[发明专利]基于优化的层式离散余弦变换的压缩感知图像处理方法

说明书

技术领域

本发明涉及数字信号传输中数字图像、数字视频压缩编码方法，具体涉及一种适用于“多路环境”或渐进式传输的具有多分辨力特性的离散余弦变换编码压缩感知图像处理方法。

背景技术

在图像、视频或其它网络信号传输中，信号从模拟到数字的转换一直严格遵守着奈奎斯特采样定理，即采样速率必须达到信号带宽的2倍以上才能精确重构信号。随着人们对信息的需求量剧增以及传感系统获取数据能力不断增强，需要处理的数据量也不断增多，这给信号处理的能力提出了更高的要求，也给相应的硬件设备带来极大的挑战。在实际应用中，为了减小存储、传输和处理成本，常采用如图1所示的高速采样再压缩的方法，这浪费了大量的采样资源。

近年来出现了一种新的理论——Compressed sensing(或compressive sampling，CS)，即压缩传感或者压缩采样。这种理论利用其他变换空间描述信号，在保证信息不损失的情况下，用远低于采样定理要求的速率采样信号的同时，又可完全恢复信号。这极大降低了信号的采样频率、信号处理的时间以及数据存储和传输的代价，带领信号处理进入一个新的时代。

如图2所示，在在现有技术的CS算法图像处理中，将N×N的图像首先进行稀疏变换，如DCT变换（离散余弦变换，Discrete Cosine Transform，简称DCT变换），然后构造测量矩阵Φ（可以使用（0/，1/N）分布的随机高斯矩阵、或者贝努力分布的+1矩阵），利用Φ对全部的变换系数进行测量，得到M×N大小的测量系数。恢复图像的时候，根据Φ和M×N大小的测量系数，通过正交匹配追踪(Orthogonal Matched Pursuit ,OMP)算法等恢复出原图像。

在现有技术的CS算法中，分解层次对重构结果有着很大影响，分解层次太少，重构效果差，随着分解层次的增多，重构效果增强，这是因为经过层式DCT变换后，原图像被分为高频子带和低频子带，高频子带可以认为是稀疏的，但低频子带是原图像在不同尺度下的逼近信号，不能认为是稀疏的，而将低频与高频系数一起与测量矩阵Φ相乘则会破坏低频逼近分量系数之间的相关性，导致重构效果变差。因此，层式DCT的变换层次应该尽可能的大，一般应在3层以上，但通常恢复图像的质量也比较差。怎样在减少采样数据量的情况下，获得高质量的重构图像还需进一步研究。

发明内容

本发明是为了解决上述现有技术中存在的问题而提供了一种简化编码、进一步提高图像压缩率的、用于图像/视频网络传输的优化的基于层式离散余弦变换的压缩感知图像处理方法。

本发明为解决公知技术中存在的技术问题所采取的技术方案是：对层式DCT 的顶层数据不再进行DCT变换编码后再经过压缩感知方法处理，而是将顶层数据直接作为低频数据传输；在解码过程中也相应地略去了对顶层数据的逆层式离散余弦变换（inverse discrete cosine transform，IDCT）解码过程；用压缩感知的方法对其余层的高频系数进行处理。

编码包括如下步骤（以三层变换为例）：

(1) 编码算法读入原图像数据，作为第一层输入数据，进行N×N DCT变换；

(2) 将每个DCT块均分为4个子块，把具有相同频带的子块按原来的空间位置组合成同频子带，输入图像被分成4部分：LL，LH，HL和HH，这四部分分别保持了图像的低频信息，水平方向、竖直方向和对角线方向上的高频细节信息；

(3) 对低频LL子带作(N/2)×(N/2) IDCT变换，得到的数据作为第二层的输入数据；剩下的形成倒L形状的高频子带视为第一层数据；

(4) 对第二层的输入数据作相同变换，产生新的数据即第二层数据又作为第三层的输入数据，依次循环变换下去，直到满足要求的层数；

(5) 对最后一层的输入数据不进行任何处理，直接作为顶层数据；

(6) 选择合适的M值，构造M×N/2大小的服从（0，1/N）高斯分布的测量矩阵Φ分别对高频子带进行测量，得到高频子带的测量系数值矩阵，而低频子带系数（顶层数据）保持不变。用压缩感知算法对其余层的高频系数进行测量。

解码包括如下步骤：

(1) 利用OMP算法分别对测量后的高频系数矩阵进行重构，并与最高层的低频系数一起进行DCT的反变换。

(2)解码算法读入接收到的图像数据，对输入的顶层数据进行(N/2)×(N/2) DCT变换；