基于稀疏表示的去块效应方法

摘要

本发明公开了一种基于稀疏表示的去块效应方法，主要解决BDCT压缩图像中存在的块效应，实现步骤为：(1)选取一个干净的训练图像集，利用KSVD算法和批处理正交匹配追踪算法训练一个通用字典；(2)控制JPEG压缩中的品质因数对测试图像进行压缩，得到JPEG压缩图像；(3)计算JPEG压缩图像的噪声标准差；(4)根据品质因数和噪声标准差自动估计误差阈值；(5)构造JPEG压缩图像的一个图像块矩阵，获取对其去噪后的稀疏表示矩阵；(6)利用通用字典和稀疏表示矩阵得到去块效应结果图。本发明是与现有技术相比，可以得到更高或相似的峰值信噪比，去块效应后的图像视觉效果很好，计算复杂度低，可用于去除BDCT压缩图像中的块效应。

主权项

1.一种基于稀疏表示的去块效应方法，包括如下步骤：1)在一个干净的训练图像集中提取n个8*8图像块，50000＜n＜150000，利用KSVD算法和批处理正交匹配追踪算法训练一个大小为64*512的通用字典D；2)根据JPEG压缩中的品质因数Q对测试图像A进行压缩，得到JPEG压缩图像A1；3)找到JPEG压缩图像A1中所有8*8大小不重叠的图像块的边界，计算这些边界两边像素的差值C_i，i＝1，2，3...，将这些差值的绝对值的一半看作噪声数据N_i＝0.5*abs(C_i)，i＝1，2，3...，计算所有N_i＞＝2的噪声数据的标准差σ；4)根据品质因数Q和标准差σ自动计算误差阈值：T＝8*σ*1.15*(20/(Q+10))；5)在JPEG压缩图像A1中根据行列像素间隔[1，1]选取8*8大小的图像块，构造一个图像块矩阵X，利用字典D和误差阈值T对图像块矩阵X按公式min_D，Θ|Θ|₁ s.t.|X_k-D*θ_k|₂＜＝T进行去噪，得到去噪后的稀疏表示矩阵其中X_k是X中的第k个8*8块的列向量表示形式，Θ是X的稀疏表示矩阵，θ_k是Θ的第k列；6)利用去噪后的稀疏表示矩阵和字典D得到去噪后的图像块矩阵将中的图像块放回图像中的原来位置，对图像块的重叠部分进行平均，得到去块效应后的图像A2。