分布式圖像壓縮感知重建方法
【技術(shù)領(lǐng)域】
[0001] 本發(fā)明設(shè)及通信數(shù)據(jù)鏈圖像傳輸領(lǐng)域中有限傳輸帶寬下圖像的高效數(shù)據(jù)壓縮及 解壓縮數(shù)據(jù)重建方法。
【背景技術(shù)】
[0002] 隨著高分辨率成像偵察相機(jī)的裝備與使用，伴隨而來(lái)的是巨大的圖像數(shù)量，該對(duì) 于在有限的平臺(tái)上圖像數(shù)據(jù)的存儲(chǔ)和傳輸提出了挑戰(zhàn)。因此，大數(shù)據(jù)量的圖像數(shù)據(jù)有效的 采樣存儲(chǔ)、壓縮傳輸與高質(zhì)量的解壓圖像恢復(fù)已成為重要的技術(shù)難題?，F(xiàn)有的圖像壓縮編 碼標(biāo)準(zhǔn)都是基于傳統(tǒng)的香農(nóng)采樣定理，在該定理限制下，向量的采樣率必須大于向量帶寬 的兩倍才能精確重構(gòu)原始向量。由于圖像數(shù)據(jù)量非常大，精確重構(gòu)需要的采樣數(shù)較多，而且 圖像編碼過(guò)程中很多變換系數(shù)被丟棄，造成很大的資源浪費(fèi)。
[0003] 壓縮感知（Compressivesensing,C巧是一種全新的向量獲取和壓縮重建方式，在 向量是稀疏或可壓縮的前提下，對(duì)向量進(jìn)行采樣的同時(shí)實(shí)現(xiàn)其數(shù)據(jù)量高倍數(shù)的壓縮，獲得 用于表征向量的少量觀測(cè)值，通過(guò)線性優(yōu)化重建算法，從少量的壓縮觀測(cè)值中高概率恢復(fù) 出原始向量。目前，現(xiàn)有基于壓縮感知的圖像重建方法概括如下兩種方法：
[0004] (1)整體圖像壓縮感知方法，即采用壓縮感知對(duì)完整圖像進(jìn)行投影計(jì)算得到壓縮 測(cè)量值，在解碼端通過(guò)重建算法實(shí)現(xiàn)原始圖像的整體重建。
[000引 似分塊圖像壓縮感知方法，即采用完整圖像分解為若干子圖像塊，對(duì)每個(gè)子圖像 進(jìn)行壓縮感知投影得到分塊的壓縮測(cè)量值，在解碼端通過(guò)重建算法實(shí)現(xiàn)子圖像恢復(fù)，再拼 接子圖像成為完整圖像。在對(duì)較大像素級(jí)的圖像壓縮和重建時(shí)，整體圖像壓縮感知方法不 僅在編碼端耗時(shí)長(zhǎng)，而且在解碼端也會(huì)帶來(lái)巨大的計(jì)算量和數(shù)據(jù)存儲(chǔ)量，不利于實(shí)際工程 對(duì)解碼端設(shè)備成本的控制；分塊圖像壓縮感知方法成功解決了編碼端單個(gè)壓縮編碼單元計(jì) 算量和存儲(chǔ)量大的難題，但在解碼端存在較大的數(shù)據(jù)存儲(chǔ)與計(jì)算量，且忽略了各個(gè)子圖像 壓縮測(cè)量值之間強(qiáng)烈的相關(guān)性，從而使重建圖像的拼接邊緣出現(xiàn)細(xì)節(jié)信息損失。

【發(fā)明內(nèi)容】

[0006] 本發(fā)明的任務(wù)是提出一種能夠顯著降低通信傳輸系統(tǒng)中圖像壓縮編碼時(shí)間，減少 解碼端的數(shù)據(jù)計(jì)算量和存儲(chǔ)量，并能對(duì)原始圖像進(jìn)行高精度重建，易于工程實(shí)現(xiàn)及應(yīng)用的 方法。
[0007] 為了實(shí)現(xiàn)上述目的，本發(fā)明提供的一種分布式圖像壓縮感知重建方法，其特征在 于包括如下步驟：
[0008] 1)劃分子圖像；按照通信傳輸系統(tǒng)對(duì)傳輸通帶量要求，將采集到的原始大圖像劃 分成若干分塊子圖像；
