技术领域
[0001] 本
发明涉及图像压缩领域，具体涉及一种基于并行压缩感知多层残差系数的图像编码方法。
背景技术
[0002] 压缩感知技术是指将
信号或者图像在低于奈奎斯特
采样率的情况下重建的技术。压缩感知技术在
图像处理，图像检索，CT图像重建等领域有广泛的应用。基于压缩感知的图像编码技术相较于传统图像编码技术(JPEG，JPEG2000，CCSDS-IDC)，在率失真性能上有交大差距。当前，传统的压缩感知图像编码方案仅达到JPEG的编码性能，因此，研究率失真性能高的压缩感知编码方案具有重要的意义。
发明内容
[0003] 本发明的目的在于一种基于并行压缩感知多层残差系数的图像编码方法，以解决压缩感知图像编码方案率失真性能较低的问题，同时将大部分计算并行进行，提升运算速度。
[0004] 为达到上述目的，本发明采用如下技术方案：
[0005] 一种基于并行压缩感知多层残差系数的图像编码方法，在数据编码端，将压缩感知测量过程分成l层，每层的随机测量值的长度相同；每一层中基于同一种压缩感知重建
算法，利用前(i-1)层随机测量结果预测第i层随机测量结果，且1＜i≤l；i＝1时，传递第1层本身信息至信道；每一层中得到的残差是压缩感知随机测量的真实值与预测值量化以后的差值；对每一层的残差系数做Huffman编码，并以比特形式存储、传输；
[0006] 在数据解码端，将图像重建过程分为l层；每一层与编码过程层级相对应，并基于压缩感知测量得到随机测量预测值；用反Huffman编码得到的残差系数更新压缩感知随机测量的预测值；用更新的压缩感知预测值生成新的重建图。
[0007] 进一步地，数据编码端包括以下步骤：
[0008] 1.1)将输入图像做压缩感知随机测量，随机测量矩阵记为Φ，原始图像记为x，测量过程表示为y＝Φx；
[0009] 1.2)将随机测量矩阵按行分成大小相同、相互独立的l层，第i层测量矩阵记为Φi；
[0010] 1.3)将第i
层压缩感知测量的真实值记为yi，第i层测量过程记为yi＝Φix；
[0011] 1.4)对所有层采用相同的压缩感知重建算法，重建算法记为CS-1；
[0012] 1.5)首先对第1层随机测量真实值y1进行量化编码，量化记为Q(·)，然后对量化结果进行反量化得到 反量化记为Q-1(·)，最后再量化得到 并经过Huffman编码后传到信道；
[0013] 1.6)在第2层利用 得到重建图像，记为
[0014] 1.7)预测第2层的随机测量结果，称为随机测量预测值，记 量化之后得到
[0015] 1.8)求第2层y2的量化结果 与 的量化结果 残差系数，记为 其中[0016] 1.9)对第2层残差系数 做Huffman编码，对 做反量化得到
[0017] 1.10)在第3层中利用 得到第3层重建图像，记为
[0018] 1.11)重复步骤1.6)-1.10)得到：第i层重建结果 随机测量预测值 残差系数 其中 经过
Huffman编码得到 传入信道。
[0019] 进一步地，数据解码端包括以下步骤：
[0020] 2.1)第1层对 经Huffman解码得到 后反量化得到
[0021] 2.2)利用 得到重建图像，记为 传入下一层；
[0022] 2.3)预测第2层的随机预测值，记为 量化后得到
[0023] 2.4)第2层对 经Huffman解码得到
[0024] 2.5)更新第2层的随机测量预测值 的量化值，记为 受量化后得到
[0025] 2.6)第2层中利用2.1)和2.5)得到的 计算第2层重建图像，记为传入下一层；
[0026] 2.7)第3层起重复步骤2.3)-2.6)得到；在第i层，首先预测随机测量预测值量化后得到 Huffman解码的 再将第i层由信道传递过来， 经Huffman解码的得到 更新随机测量预测值的量化值，记为 反量化后得到 最后得到第i层重建结果
