基于稀疏表示的自动去块效应方法

摘要

一种基于稀疏表示的自动去块效应方法：是基于协同滤波的思想，利用训练得到的冗余字典，对解码后的图像重叠取块，然后在图像块的稀疏解域利用零掩模技术去除一部分高频信息。随后利用第一次去块效应得到的图像重新训练字典，如此迭代，直至得到满意的效果。此方法利用了空域上相同位置多次采样取平均以及字典域上通过稀疏表示去除特定信息的思想。步骤有1)寻找块效应边界；2)分类处理不同边界；3)迭代更新字典D。本发明能自动检测存在块效应的边界，并且根据不同的边界强度采用不同的去块效应方法。利用稀疏表示原理，通过只取有限个系数来恢复像素块，这样可以去除所采像素块的伪边界信息，同时尽可能多的保留原始图像块的纹理信息。

主权项

一种基于稀疏表示的自动去块效应方法，其特征在于，包括如下步骤：1)寻找块效应边界首先对具有块效应的图像逐行逐列求导，并将导数的绝对值填入对应的位置，得到一个行列导数矩阵分别记为Drow，Dcol，再对具有块效应的图像定义一个边界强度，记为BS，在行方向的块效应强度记为BS(k1，n)，表示第k1行的第n个块边界强度；在列方向的块效应强度记为BS(m，k2)，表示在k2列的第m个块边界强度， BS ( k 1 , n ) = Σ p = 1 4 D row ( k 1 , p + 4 × ( n - 1 ) ) Σ q = - 2 2 Σ p = 1 4 D row ( k 1 + q , p + 4 × ( n - 1 ) ) n = 1,2,3 , . . . BS ( m , k 2 ) = Σ p = 1 4 D col ( p + 4 × ( m - 1 ) , k 2 ) Σ q = - 2 2 Σ p = 1 4 D col ( p + 4 × ( m - 1 ) , k 2 + q ) m = 1,2,3 , . . . 由上式得到BS∈[0，1)，定义BS_level＝1 if BS∈[0.25，0.4)BS_level＝2 if BS∈[0.4，0.6)BS_level＝3 if BS∈[0.6，1)再通过统计BS_level的分布规律来确定图像的分块方式(4×4、8×8、12×12或16×16)，进而确定用多大的模板进行滤波去除伪边界；2)分类处理不同边界根据边界强度级别不同的边界，采用重叠程度不同的取块方式，在水平方向先用与编码像素块同样大小的N×N像素块每隔M列取一次，随后在垂直方向上每隔M行取一个N×N像素块，然后把重建后的图像块在对应位置上进行叠加，最后除以权值Q(i，j)，其中，Q(i，j)即代表第(i，j)处像素点被取的次数，得到去块效应后的图像，其中，当BS_level分别取3、2、1时，M取1、2、3；3)迭代更新字典D将步骤2中得到去块效应后的图像记为Xt，首先对Xt进行重叠取块得到训练新字典所需数据集，然后利用K‑SVD算法对所得数据集进行训练得到新的字典Dt，最后利用新字典对具有块效应的图像重复步骤2，如此反复迭代，直至ISNR(Xt+1，Xt)＜0.01dB。ISNR定义为 ISNR ( X t + 1 , X t ) = 10 log 10 | | Y - X t | | 2 | | Y - X t + 1 | | 2 Dt为第t次迭代得到的新字典，Xt为第t次迭代得到的去块结果图，Y为不带块效应的原始图像。