基于按列分块和混合分块的压缩感知图像重构方法

压缩感知理论由于其可通过低采样率来恢复原始信号的特点,近年来逐步被用于光学成像领域。为了解决在对成像图像进行压缩感知重构时数据量过大、计算负担大的问题,分块压缩感知的方法被提出。在该方法的基础上做出改进,依次提出了按列分块和混合分块的压缩感知方法。其中按列分块的方式改变了分块模式,降低分块时的要求,混合分块则结合两种分块的特点,有效提升了压缩感知的效果。通过仿真实验验证,本方法有效提升了图像重构质量,尤其是混合分块方式,在图像的重构速度和重构质量上都有显著提升。     

基于显著性的自适应分块压缩感知算法

现实图像的显著性纹理结构可为分块压缩感知算法提供先验信息,优化算法。鉴于此,提出了一种新的基于显著性的自适应分块压缩感知算法。算法所提显著性是以灰度空间相关矩阵和韦伯定律为基础,采用确定性正交对称托普利兹矩阵对目标图像进行测量,提出了均熵最小化自适应分块策略、角二阶矩最大化块向量生成方式以及合成特征依据下的自适应采样率设置,并结合不同重构算法进行了分析和验证。实验表明,所提算法策略在多项指标上较传统算法具有更好的表现,易于硬件实现,针对不同重构算法和测试图像具有普适性和稳定性。     

图像分块压缩感知观测值的DPCM非均匀量化方法

在实际的信号处理中,有必要对采集到的信号进行量化处理。量化是信号数字化、实现数字信号高效传输的必要步骤。图像分块压缩感知(Block Compressed Sensing, BCS)观测模型中,测量域上图像相邻块的观测值之间存在较强的相关性。根据这一特点,本文应用差分脉冲编码调制(Differential pulse-code modulation, DPCM)系统减小相邻块之间的冗余,并结合非均匀标量量化,对分块压缩感知图像的观测值进行量化处理。文中分析了DPCM系统的预测误差概率分布,发现在统计意义上这一分布与非均匀量化特性的变化趋势具有一致性,并以此作为所提出的量化方法的理论基础。仿真实验表明,本文提出的量化方案有效地提高了压缩感知观测值的量化信噪比(quantized signal to noise ratio, quantized SNR),同时图像的重构质量得到了提升。      

基于交织抽取与分块压缩感知策略的图像多描述编码方法

该文基于交织抽取和分块压缩感知(Interleaving Extraction and Block Compressive Sensing,IEBCS)理论,提出了一种可以在成像过程中实时实现的多描述编码方法(IEBCS-MDC)。首先利用交织抽取将图像划分成若干个子图像,然后对各个子图像进行分块压缩感知形成多个描述码流,接收端通过求解优化问题重建原图像。分块策略保证了观测过程的复杂程度不因图像尺寸而改变,所以该方法结构简单易于实现,适合处理高分辨率图像,另外特有的自恢复能力提升了算法的抗丢包性能。实验表明,在相同的硬件环境下,该文方法可以处理的图像尺寸远远大于CS-MDC方法,在同样的丢包率下重构质量也优于CS-MDC方法。     

基于分块自适应压缩感知的可逆水印算法

针对数字图像可逆水印的高嵌入容量和不可见性的权衡问题,该文提出一种基于分块自适应压缩感知的可逆水印算法(Reversible Watermarking Algorithm Based on Block Adaptive Compressed Sensing, BACS-RWA)。该算法对载体图像分块,利用周围块与目标块的统计关系判断块类型,自适应地选择容量参数进行分块压缩感知,并利用整数变换嵌入水印;为提高水印嵌入容量将水印嵌入到经压缩感知后的平滑和普通载体图像块中,复杂载体图像块不做处理,以确保图像质量和不可感知性;采用分块压缩重构算法和可逆整数变换来恢复载体图像。通过对不同纹理图像实验并与同类算法对比,结果表明：当以Plane为载体图像时,最佳嵌入容量达1.87 bpp。分块自适应压缩感知理论的引入使算法具有良好的综合性能,在提高嵌入容量的同时,又能有效地降低嵌入数据后对原始图像质量的影响。     

基于Contourlet域分块压缩感知的图像融合

针对传统图像融合方法导致纹理细节丢失的现象,提出了一种基于抗混叠移不变Contourlet域的分块压缩感知（block-based compressed sensing,BCS）图像融合算法——Contourlet_BCS。把善于表达图像纹理及边缘信息的Contourlet变换引入了压缩感知稀疏表示中,同时对分解得到的低频系数采取加权的区域能量融合规则,高频系数采取基于广义高斯分布模型的加权融合规则进行图像系数融合,最后在压缩感知框架下利用带平滑处理的投影Landweber算法重构。实验结果表明,Contourlet_BCS融合效果优于传统方法,融合的图像纹理清晰,边缘细节信息更为丰富。     

