基于显著性信息和方向变换的图像压缩感知

结合基于图像块的显著性信息随机采样和基于投影Landweber的压缩感知重构算法，提出了一种新的图像压缩感知编码与重构方法。该方法在编码端通过图像显著性信息来分配不同的测量维数以实现测量维数的自适应，在重构端，通过在投影Landweber重构算法中用不同的方向变换来得到重构图像。与同类方法相比，在测量维数相同的前提下，重构图像的峰值信噪比和主观视觉效果都有很大的提高。 随着信息技术的飞速发展，图像数据的存储和传输需求日益增长，图像压缩技术也因此成为研究热点。传统的压缩技术往往在压缩率和图像质量之间难以两全，尤其是在高压缩率下容易造成图像细节的丧失。为了解决这一问题，近年来，基于信号处理理论的图像压缩感知技术逐渐受到重视。本文提出的基于显著性信息和方向变换的图像压缩感知方法，通过优化采样和重构策略，显著提高了压缩图像的重构质量。 图像压缩感知技术的核心思想是在采样时利用图像的稀疏性，将高维信号投影到低维空间，在重构时利用稀疏先验信息，通过优化算法恢复原始信号。而本文方法在此基础上，进一步引入图像块的显著性信息，通过对显著性区域进行自适应的高测量密度采样，使得压缩感知过程更加高效。显著性区域通常指的是图像中视觉关注的焦点，如人脸、文字等细节丰富的部分，这些区域对于保持图像的质量至关重要。 在编码端，显著性信息的使用能够实现测量维数的自适应分配，即对图像中的重要区域施加更多的测量，而对于非显著区域则降低测量维数。这种自适应采样的策略可以确保在有限的测量资源下，图像的重要特征得以保留，从而在压缩感知的重构阶段获得更好的图像质量。与此同时，这一策略也大幅提高了压缩感知的效率。 在重构端，作者将投影Landweber算法与方向变换相结合，进一步提升了重构图像的细节表现力。方向变换如Contourlet小波变换和复数对偶树小波变换等，在捕捉图像的方向特性方面表现出色，能够有效恢复图像的边缘和纹理信息。这类变换相较于传统的离散余弦变换和离散小波变换，在处理图像的细节方面拥有独特的优势，因此它们被整合到压缩感知的重构算法中，以增强重构图像的主观视觉效果和峰值信噪比。 在实验验证部分，文章通过与传统压缩感知方法进行对比，详细展示了新方法的优势。实验结果表明，在保持测量维数一致的前提下，新方法能够使重构图像的PSNR平均提高约2dB，这是一个非常显著的提升。同时，通过视觉上的对比，新方法在重构图像时，能够更好地保留图像的细节信息，减少重构噪声，从而为用户提供更佳的视觉体验。 本文提出的基于显著性信息和方向变换的图像压缩感知方法，有效地提升了图像压缩的性能，尤其在图像质量保持上表现出色。该方法通过智能地分配测量资源，确保了图像重要区域的高质量重构，并且利用方向变换增强重构能力，进一步提升了重构图像的细节表现力。这一技术的提出，不仅为图像压缩领域提供了新的解决方案，而且有望在实际应用中发挥重要作用，如在医学图像处理、卫星遥感图像传输和存储等方面，为图像数据的高效处理和传输提供强大支持。未来随着相关技术的进一步完善和发展，我们有理由相信图像压缩感知技术将在更多领域展现其独特的价值。