[发明专利]基于测量域显著检测模型的自适应压缩感知图像编码方法

说明书

本发明公开了基于测量域显著检测模型的自适应压缩感知图像编码方法，其包括步骤：(1)将输入图像x划分为若干互不重叠的图像块x_i；(2)设定初始测量次数M₀，构造初始块测量矩阵，并对各块实施预测量，获得各块的初始测量向量y_0i；(3)利用各块的初始测量向量y_0i在测量域实施显著检测，计算各块的归一化块显著度w_i；(4)根据归一化块显著度w_i，自适应设定各块的测量次数M_i，并根据各块测量次数，构造相应的高斯随机测量矩阵Φ_Bi，计算各块的测量向量y_i；(5)解码端收到各块的测量向量y_i，计算y_i的长度M_i，重新估算归一化块显著度(6)以归一化块显著度估计值加权图像重建模型的目的函数，建立自适应全局重建模型，并利用梯度投影方法求解该自适应全局重建模型，生成最终的重建图像本发明可有效改善图像主客观重建质量，其整体性能与现有技术相比，获得了较大的率失真性能改善。

技术领域

本发明属于图像编码技术领域，涉及一种基于压缩感知的低复杂度编码方法，尤其是提出了在测量域实现显著检测，自适应显著信息实施压缩感知测量，以提高图像编码的率失真性能。

背景技术

在无线传感器网络中，图像传感节点的能耗与带宽受到较大限制，然而，传统图像编码技术(如JPEG)基于变换编码框架，需要引入较大计算量对图像实施全变换，因此，传统图像编码将大幅衰减图像传感节点的生命周期。为了延长无线传感器网络中图像传感节点的生命周期，需要寻找到一种新的低复杂度图像编码技术。另外，传统图像编码对图像实施全变换致使信息驻留在稀少的系数之上，若干重要系数丢失会极大衰退图像重建质量，这也对无线传感器间的通信质量提出了更高要求，因此，提高图像传输数据的容错性能在无线传感器网络中也十分必要。突破奈奎斯特采样定理的压缩感知(Compressive Sensing，CS)为解决上述问题开启了新思路，其以随机方式实现部分变换完成编码，利用少量变换系数借助稀疏先验条件实现联合解码。图像压缩感知实现了在变换图像的同时直接降维压缩图像，大大节约了编码复杂度，且它的随机测量方式也增强了传输数据的容错性能，这些特点使得图像压缩感知成为适宜于无线传感器网络应用环境的潜在图像编码方法，获得了广泛关注。