基于克罗内克积分解的图像压缩与渐进重构方法

摘要: 本发明属于图像压缩重构,尤其涉及基于克罗内克积分解的图像压缩与渐进重构方法。背景技术:1、本部分的陈述仅仅是提供了与本发明相关的背景技术信息,不必然构成在先技术...
基于克罗内克积分解的图像压缩与渐进重构方法

本发明属于图像压缩重构,尤其涉及基于克罗内克积分解的图像压缩与渐进重构方法。

背景技术:

1、本部分的陈述仅仅是提供了与本发明相关的背景技术信息,不必然构成在先技术。

2、随着数字成像设备、移动终端、遥感平台、医学影像系统及网络多媒体应用的广泛普及,图像数据规模呈现持续增长态势。高分辨率图像在存储、传输与后续分析环节中均产生显著的数据负担,因此,如何以较少的参数高效表征图像,并在需要时灵活恢复出满足不同质量要求的图像,已成为图像处理领域中亟待解决的核心问题之一。

3、传统图像压缩方法主要依赖离散余弦变换、小波变换、预测编码及量化编码等技术框架。但通常需要预设变换基函数、量化规则及编码结构,其参数分配策略与信号表征方式相对固定。在需要灵活控制表示参数量、分层保留图像结构信息或与特定数学模型直接衔接的应用场景中,上述固定框架难以提供足够的灵活性。

4、此外,矩阵分解与张量分解为高维数据表示提供了另一技术途径。低秩矩阵分解、奇异值分解以及面向高阶数据的cp分解、tucker分解和张量列车分解等方法,均能将高维数据表示为若干低维因子的组合形式。然而,多数现有分解方式侧重于整体逼近,其提取出的因子次序通常无法天然地支持图像信息从主体轮廓到精细纹理的渐进式逐层重构,导致在分层传输、快速预览等应用中需要额外设计复杂的排序或重映射逻辑,操作不便。

5、因此,如何解决原始图像像素表示参数量大、传统表示方法灵活性不足以及图像分层重构不便是亟需解决的技术问题。

技术实现思路

1、为克服上述现有技术的不足,本发明提供了基于克罗内克积分解的图像压缩与渐进重构方法,旨在通过将图像向量表示为有限项kronecker积之和,利用分量最小二乘算法逐项分解与残差迭代提取参数组,从而显著降低图像表示所需的参数量,并通过选取前q项参数组进行kronecker积求和实现由粗到细的渐进式图像重构。

2、为实现上述目的,本发明的一个或多个实施例提供了如下技术方案:

3、第一方面,公开了一种基于克罗内克积分解的图像压缩与渐进重构方法,包括:

4、压缩图像时,对原始图像进行矩阵化和向量化处理得到图像向量,根据图像向量维数将其划分为多个低维维数的乘积;

5、以图像向量作为初始残差,在各轮提取中,通过分量最小二乘算法从当前残差中提取kronecker积项,将所述kronecker积项中的低维向量因子组成参数组;利用当前残差减去所述kronecker积项得到更新残差;

6、循环提取kronecker 积项和更新残差,直至满足预设停止条件,得到有限项kronecker 积参数组表示;

7、重构图像时,通过渐进式重构选取前q个参数组,分别计算每个参数组对应的kronecker 积,将kronecker积逐项累加,得到近似图像向量,将近似图像向量恢复为原始图像矩阵得到重构图像。

8、进一步的,所述原始图像为灰度图像或彩色图像;当所述原始图像为彩色图像时,将其分解为多个颜色通道,并分别对各颜色通道执行 kronecker 积分解和图像重构。

9、进一步的,所述通过分量最小二乘算法从当前残差中提取kronecker积项,具体为:在第k轮提取中,将前k-1轮更新得到的当前残差作为输入;在更新第s个低维向量因子时,固定其余低维向量因子,并根据其余低维向量因子的当前迭代值动态构造与第s个低维向量因子对应的系数矩阵,将当前kronecker积项的求解转化为关于第s个低维向量因子的线性最小二乘问题;依次轮换更新各低维向量因子,使后续低维向量因子的系数矩阵随前序更新结果动态变化,直至达到预设迭代次数或满足预设收敛条件;得到当前kronecker积项后更新残差,并将更新后的残差作为下一轮提取的输入。