[0009] 2)壓縮感知投影；采用隨機(jī)高斯測(cè)量矩陣對(duì)各個(gè)子圖像進(jìn)行壓縮感知投影計(jì)算， 得到子圖像的壓縮測(cè)量值，并用于多通道傳輸發(fā)送端的數(shù)據(jù)壓縮編碼量；
[0010] 3)測(cè)量矩陣融合；W壓縮比值確定子測(cè)量矩陣擴(kuò)展維度數(shù)，采用子測(cè)量矩陣隨機(jī) 選取兩行線性相加計(jì)算獲得擴(kuò)展維度子測(cè)量矩陣；w編解碼器的置信度為權(quán)值對(duì)擴(kuò)展維度 測(cè)量矩陣進(jìn)行線性相關(guān)加權(quán)融合處理，得到具有關(guān)聯(lián)性的綜合測(cè)量矩陣；
[0011] 4)測(cè)量值融合；把各個(gè)子圖像壓縮測(cè)量值進(jìn)行線性加權(quán)融合處理，得到待恢復(fù)圖 像的合成壓縮測(cè)量值；
[0012] 5)壓縮感知重建；利用上述得到的合成壓縮測(cè)量值和綜合測(cè)量矩陣，采用正交匹 配追蹤重建算法，在小波稀疏矩陣與綜合測(cè)量矩陣條件約束下，對(duì)合成壓縮測(cè)量值進(jìn)行迭 代數(shù)據(jù)重建計(jì)算，獲得無(wú)明顯重疊邊緣和高信噪比的圖像，輸出重建圖像。
[0013] 本發(fā)明相比于現(xiàn)有技術(shù)分塊圖像壓縮感知方法（即分塊壓縮子圖像重建、拼接恢 復(fù)方法），具有如下有益效果：
[0014] 本發(fā)明采用維度擴(kuò)展的綜合測(cè)量矩陣與分塊圖像的子測(cè)量值，利用壓縮感知測(cè)量 值的線性加權(quán)融合處理，充分利用了各個(gè)子圖像測(cè)量之間強(qiáng)烈的互相關(guān)性，克服了恢復(fù)子 圖像拼接帶來(lái)的塊邊緣細(xì)節(jié)信息損失的缺點(diǎn)，實(shí)現(xiàn)了分布式壓縮感知的高精度圖像重建。 其明顯優(yōu)點(diǎn)是具有高精度圖像重建效果，同時(shí)大大減少通信傳輸系統(tǒng)中數(shù)據(jù)傳輸量，降低 了圖像重建的數(shù)據(jù)存儲(chǔ)量與計(jì)算量，為大數(shù)據(jù)量的圖像壓縮與多路傳輸提供了有效的技術(shù) 措施。
[0015] 本發(fā)明適用于任何具有整體稀疏性的圖像，并能實(shí)現(xiàn)其精確或近似精確重建。利 用壓縮感知方法對(duì)圖像進(jìn)行壓縮及重建，具有在采樣的同時(shí)實(shí)現(xiàn)壓縮的優(yōu)點(diǎn)，并且能通過(guò) 較少的壓縮測(cè)量值就能實(shí)現(xiàn)圖像數(shù)據(jù)的重建，較通常壓縮方法（如JPEG、JPEG2000等）有 更好的壓縮效果。
[0016] 下述表1描述針對(duì)圖7所示的測(cè)試圖像，分塊圖像壓縮感知重建方法（或稱(chēng)為分 塊重建再拼接重建方法）與本發(fā)明的分布式圖像壓縮感知重建方法（即子圖像測(cè)量數(shù)據(jù)融 合重建方法）的數(shù)值分析對(duì)比結(jié)果。
[0017]表1
[0018]

【附圖說(shuō)明】
[0019] 為了更清楚地理解本發(fā)明，現(xiàn)將通過(guò)本發(fā)明實(shí)施例，同時(shí)參照附圖，來(lái)描述本發(fā) 明，其中：
[0020] 圖1是本發(fā)明利用子圖像測(cè)量數(shù)據(jù)融合的分布式圖像壓縮感知重建方法流程圖。
[0021] 圖2是本發(fā)明子圖像壓縮感知投影流程圖。