[0027] 2.8)解码端第l层得到最终重建出的图像，记为
[0028] 进一步地，量化编码时采用比特位深相同的量化器。
[0029] 进一步地，l为10。
[0030] 进一步地，每一层采用相同的压缩感知重建算法LDAMP。
[0031] 与
现有技术相比，本发明具有以下有益的技术效果：
[0032] 本发明将压缩感知测量过程分为多层，利用重建-测量模型去除层间随机测量结果间的冗余信息。相比于原始的压缩感知随机测量值，本发明得到的压缩感知多层残差系数随着层级的增高，系数幅值逐渐减小，从而降低量化过程引入的噪声，提升方案的率失真性能。本发明首先对压缩感知不同层级同时进行测量，量化反量化，再量化，这部分工作不需要受之前层级限制，可提升运算速度。
[0033] 进一步地，本发明对不同层的压缩感知多层残差系数采用相同的量化位深，之后再经过Huffman编码层级越高，所占码流越小，层级越低，所占码流越大。从而使得量化器符合压缩感知多层残差系数幅值分布特性，提升本发明的率失真性能。
附图说明
[0035] 图2是本发明采用的两幅测试图像Parrot与Lena，其中(a)是Parrot，(b)是Lena；
[0036] 图3给出了Lena在0.50bpp压缩码率下，重建图像的视觉
质量；其中(a)是原始图像，(b)是LDAMP-MLRC重建图像，(c)是CCSDS-IDC标准重建图像，(d)是JPEG2000标准重建图像；
[0037] 图4在0.1bpp、0.3bpp、0.50bpp压缩码率下，本发明在不同层重建图像的PSNR，其中(a)为Parrot；(b)为Lena。
具体实施方式
[0038] 下面对本发明作进一步详细描述：
[0039] 一种基于并行压缩感知多层残差系数的图像编码方法，包括以下步骤：
[0040] a)将压缩感知随机测量过程分为l层，每一层同时进行测量，量化反量化，再量化步骤。
[0041] b)在每一层中，用所有前层的随机测量更新值来重建当前层的重建图像。
[0042] c)用当前层的重建图像去预测下一层的随机测量系数。
[0043] d)随机测量真实值量化后与随机观测测量值量化后相减得到当前层的残差系数。
[0044] e)残差系数传递至解码端用于更新随机测量值预测值，得到随机测量更新值。
[0045] f)重复步骤b)到步骤e)得到压缩感知多层残差系数。
[0046] g)对每一层的随机测量真实值和随机测量预测值用比特位深相同的量化器做量化编码。第一层的量化值和之后层的残差值经过Huffman编码以后传到信道。
[0047] 步骤a)到步骤f)中将压缩感知随机量化过程分为l个部分，并通过压缩感知重建-
预测模型，不断进行预测、更新、求残差的过程，从而减少随机测量值之间的冗余信息，提升方案的率失真性能；步骤g)不同层的量化位深是一样的。经过量化的第一层随机测量真实值和之后层的残差值需要经过Haffman编码，层数越后，Huffman编码以后所占码流越少。
[0048] 具体的，如下：
[0049] 在数据编码端，将压缩感知测量过程分成多层，每层的随机测量值的长度相同；每一层中基于压缩感知重建算法(LDAMP)，用前(i-1)层随机观测结果预测第i层随机观测结果；每一层中得到的残差是压缩感知随机测量的真实值与预测值量化以后的差值；对每一层的残差系数做Huffman编码，并以比特形式存储、传输。在数据解码端，解压缩过程与编码过程相似，图像重建过程分为多层；每一层与编码过程层级相对应，并基于压缩感知重建算法得到随机测量的预测值；用反Huffman编码得到的残差系数去更新压缩感知随机测量的预测值；用更新的压缩感知预测值生成新的重建图。
[0050] 1)将压缩感知随机测量值分成l层，记为y＝[y1，...，yl]。
[0051] 2)第i层，用前(i-1)层压缩感知测量值重建图像，记为
[0052] 3)第i层随机测量真实值获取yi＝Φix