基于分块压缩感知的图像全局重构模型

已有的基于分块压缩感知（Block Compressed Sensing,Block CS）的图像重构模型采用相同的测量矩阵以块×块的方式获取数据,解决了传统CS方法中测量矩阵所需存储量较大的问题,但由于采用分块重构,没有考虑到图像的全局稀疏度,出现了大量的块效应。本文分析了图像分块重构产生块效应的三个主要原因:块稀疏度不均匀、频谱泄漏和块尺寸受限,提出了一种基于Block CS的图像全局重构模型。该模型在编码端采用高斯随机矩阵逐块作非相关测量;在解码端,引入排序算子,重新构造测量矩阵,该测量矩阵既适合于进行全局重构,又适合于分块测量的CS观测值,并仍与图像的稀疏矩阵高度不相关,所以其可充分利用图像的全局稀疏度进行CS重构。仿真实验表明,所提出的全局重构模型有效地消除了块效应现象,并且对块尺寸的变化有较强的鲁棒性。      

基于分块压缩感知和改进幻方变换的图像加密

为了提高多图像加密的安全性，同时解决多图像加密系统数据量大的问题，采用了基于分块压缩感知和改进幻方变换的加密方法。加密过程中，充分利用了混沌序列对初始值的敏感性，解决基于传统幻方变换的加密算法周期性的问题；结合分块压缩感知的方法，减少加密系统的数据量。对4幅256×256的灰度图像进行加密测试。结果表明，系统加密时间只需要0.98s，重建图像的质量高，相关系数值均高于0.99，峰值信噪比值均大于35dB; 该算法在减少加密系统的数据量的同时进一步提高了系统的安全性。该算法实现容易，能高效安全地完成多图像加密。     

基于压缩感知的井下图像压缩

为了解决石油测井电视图像的实时有效传输和测井系统数据传输率低下的矛盾,提出了一种基于压缩感知的分块图像压缩方法,在满足测井系统的特殊要求,例如器件简单、功耗低、数据储存量小等,同时有效的压缩和重构图像.通过对井下图像的实验,分析压缩然后重构的图像,结果表明采用该方法能在简单的线性测量下得到高压缩比,并且重构后的图像仍能满足测井需要,符合测井系统的要求,提高了井下数据传输率.     

图像分块压缩感知中的自适应测量率设定方法

传统的图像分块压缩感知(BCS, block compressed sensing)以相同的测量率对各块进行测量,但由于图像的空间特性不同,在重构图像时出现了块效应。通过自适应为各块设定不同的测量率,该问题可得到有效的解决。然而,已有的自适应测量率设定法需要在采集端获得原始数字图像,这在实际的压缩成像(CI, compressive imaging)设备中无法实现。为了克服这一缺陷,提出了一种更易于通过硬件实现的自适应测量率设定法。该方法利用在采集端可获得的CS测量值直接在测量域中估计各图像块的样本方差,再根据各块样本方差自适应地为每块设定测量率并实现码率控制。仿真实验结果表明,该方案重构图像的质量优于非自适应方案,但由于测量域估计块样本方差存在偏差,使其与直接利用块样本方差真实值的自适应方案相比,仍具有一定差距。     

带权分块压缩感知的预测目标跟踪算法

针对矩形跟踪框在边缘处包含较多背景信息的问题,该文提出一种基于规范化梯度特征的带权分块压缩感知的目标特征提取方法。该方法将压缩感知测量矩阵转化为分块对角矩阵,且根据块的重要程度分配适当的权重,缩小测量矩阵规模,简化特征提取运算,弱化背景干扰。然后将提取的特征输入变先验概率的贝叶斯分类器,变先验概率的分类器充分利用已有的跟踪结果,从一定程度预测了目标的运动方向,减小候选目标的分类歧义性,使得每一帧的分类函数根据以往跟踪结果进行变化,提高了分类的准确度。实验在8个具有常见跟踪难度的序列中测试,并与目前较流行的4种目标跟踪算法在跟踪效果、成功率等方面进行比较,结果从多个角度表明,该文提出的目标跟踪算法具有较高的准确度和稳定性。     

利用纹理信息的图像分块自适应压缩感知

与一维信号不同,二维图像有明显的纹理信息.本文分析了不同图像之间,以及同一图像不同子块之间,不同纹理引起的信息量差异,在分块压缩感知算法的基础上,提出了利用纹理信息的图像分块自适应压缩感知算法.自适应性体现在自适应采样和自适应收缩阈值两个方面.引入两种滤波器,分别形成了两种分块自适应压缩感知算法.采用自然和医学两类测试图像,验证了两种新算法的性能.实验结果表明,利用了纹理信息的分块自适应压缩感知算法,在重构图像的质量和视觉效果上,都有明显的优势.     