[0022] 圖3是本發(fā)明對(duì)子圖像的測(cè)量矩陣進(jìn)行融合得到待恢復(fù)圖像綜合測(cè)量矩陣的流 程圖。
[0023] 圖4是本發(fā)明對(duì)融合得到的合成壓縮測(cè)量值在稀疏矩陣和綜合測(cè)量矩陣約束下， 通過(guò)匹配追蹤算法實(shí)現(xiàn)完整圖像重建的流程圖。
[0024] 圖5是壓縮感知投影示意圖。
[0025] 圖6是通過(guò)子圖像測(cè)量矩陣融合得到待恢復(fù)圖像綜合測(cè)量矩陣示意圖。
[0026] 圖7是一幅細(xì)節(jié)信息較多的測(cè)試圖像。
[0027] 圖8 (a)是圖7在壓縮比為0.4時(shí)，通過(guò)分塊圖像壓縮感知重建方法得到的重建圖 像；
[002引圖8化）是是圖7在壓縮比為0. 4時(shí)，通過(guò)本發(fā)明方法得到的重建圖像。
[0029] 圖9 (a)是圖7在壓縮比為0. 7時(shí)，通過(guò)分塊圖像壓縮感知重建方法得到的重建圖 像；
[0030] 圖9化）是是圖7在壓縮比為0. 7時(shí)，通過(guò)本發(fā)明方法得到的重建圖像。
【具體實(shí)施方式】
[0031] 參閱圖1。在圖1所示對(duì)圖像壓縮和重建的流程中，按照通信傳輸系統(tǒng)對(duì)傳輸通帶 量要求，將采集得到的完整原始大圖像劃分成若干較小尺寸的子圖像；采用隨機(jī)高斯測(cè)量 矩陣獨(dú)立地對(duì)各個(gè)子圖像進(jìn)行壓縮感知投影計(jì)算，得到通信傳輸系統(tǒng)發(fā)送端用于編碼的圖 像數(shù)據(jù)壓縮測(cè)量值；圖像數(shù)據(jù)壓縮測(cè)量值經(jīng)接收端進(jìn)行解碼后進(jìn)行測(cè)量矩陣融合和測(cè)量值 融合，W壓縮比設(shè)定值對(duì)子測(cè)量矩陣維度擴(kuò)展，W編解碼器的置信度為權(quán)值對(duì)擴(kuò)展測(cè)量矩 陣進(jìn)行加權(quán)融合，得到具有關(guān)聯(lián)性的綜合測(cè)量矩陣；各個(gè)子圖像壓縮測(cè)量值進(jìn)行線性加權(quán) 融合，得到待恢復(fù)圖像的合成壓縮測(cè)量值；通過(guò)分塊測(cè)量數(shù)據(jù)融合得到等價(jià)的完整待恢復(fù) 圖像綜合測(cè)量矩陣和合成壓縮測(cè)量值，采用正交匹配追蹤重建算法，在小波稀疏矩陣與綜 合測(cè)量矩陣條件約束下，對(duì)合成壓縮測(cè)量值進(jìn)行迭代數(shù)據(jù)重建計(jì)算，獲得無(wú)明顯重疊邊緣 和高信噪比的恢復(fù)圖像。具體步驟是：
[0032] 原始圖像劃分若干子圖像及子圖像壓縮感知投影。利用子圖像逐行首尾連接再拼 接的方式，將原始圖像展開(kāi)表示成一個(gè)長(zhǎng)度為n的向量X，直接對(duì)向量X進(jìn)行壓縮感知投影， 則壓縮測(cè)量值y通過(guò)公式y(tǒng) = Ax獲得。y G r，m為測(cè)量值向量的元素個(gè)數(shù)，A GRmxn為測(cè) 量矩陣，測(cè)量值y長(zhǎng)度m與向量X長(zhǎng)度n之比m/n為圖像壓縮比。其處理過(guò)程如圖5所示。
[0033] 在將原始圖像劃分成子圖像中，假定將原始的完整圖像劃分成U個(gè)子圖像， 即將原始圖像展開(kāi)的向量X分成U段，分別表示成Xi，X2，...，Xu，每段的長(zhǎng)度分別為 ni，n2，...，nu。劃分可W是有重疊的也可W是無(wú)重疊的，在有重