[0053] 3)第i层随机测量值预测
[0054] 4)第i层yi反量化编码
[0055] 5)第i层 量化编码为
[0056] 6)第i层残差系数获取
[0057] 7)第i层残差系数Huffman编码
[0058] 8)第i层残差系数反Huffman编码
[0059] 9)第i层残差系数 随机测量值预测 传入(i+1)层
[0060] 通过不断
迭代步骤2)到步骤9)，直到最后一层l，可以得到量化后的压缩感知多层残差系数 及它们相对应的Huffman编码，从而完成对图像的压缩编码。
[0061] 本发明相对于现有的基于压缩感知的图像编码技术，改进在于：
[0062] 本发明将压缩感知随机测量过程分为l个相互独立的部分。l越大，方案的率失真性能越高，相应的算法复杂度也越高，本发明实施过程中折中的选择l为10，从而在保证率失真性能的
基础上尽量降低算法的运算复杂度。
[0063] 本发明采用重建-测量模型，预测出当前层的残差系数，并用残差系数对下一层的压缩感知随机测量预测值进行更新，从而降低压缩感知随机测量值之间的冗余信息，提升方案的率失真性能。
[0064] 本发明在
编码器端，利用到了前(i-1)层更新后的随机测量值重建第i层图像。在
解码器端利用到了前i层更新后的随机测量值重建第i层图像。从而保证在解码端利用到了所有层的随机测量值重建原始图像，从而保证本发明的率失真性能。
[0065] 本发明中不同层的量化位深是一样的。量化之后，层级越高，量化值分布越集中，经过Huffman编码之后所占码流越少层级越低，分布越分散，Huffman编码之后所占码流越多。比特位深的选择和压缩后bpp有关，目标bpp越高，比特位深设置越高。
[0066] 下面结合附图对本发明方案做进一步详细描述：
[0067] 参照附图1，本发明将压缩感知随机测量过程分为多层，每一层中基于压缩感知重建-测量模型，利用前(i-1)层压缩感知测量结果去预测第i层压缩感知测量结果，并对预测值与真实值之间的残差做量化，从而实现图像压缩编码功能。
[0068] 注意，编码段每一层测量后，量化反量化再量化和直接对测量值量化的产物相同，量化结果和反量化结果都会在后续计算中用到。
[0069] 编码端包括以下步骤：
[0070] 1.1)将输入图像做压缩感知随机测量，测量矩阵记为Φ，原始图像记为x，测量过程表示为y＝Φx；
[0071] 1.2)将随机测量矩阵按行分成大小相同、相互独立的l部分，l是总层数，第i层测量矩阵记为Φi；
[0072] 1.3)第i层压缩感知测量的真实值记为yi，第i层测量过程记为yi＝Φix；
[0073] 1.4)所有层采用相同的压缩感知重建算法(例如LDAMP)，重建算法记为CS-1；
[0074] 1.5)首先对第1层随机测量真实值y1进行量化编码量化记为Q(·)，然后对量化结果进行反量化得到 反量化记为Q-1(·)。量化过程是有损的，反量化是无损，所以 相较于y1因为量化丢失极少部分信息，此步骤目的是模拟编码端反量化得到的 最后再量化得到 经过Huffman编码后传到信道，第二次量化和Huffman编码都是无损的。这里y1量化编码和 量化编码的结果相同，都为
[0075] 1.6)在第2层利用 得到重建图像，记为
[0076] 1.7)预测第2层的随机测量结果，称为随机测量预测值，记 它是在由 得到的重建图像 基础上得到，与y2＝Φ2x并不相同， 量化之后得到
[0077] 1.8)求第2层y2的量化结果 与 的量化结果 残差系数，记为 其中[0078] 1.9)对2层残差系数 做Huffman编码，编码器记为H；
[0079] 1.10)在第3层中利用 得到第3层重建图像记为
[0080] 1.11)重复1.6)-1.10)步骤，可以得到：第i层重建结果 随机测量预测值 残差系数 其中 经
过Huffman编码传入信道。
