 的公共模板M:
其中，Mu代表模板中第i行第j列圖像塊，N代表圖像總數，B代表第n幅圖像中 第i行第j列個圖像塊； 22) 字典訓練： 22a)第一幅圖像I1數據減去公共模板M得到當前圖像的殘差圖像Ri，即： R1=I1-M (5) 22b)將殘差R1劃分成8X8不重疊的圖像塊，對邊緣不足8X8的塊用O補充，共S塊，S=ceil(L/8)Xceil(H/8)，ceil代表向上取整，L為殘差圖像&的行數，H為殘差圖像R: 的列數，并按順序列向量化組成尺寸為64XS的矩陣X1; 22c)對矩陣X1采用K-SVD算法進行訓練得到公共字典D及首幅圖像測量值系數?i， 滿足公式：
其中，公共字典D尺寸為64X64,測量值〇:的尺寸為64XS，T為測量值? :的Itl范數 的閾值； 23) 生成殘差測量值： 23a)計算當前待壓縮圖像Ii(i= 2?N)與公共模板M的殘差Ri(i= 2?N): Ri=Ii-MQ= 2 ?N) (7) 其中，i為當前圖像序號，以8X8為單位劃分Ri(i= 2?N)為若干圖像塊，對邊緣不 足8的采用O作為補充；將劃分好的圖像塊按順序列向量化得到新的矩陣Xi(i= 2?N); 23b)采用正交匹配追蹤OMP算法，結合公共字典D計算當前Xi(i= 2?N)的測量值 i(i= 2 ?N); 23c)對于其余待壓縮圖像Ii(i= 2?N)，重復以上兩個步驟，直到計算出所有圖像測 量值?，并保存； 24) 測量值壓縮編碼： 24a)選取當前測量值Oi中不為零的^個系數按列順序保存到SXceil(WiA)的矩陣Qi中，將不為零系數位置信息按順序保存到矩陣Coord 作為頭信息； 24b)對矩陣Qi采用量化矩陣進行量化得到矩陣Q' i； 24c)對量化后矩陣進行熵編碼得到壓縮碼流； 24d)將頭信息及壓縮碼流封裝并保存； 24e)重復24a)?24d)過程，直到所有測量值數據均被壓縮編碼； (3)解碼： 31) 殘差測量值解碼： 31a)讀取本地存儲的當前待解碼圖像殘差測量壓縮碼流值進行熵解碼； 31b)對熵解碼數據進行反量化得到反量化矩陣泛； 31c)通過頭信息矩陣Coordi中測量值位置信息對反量化矩陣泛重組到殘差測量值 6,; 31d)重復31a)?31c)步驟直至得到當前待解碼圖像的全部殘差測量值數據 6,.(/ =卜;V); 32) 殘差圖像壓縮感知重構： 32a)將緩存中的公共字典D讀出，根據公共字典D及解碼的殘差測量值數據私相乘得 到重構的殘差圖像矩陣龍： Ii-D-O,. (14) 32b)將得到的殘差圖像矩陣龍按順序重組得到最終殘差圖像； 33) 相似圖像重構： 33a)將步驟32)得到的殘差重構圖像為與公共模板M相加得到最終的重構圖像數據 I:
1. =Ri+M (15) 33b)重復以上解碼過程，直到得到所有待解碼圖像； (4)重構圖像輸出：將步驟33)得到的重構圖像數據按照圖像格式輸出，得到解壓縮后 圖像。
2. 根據權利要求1所述的一種基于殘差壓縮感知的相似圖像壓縮方法，其特征是：步 驟11)中所述相似圖像為同一類圖像。
3. 根據權利要求1所述的一種基于殘差壓縮感知的相似圖像壓縮方法，其特征是：步 驟21b)中對圖像塊進行聚類時，選取圖像塊間的歐式距離作為距離測度。
4. 根據權利要求1所述的一種基于殘差壓縮感知的相似圖像壓縮方法，其特征是：步 驟21d)中所述固定字典為：故，其中Dott為雙正交小波字典，DDa為離散余 弦字典。
5. 根據權利要求1所述的一種基于殘差壓縮感知的相似圖像壓縮方法，其特征是：步 驟23b)中基于OMP算法的測量值生成過程如下： 第一步，將23a)中尺寸為的LXH的殘差圖像Ri劃分為8X8的圖像塊，對邊緣不足 8X8的以0進行補充，共K±夬，K=ceil(L/8)Xceil(H/8)，ceil代表向上取整； 第二步，將殘差圖像氏中K個圖像塊列向量化，并按順序重組為新的矩陣Xi; 第三步，結合公共字典D以及矩陣Xi通過OMP算法，計算得到當前圖像塊的測量值?i。
6. 根據權利要求1所述的一種基于殘差壓縮感知的相似圖像壓縮方法，其特征是：步 驟24b)中所述量化矩陣為JPEG亮度量化矩陣。
7. 根據權利要求1所述的一種基于殘差壓縮感知的相似圖像壓縮方法，其特征是：步 驟24c)中所述商編碼為Huffman編碼。
【文檔編號】H04N1/41GK104506752SQ201510004688
【公開日】2015年4月8日 申請日期:2015年1月6日 優先權日:2015年1月6日
【發明者】朱金秀, 張瑤, 范新南, 裴穎, 倪建軍, 張學武, 湯一彬 申請人:河海大學常州校區