基于多尺度显著图的自适应图像压缩采样方法

摘要

本发明公开了一种基于多尺度显著图的自适应图像压缩采样方法，解决了在压缩采样时对图像平均分配采样率造成采样资源浪费的问题。主要是对采样图像进行SVT变换，计算得到图像显著图；依此图确定“视觉显著”和“非视觉显著”区域；分配测量数，对“视觉显著”区域分配较多的采样资源；通过非线性重构算法，对自适应采样得到的测量数据进行重构，最终得到重构图像。本发明与现有的技术相比，在图像压缩测量时能根据人们视觉注意的区域不同，针对不同注意区域自适应的分配采样资源，提高了采样资源的利用率，同时也提高了恢复图像的质量。本发明可用于自然图像，遥感图像等的自适应压缩采样，在低成本成像设备中有广阔的应用前景。

主权项

1.一种基于多尺度显著图的自适应图像压缩采样方法，包括如下步骤：(1)通过低分辨率传感器采集得到低分辨率采样图像P；(2)对低分辨率采样图像P进行SVT变换，当设分解级数为3级时，得到一幅低频图像P₁和三幅高频支撑值图像S₁，S₂，S₃；(3)取前两幅高频支撑值图像，对其加权求和，得到支撑值图像S：S＝w₁S₁+w₂S₂(4)对S进行双线性插值并且归一化，得到与原图像尺寸大小相同的显著图S′；(5)对S′进行分块操作，将其分为互不重叠的8*8大小的小块，每一小块分别记作i＝1，2...n，其中i为小块的顺序，n为小块的总数目；(6)分别计算S′的标准差M，的标准差m_i和S′的均值m，统计每一小块中m_i＞M并且支撑值大于m的个数t，设定阈值t′，如果t＞t′，该块则被标记为“视觉显著”块；如果t≤t′，该块则被标记为“非视觉显著”块，所有的“视觉显著”块组成“视觉显著”区域，“非视觉显著”块组成“非视觉显著”区域；(7)对低分辨率采样图像P进行分块操作，分块方法同步骤(5)，每一小块记作P_i，i＝1，2...n，其中i为小块的顺序，n为小块的总数目；(8)根据“视觉显著”区域分配较高的采样资源，“非视觉显著”区域分配较低的采样资源这一原则，对低分辨率采样图像每一小块P_i进行随机观测，得到测量值y；(9)通过正交匹配追踪重构算法，求优化解：$\underset{\hat{\alpha }}{\min }{\left|\right|y-\mathrm{AD}\hat{\alpha }\left|\right|}_2^2+\lambda {\left|\right|\hat{\alpha }\left|\right|}_0$其中是稀疏系数，A是观测矩阵，D是先验确定的稀疏表示原信号的字典，λ是正则化参数；(10)将步骤(9)所求得的系数代入中，得到每一个小块的重构图像x；(11)组合所有的小块重构图像x，得到最终的重构图像X′。