一种联合先验模型和细节增强的图像去压缩方法.pdf

(19)中华人民共和国国家知识产权局(12)发明专利申请(10)申请公布号CN111818345A(43)申请公布日2020.10.23(21)申请号201910290131.0(22)申请日2019.04.11(71)申请人四川大学地址610065四川省成都市武侯区一环路南一段24号(72)发明人何小海胡婧任超卿粼波熊淑华滕奇志王正勇(51)Int.Cl.H04N19/86(2014.01)H04N19/192(2014.01)H04N19/176(2014.01)H04N19/119(2014.01)G06T9/00(2006.01)权利要求书1页说明书5页附图3页(54)发明名称一种联合先验模型和细节增强的图像去压缩方法(57)摘要本发明公布了一种联合先验模型和细节增强的图像去压缩方法。主要包括以下步骤：针对JPEG压缩图像，建立高斯量化噪声模型构建数据项；构建基于形状自适应低秩先验和量化约束先验的去块模型；构建基于稀疏表示的细节增强方法；在最大后验框架下，建立本发明联合先验模型和细节增强的图像去压缩的优化函数；用奇异值阈值和凸二次最小化求解优化函数，重建出去压缩图像。本发明所述的图像去压缩方法重建出来的图像不仅去除了视觉上令人讨厌的块效应，并且保留有丰富的细节信息，在客观评价参数上也具有优越的性能。本发明方法是一种有效的图像去压缩方法。CN111818345ACN111818345A权利要求书1/1页1.一种联合先验模型和细节增强的图像去压缩方法，其特征在于包括以下步骤：步骤一：针对JPEG压缩图像，建立高斯量化噪声模型构建数据项；步骤二：构建基于形状自适应低秩先验和量化约束先验的去块模型；步骤三：构建基于稀疏表示的细节增强方法；步骤四：在最大后验框架下，建立本发明联合先验模型和细节增强的图像去压缩的优化函数；步骤五：用奇异值阈值和凸二次最小化求解优化函数，重建出去压缩图像。2.根据权利要求1所述的一种联合先验模型和细节增强的图像去压缩方法，其特征在于根据步骤一的数据项和步骤二的形状自适应低秩先验及量化约束先验构建的去块模型。3.根据权利要求1所述的一种联合先验模型和细节增强的图像去压缩方法，其特征在于将步骤二的去块模型和步骤三中的基于稀疏表示的细节增强方法相结合进行去压缩。4.根据权利要求1-3所述的一种联合先验模型和细节增强的图像去压缩方法，其特征在于其可以拓展到其他图像或视频去压缩领域。2CN111818345A说明书1/5页一种联合先验模型和细节增强的图像去压缩方法技术领域[0001]本发明涉及一种联合先验模型和细节增强的图像去压缩方法，属于图像处理领域。背景技术[0002]JPEG是最常用的图像压缩标准，它能在减小传输数据量的同时获得最佳的图像效果。然而，由于编码过程中的分块及独立量化，在压缩图像中通常会引入视觉上令人讨厌的块效应，严重影响图像信号的主观质量及利用价值，尤其是在低比特率情况下。图像去压缩是一种经典但仍然具有吸引力的研究领域，能在不改变原始编码标准的情况下减少压缩效应并提高图像质量。减少压缩过程中产生的块效应是一种不适定的图像逆问题。不同的图像先验与自然图像的不同结构和统计信息相关，因此可以通过低秩先验来解决去压缩效应问题。传统的低秩最小化方法可以在一定程度上去除块效应，但是它们提取的普通方块不能很有效的分离噪声和信号，容易产生模糊边缘，并在增强图像细节方面仍有改进空间。发明内容[0003]本发明的目的是针对现有的低秩最小化去压缩方法的不足，提出一种联合先验模型和细节增强的图像去压缩方法。[0004]本发明提出的联合先验模型和细节增强的图像去压缩方法，主要包括以下操作步骤：[0005](一)针对JPEG压缩图像，建立高斯量化噪声模型构建数据项；[0006](二)构建基于形状自适应低秩先验和量化约束先验的去块模型；[0007](三)构建基于稀疏表示的细节增强方法；[0008](四)在最大后验框架下，建立本发明联合先验模型和细节增强的图像去压缩的优化函数；[0009](五)用奇异值阈值和凸二次最小化求解优化函数，重建出去压缩图像。附图说明[0010]图1是本发明联合先验模型和细节增强的图像去压缩方法的框图[0011]图2是本发明与三种方法对图像“Leaves”在质量因子为10时的去压缩结果对比图[0012]图3是本发明与三种方法对图像“Bike”在质量因子为15时的去压缩结果对比图[0013]图4是本发明与三种方法对图像“Cameraman”在质量因子为20时的去压缩结果对比图具体实施方式[0014]一种联合先验模型和细节增强的图像去压缩方法主要包含以下步骤：[0015](一)针对JPEG压缩图像，建立高斯量化噪声模型构建数据项；3CN111818345A说明书2/5页[0016](二)构建基于形状