[发明专利]一种彩色图像的压缩采样及重构算法

说明书

技术领域

本发明涉及一种彩色图像的压缩采样及重构算法。

背景技术

压缩感知是一种新型的信息处理学说，它突破了传统采样中奈奎斯特采样定理的限制，使得信号能够以远低于奈奎斯特采样率进行采样，而在解码端仍能高概率地重构原始信号。

目前诸多学者研究了压缩感知理论在灰度图像中的应用，而其在彩色图像中的应用较为少见。多数学者在将压缩感知应用于彩色图像时，采用将彩色图像变换到RGB或者YUV彩色空间上，从而将其分解为三个独立通道，再利用灰度图像的压缩感知理论对三个通道分别进行压缩及重构。然而采用这种方式来压缩重构彩色图像，无法利用三个通道之间的高度相关性，造成采样的浪费。

Nagesh提出了EJSM算法，这是彩色图像压缩感知中第一次利用三个通道之间的相关性来重构，文章提出了三个通道的小波系数联合稀疏的方法，提取它们之间的公共部分，降低了彩色图像的稀疏度，从而获得更好的重构效果。Majumdar提出了利用组稀疏原理来重构彩色图像，有效地提高了彩色图像的重构质量，但是测量矩阵太大，在仿真中容易超过计算机运行内存，只能适用于小尺寸的彩色图像。

发明内容

有鉴于此，本发明的目的在于提供一种彩色图像的压缩采样及重构算法，进一步提高彩色图像的采样效率，改善重构质量，用于低采样率条件的自然图像压缩感知。

为实现上述目的，本发明采用如下技术方案：一种彩色图像的压缩采样及重构算法，其特征在于：

编程过程包括如下步骤：

步骤A1：将一彩色图像分解为R通道、G通道及B通道；

步骤A2：将所述R通道、G通道及B通道分别进行三层小波分解得到相应的小波变换系数，其中所述R通道分解为R1部分、R2部分、R3部分及R4部分；所述G通道分解为G1部分、G2部分、G3部分及G4部分；所述B通道分解为B1部分、B2部分、B3部分及B4部分；

步骤A3：根据所述小波变换系数的稀疏性分配采样率，进行所述R通道、G通道及B通道的块采样；

解码过程包括以下步骤：

步骤B1：将所述R1部分、G1部分、B1部分合并为group1，将所述R2部分、G2部分、B2部分合并为group2，将所述R3部分、G3部分、B3部分合并为group3，将所述R4部分、G4部分、B4部分合并为group4；

步骤B2：对所述group1、group2、group3及group4分别进行组稀疏重构；

步骤B3：从进行组稀疏重构后的group1、group2、group3及group4中分离出三个通道的四个部分，并进行重新排序，得到重构的R通道、G通道及B通道的小波系数；

步骤B4：对所述R通道、G通道及B通道分别进行小波逆变换得到重构的图像分量；

步骤B5：将所述重构的图像分量组合恢复出所述彩色图像。

进一步的，所述步骤A3中采样率的分配如下：假设所述彩色图像为N×N彩色图像，其采样率为ratio，R通道中R1部分占总像素的1/64，令R1部分的采样率ratio1=0.9，R通道中R2部分占总像素的3/64，令R2部分的采样率ratio2=0.8，R通道中R3部分占总像素的3/16，R4部分占总像素的3/4，令R3部分的采样率为R4部分采样率的2倍，即ratio3=2×ratio4，为保证图像的整体采样率不变，满足下式：

由上式可得：，

对所述G通道及B通道执行如R通道一样的采样率分配方式。

本发明与现有技术相比具有以下有益效果：本发明处理彩色图像时，所需采样的数据量少，恢复的图像质量好，尤其适用于低采样率条件的自然图像压缩感知，相比于RGB独立重构的传统算法，在低采样率时峰值信噪比约提高1-2dB。

附图说明

图1是本发明总体流程图。

图2是本发明一实施例R通道的三层小波分解示意图。

图3是本发明一实施例的group1定义过程图。

图4是本发明一实施例的group2定义图。

图5是本发明一实施例的group3定义图。

图6是本发明一实施例的group4定义图。

图7是本发明SL20重构算法流程图。

具体实施方式

下面结合附图及实施例对本发明做进一步说明。

请参照图1，本发明提供一种彩色图像的压缩采样及重构算法，其特征在于：

编程过程包括如下步骤：