基于分块自相关的子空间追踪语音压缩感知

在运用压缩感知基本原理对信号重构时,针对其中正交匹配追踪（OMP）算法和子空间追踪（SP）算法的各自特点,并与自相关思想结合,提出了一种改进的分块自相关的子空间追踪（BASP）算法。实验结果表明：在相同的压缩比下,BASP语音重构算法与SP语音重构算法相比具有较好的信噪比以及MOS评分。     

基于压缩感知理论的图像重构技术

通过CS理论在工程应用上典型的正交匹配追踪算法,实现了一维信号和二维图像的精确重构,针对该方法中出现对整幅图像进行采样计算时需要大量的观测矩阵存储空间,并且重构过程中耗费了大量的时间等问题,提出了一种基于OMP算法的改进方案,将图像进行分块压缩感知。通过实验分析,以上问题得到了解决,重构图像的质量在没有增加计算复杂度的前提下也得到了提高。     

基于压缩感知解码的网络编码技术

证明了随机网络编码的传输矩阵具有压缩感知观测矩阵的性质,提出了一种基于随机编码和压缩感知的网络编码方案,该方案利用了压缩感知求解欠定方程组的优点。在该方案中,随机网络编码的误码率可以依靠信息的稀疏性而降低。如果信息足够稀疏,那么网络的容量甚至可以超过限定了网络编码容量上界的最大流-最小割定理的理论值。给出了误码率的理论上界,仿真结果表明该方案可以达到较好的性能。     

变采样率的磁共振图像分块压缩感知

提出一种磁共振(MR)图像的变采样率分块压缩感知(BCS,block-based compressed sensing)方法;根据MR图像细节丰富、纹理复杂的特点 ,引入对图像高 维奇异结构具有良好稀疏表示能力的Tetrolet变换,同时考虑到MR图像各切片间的时空相 关性,将相邻时序的MR切片组成图片组(GOP),通过计算参考图片与相邻切片的差异,并对 参考 图片及差异图进行不重叠分块,根据图像块内容变化的快慢自适应分配采样率,获取测量数 据,采用平滑投影Landweber(SPL,smooth projected Landweber)算法实现GOP的高质 量压缩感知(CS)重构。实验结果表明,Tetrolet 变换适用于MR图像的稀疏表示,相较于采用离散余弦变换(DCT)及双树小波变换(DWT)的方法 ,本文的重构图 像的PSNR平均提高了0.92dB与2.06dB;而且对于不同的GOP,采用变采样率方案时, 重构图像的质量均优于固定采样率时所得到的结果,为MR图像的CS提供了一种可行 的解决方案。     

分块压缩感知的全变差正则化重构算法

针对分块压缩感知(BCS)重建图像质量较差问题,该文提出一种最小化l₀范数的分块压缩感知全变差(TV)正则化迭代阈值图像重构算法(BCS-TVIT)。BCS-TVIT算法考虑图像的局部平滑、有界变差等性质,将最小化l₀范数与图像的全变差TV正则项结合,构建目标函数。针对目标函数中l₀范数项和分块测量约束项无法直接优化问题,采用迭代阈值法使重构图像l₀范数最小化,并通过凸集投影保证满足约束条件,完成了目标函数的优化求解。实验表明,与基于l₀范数最小化的分块压缩感知平滑投影算法(BCS-SPL)相比,BCS-TVIT算法重构图像峰值信噪比提高2 dB,能消除BCS-SPL的“亮斑”效应,且在视觉效果上明显优于BCS-SPL算法;与最小全变差算法相比,BCS-TVIT算法重构图像峰值信噪比提升1 dB,且能降低重构时间约2个数量级。     

边缘和方向估计的自适应多尺度分块压缩感知算法

由于多尺度小波变换的分块压缩感知算法(MS-BCS-SPL）将每层子带信息进行分块时,使得每子带中各子块采用相同的采样率;但是,当不同的图像子块含有不同的边缘信息时,对这些子块采用相同的采样率会造成资源不合理的分配。因此在MS-BCS-SPL算法的基础上,利用图像块边缘信息的不同和图像块的方向性,将总的采样率自适应分配给各层子带中的各图像块,实现多尺度分块压缩感知的自适应采样。实验结果表明,在不同采样率,尤其较低采样率时,该算法不仅比MS-BCS-SPL算法采用了较少的采样数目,节约资源;而且比其可重构较高质量的图像。      

基于压缩感知理论的视频编解码器

结合压缩感知理论和传统的视频编解码技术,提出了一种基于压缩感知理论的视频编解码器.其编码过程可看成是将高维信号投影到低维空间的过程,解码过程不再是传统方式下的编码的逆过程,而可看作是求解欠定方程组的过程.该编解码器结构比较简单,不仅所需图像的样本数很少,样本数可根据不同的编码模式进行选择,而且能获得较高的压缩比和较好的重构图像质量.