[0081] 解码端采用和编码端相同的压缩感知重建算法CS-1，包括以下步骤：
[0082] 2.1)第1层对Huffman编码解码后反量化得到
[0083] 2.2)利用 得到重建图像，记为 传入下一层；
[0084] 2.3)预测第2层的随机测量值，记为 量化后得到
[0085] 2.4)第2层编码Huffman解码得到
[0086] 2.5)更新第2层的随机测量预测值，记为 反量化后得到
[0087] 2.6)第2层中利用2.1)和2.5)得到的 得到第2层重建图像，记为传入下一层；
[0088] 2.7)第3层以后重复步骤2.3)-2.6)，可以得到：在第i层，首先预测随机测量预测值 量化后得到 再将第i层由信道传递过来， 经Huffman解码的得到 更新随机测量预测值的量化值，记为 反量化后得到 最后得到第i层重建结果
[0089] 2.8)解码端第l层得到最终重建出的图像，记为
[0090] 编码端包括步骤1.1)到步骤1.11)，解码端包括步骤2.1)到步骤2.8)，其中：
[0091] 步骤1.5)、步骤2.2)中分别将本层得到的反量化随机测量值、重建图像等数据送入到下一层进行运算。下一层的运算结果依赖于上一层的输出结果。
[0092] 步骤1.6)、步骤1.7)、步骤1.8)组成重建-测量模型，预测出当前层的残差系数。
[0093] 步骤1.10)、步骤2.5)完成对压缩感知预测值得更新。
[0094] 步骤1.10)编码器端重建第i层图像，利用到了前(i-1)层更新后的随机测量值。
[0095] 步骤2.6)解码器端重建第i层图像，利用到了前i层更新后的随机测量值。
[0096] A、对比实验方案：
[0097] 实验一：本发明与传统图像压缩传输方案CCSDS-IDC、JPEG2000，在不同压缩码率下，图像重建质量对比。
[0098] 实验二：本发明在不同压缩码率下，输出的不同层重建图像质量对比。
[0099] B、实验条件：
[0100] 测试图像为两幅8比特位深256×256大小图像，如图2所示。实验一与实验二中本发明的层数采用10，根据bpp设置不同的量化位深，(0.1bpp5)、(0.2bpp 6)、(0.3bpp 6)、(0.4bpp 6)、(0.5bpp 7)、(0.6bpp 8)。实验一中，峰值
信噪比(PSNR：Peak Signal to Noise Ratio)与结构相似性(SSIM：Structural Similarity Index)作为重建图像质量评价标准；采用CCSDS-IDC标准与JPEG2000标准作为传统信道编码方案对照组。
[0101] C、实验结果与分析
[0102] 实验一中表1给出了0.1bpp、0.2bpp、0.3bpp、0.4bpp、0.5bpp、0.6bpp下压缩码率下的图像重建PSNR与SSIM指标，其中CS multi-layers表示本发明；可以看出，本发明的重建图像PSRN与SSIM都显著高于CCSDS-IDC与JPEG2000。在0.50bpp压缩码率下，Lena本发明图像重建质量高达35.12dB，比CCSDS-IDC高出2.60dB，比JPEG2000高出1.80dB。图3给出了Lena在0.5bpp下原始图像、本发明重建图像、CCSDS-IDC重建图像与JPEG2000重建图像；可以看出本发明能够重建出复杂的纹理结构，而CCSDS-IDC标准与JPEG2000标准恢复出的图像在复杂纹理结构出现的地方产生了吉布斯
振铃效应，严重影响了图像的视觉效果。
[0103] 实验二给出0.1bpp、0.3bpp、0.5bpp压缩码率下的不同层级的图像重建PSNR，其中到 是本发明中用于预测随机测量值的图像重建中间结果， 是最终重建结果；可以看出本发明在相同压缩码率下，图像重建质量随着层数的增高，重建PSNR稳步提升；在相同层级中，压缩码率越大，重建图像质量越好。
[0104] 表1
[0105]