10、进一步的,所述更新残差的具体计算公式为:

11、

12、其中,为第k轮分解前的当前残差,为第k轮分解后的更新残差,为第k个kronecker积项中的第s个低维向量因子,s=1,2,…,d。

13、进一步的,所述有限项 kronecker 积参数组表示按照参数组提取顺序保存,支持按参数组顺序进行逐项累加的渐进式重构。

14、进一步的,所述预设停止条件包括达到预设最大项数、达到预设参数保留率、残差范数小于预设误差阈值或图像重构质量达到预设要求中的至少一种。

15、进一步的,所述参数保留率定义为:

16、

17、其中 k 为保留项数,为单个参数组中的标量参数数量,n 为原始图像向量维数。

18、第二方面,公开一种基于克罗内克积分解的图像压缩与渐进重构系统,包括:

19、图像预处理模块,用于对原始图像进行矩阵化和向量化处理得到图像向量,根据图像向量维数将其划分为多个低维维数的乘积;

20、分量最小二乘分解模块,用于以图像向量作为初始残差,在各轮提取中,通过分量最小二乘算法从当前残差中提取kronecker积项,将所述kronecker积项中的低维向量因子组成参数组;利用当前残差减去所述kronecker积项得到更新残差;

21、迭代控制模块,用于循环提取kronecker 积项和更新残差,直至满足预设停止条件,得到有限项 kronecker 积参数组表示;

22、图像重构模块,用于通过渐进式重构选取前q个参数组,分别计算每个参数组对应的 kronecker 积,将kronecker积逐项累加,得到近似图像向量,将近似图像向量恢复为原始图像矩阵得到重构图像。

23、第三方面,公开了一种计算机设备,包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序,所述处理器执行所述程序时实现如上述所述方法中的步骤。

24、第四方面,公开了一种计算机可读存储介质,其上存储有计算机程序,该程序被处理器执行时实现如上述所述方法中的步骤。

25、以上一个或多个技术方案存在以下有益效果:

26、本发明通过将高维图像向量表示为有限项kronecker积之和,每一项由多个低维向量因子通过kronecker积运算合成,从而将原始图像像素级表示转化为结构化低维参数组的叠加形式,从根本上缓解了高分辨率图像在存储与传输中的数据压力。

27、本发明通过分量最小二乘算法逐项提取kronecker积项并利用残差更新形成有序参数组,先提取的参数组捕获图像主体结构,后提取的参数组逐步补充细节信息,在重构阶段,仅需按照与提取顺序相同的次序,依次累加前q个参数组所对应的kronecker积项,即可获得从粗糙到精细、从主体到细节的逐级渐进式图像重建结果。

28、本发明在逐项分解过程中形成两级动态更新机制:不同kronecker积项之间,下一轮分解输入由上一轮残差更新结果动态确定;同一kronecker积项内部,各低维向量因子对应的最小二乘系数矩阵由其余低维向量因子的当前迭代值动态构造并随轮换更新而变化,从而使参数提取过程能够持续针对尚未被表示的图像信息进行自适应逼近。

29、本发明支持通过灵活设置分解项数、残差误差阈值或参数保留率等多种方式来精准控制表示精度与参数量之间的平衡,可根据实际应用场景自由调节参数组数量,在图像保真度与资源消耗之间实现灵活控制。

30、本发明通过设置分解项数、误差阈值或参数保留率等多重停止条件灵活控制表示精度,且方法适用于灰度和彩色图像,获得的低维参数组可直接服务于压缩存储、分层传输、快速预览及特征提取等任务,具有适用范围广、精度可控且应用灵活的优点。

31、本发明附加方面的优点将在下面的描述中部分给出,部分将从下面的描述中变得明显,或通过本发明的实践了解到。