[发明专利]一种傅立叶域图像显著性信息的变密度压缩采样方法

说明书

技术领域

本发明属于图像处理技术领域，具体涉及一种傅立叶域图像显著性信息的变密度压缩采样方法。

背景技术

传统的信号获取和处理过程主要包括采样、压缩、传输和解压缩四个部分，其中采样过程必须遵循奈奎斯特采样定律，而这种采样方式数据量大，且先采样后压缩的过程会浪费大量的传感元、存储空间和时间。为了解决这种缺点，Donoho、Candes和Tao等人在2006年提出一种新的信号处理理论——压缩感知(CS)理论，该理论基于信号的稀疏表示，将数据采集和数据压缩合二为一，突破了奈奎斯特采样定律的限制，有效缓解了信号采集的压力。

目前，基于傅立叶频域的采样方法主要有星型、双星型和环星型采样，其中星型采样方法由于简单易实现，在压缩感知采样阶段被广泛应用。该方法利用傅立叶频域中图像频谱能量集中分布的特点，采用等角度间距的星型采样模式。然而，该星型采样模式仅仅考虑了图像频谱能量分布特性，没有考虑到图像本身所包含的特征信息，而且重建后的结果对于自然图像中的显著性目标和非显著性背景区域没有自适应处理，容易造成视觉显著性目标重构不佳，影响重构图像的质量。如何针对图像本身固有的特征信息，保护图像显著性目标，在保证随机性采样的前提下，尽可能地将采样点分布在图像所包含的特征信息像素点上，是压缩采样方法需要考虑和解决的重要问题，以此达到提高重构图像质量的效果。针对该问题，文献[Wan T,Canagarajah N,Achim A.Compressive image fusion[C]//Image Processing,2008.ICIP 2008.15th IEEE International Conference on.IEEE,2008:1308-1311.]经讨论并得出了基于傅立叶频域中双星型采样模式，依据基于傅立叶频域中双星型采样模式重构的图像效果优于星型采样模式，为压缩采样提供了又一种改善图像重构质量的采样方法，但是该方法仍然没有考虑到图像本身含有的边缘和目标特征信息，同时也没有对图像中的显著性目标和非显著性背景区域做自适应处理，因此重构后图像的质量容易引起目标重建时边缘附近的振铃和锯齿效应。

发明内容

本发明的目的在于提出一种傅立叶域图像显著性信息的变密度压缩采样方法，能够对自然图像中显著性目标与非显著性背景区域的采样进行自适应处理，在显著性目标区域分配更多的采样点以保护显著性目标的优先重构，从而消除目标重建时边缘附近的振铃和锯齿效应。

为了解决上述技术问题，本发明提供一种傅立叶域图像显著性信息的变密度压缩采样方法，根据图像显著图傅立叶变换后的振幅谱将图像频率平面划分为显著性区域和非显著性区域，构造显著性掩码矩阵和非显著性掩码矩阵，然后基于掩码矩阵在显著性区域实施稠密星型采样，在非显著性区域实施稀疏星型采样。具体步骤为：

步骤1：计算原始图像的傅立叶变换，获得二维傅立叶变换系数；

步骤2:计算获得傅立叶显著图的振幅谱；

步骤3：对傅立叶显著图的振幅谱进行阈值处理，构造图像傅立叶频率坐标平面的显著性掩码矩阵和非显著性掩码矩阵；

步骤4：构造显著性区域稠密采样矩阵和非显著性区域的稀疏采样矩阵；

步骤5：计算获得变密度压缩采样矩阵；

步骤6：利用变密度压缩采样矩阵重建原始图像。

本发明与现有技术相比，其显著优点在于，本发明在总体采样数小于星型采样数的前提下，在显著性区域采取稠密采样，而在非显著性区域采取稀疏采样，能够减少图像重建的压缩测量的个数，减少目标重建时边缘附近的振铃和锯齿效应，有效地保护了图像中显著性目标的重建质量，重建图像的信噪比得到显著提升，提高了图像重建的质量；压缩测量信息中有效保持了图像的显著性目标特征信息，有利于图像特征抽取。本发明在光学遥感成像系统、数码成像系统、电视制导、航空探测、压缩和目标识别等都有广泛的应用前景。

附图说明

图1是本发明流程图。

图2是本发明实施例中所用到的CameraMan测试图像。

图3是本发明实施例中CameraMan图像视觉增强后的傅立叶显著图的频谱。

图4是本发明实施例中CameraMan图像的显著图。

图5是本发明方法变密度压缩采样矩阵示意图。

图6是本发明仿真实验中所用CameraMan测试图像以及使用本发明方法与传统星型采样方法对CameraMan图像重构的结果图像，其中(a)是CameraMan测试图像，(b)是使用传统星型方法重构结果图，(c)是使用本发明方法重构结果图。