基于压缩感知的图像编码及重构算法研究

摘要

压缩感知理论是近几年新兴起来的一门理论，它在保证信息不损失的情况下，采用远低于奈奎斯特采样定理所要求的采样频率对信号进行采样，并且对信号进行精确重构，成为图像处理领域的热点。
　　 本文在大量阅读国内外文献的基础上，对各种基于压缩感知的图像编码和重构算法进行了深入研究，提出了基于压缩感知的图像自适应编码算法和基于最小全变分准则的图像分块重构算法，并针对图像序列帧间冗余，提出了相应的图像序列自适应编码算法。
　　 由于图像各个块在变换域的稀疏程度不同，对图像进行固定采样率的压缩编码时，低采样率很难保证图像各块都具有较高的重构质量，而高采样率又会造成资源的浪费。为了解决上述问题，本文提出了一种基于压缩感知的图像自适应编码算法，该算法首先判断图像各块在DCT域的稀疏度，然后根据判断结果对图像各块进行自适应的压缩采样，从而确保图像在较低采样率下能获得较高的重构质量。
　　 基于分块思想对图像进行重构可有效提高重构速度，但同时会带来较强的块效应，因此本文提出了一种基于最小全变分准则的图像分块重构算法。该算法将基于整幅图像时梯度计算方法进行改进，充分利用已重构块的边界像素信息，从而有效消除了图像的块效应。
　　 对图像序列进行编码时，由于图像序列各帧之间存在较多的冗余信息，本文从序列帧间残差的角度出发，提出一种针对帧间残差的自适应编码算法，该算法尤其适用于运动缓慢的序列，能够保证重构序列主客观质量的同时，最大程度的减少采样数据，提高压缩效率。