CN103686177A - 一种图像压缩、解压方法、压缩、解压装置以及系统 - Google Patents

Abstract

本发明适用于图像压缩技术领域，提供了一种图像压缩、解压方法、压缩、解压装置以及系统，该方法包括：S1，获取待压缩图像，并对该待压缩图像进行预处理，生成该压缩图像的多个不相互重叠的待压缩图像块;S2，输入图像块，在预先建立的压缩模型的第i层的字典中，根据最近邻策略，获取第i层字典中与输入的图像块最相似的代表图像块；S3，获取该代表图像块的索引值，加入该待压缩图像经压缩后的码流；S4，将输入图像块和代表图像块进行差分，生成残差图像块；S5，重复执行S2至S4，直至到达最后一层压缩字典；S6，重复执行S2至S5，执行完毕后，输出待压缩图像经压缩后的码流。本发明可提高压缩率，并使得图像在重建时可以渐进地增加图像的质量。

Description

一种图像压缩、解压方法、压缩、解压装置以及系统

技术领域

本发明属于图像压缩技术领域，尤其涉及一种图像压缩、解压方法、压缩、解压装置以及系统。

背景技术

当前，对于静态有损图像压缩方法，主要分为两大类方式：分形压缩与基于变换的压缩，而在两者中，基于变换的静态有损图像压缩方法占主流地位。

在基于变换的压缩方法中，图像压缩的主流算法为JPEG与JPEG2000，两者都是基于变换的方法，将图像相邻像素解耦和，把图像从空间域变换到频率域，再通过量化的方式保留低频部分的系数，去除高频部分的系数，在损失最少图像质量的状态下取得大幅度压缩的目的。

通常基于变换方式的图像压缩方法，如JPEG，JPEG2000，有以下主要的缺点：

1、压缩率较低，由于两个算法在压缩时都是每一个独立的图像块，压缩方法利用到的信息只有图像块中的像素值，因此，这局限了两个压缩方法可以取得的压缩效果。

此外，两个算法在压缩时都利用单层次结构进行压缩，因此，这进一步局限了两个压缩方法可以取得的更高的压缩率。

2、缺乏分辨率渐进的传输机制，由于两个算法在压缩时都利用单层次结构进行压缩，因此，在后续解压时，其不根据接收到的数据码流渐进式的增加图片的质量，而渐进式的增加图片的质量在许多应用中是非常需要的，例如在Web中显示图片。

发明内容

本发明实施例的目的在于提供一种图像压缩、解压方法、压缩、解压装置以及系统，旨在解决图像压缩方法利用单层次结构的独立的图像块进行压缩，导致压缩率较低且缺乏分辨率渐进的传输机制的问题。

本发明实施例是这样实现的，一种图像压缩方法，包括：

S1，获取待压缩图像，并对所述待压缩图像进行预处理，生成所述压缩图像的多个不相互重叠的待压缩图像块;

S2，输入图像块，在预先建立的压缩模型的第i层的字典中，根据最近邻策略，获取第i层字典中与输入的图像块最相似的代表图像块，i∈[1,L]，L为压缩模型中字典的层数,i为所述层数的序号；

S3，获取所述代表图像块的索引值，加入所述待压缩图像经压缩后的码流；

S4，将输入图像块和代表图像块进行差分，生成残差图像块；

S5，对于所述残差图像块，将所述残差图像块作为压缩模型字典的下一层输入的图像块，跳转至S2，重复执行S2至S4，直至到达最后一层压缩字典；

S6，对于多个所述待压缩图像块,将所述待压缩图像块作为压缩模型字典的第一层输入的图像块，跳转至S2，重复执行S2至S5，执行完毕后，输出所述待压缩图像经压缩后的码流。

本发明实施例的另一目的在于提供一种图像解压方法，包括：

S1，在压缩图像的码流中提取S位的数据，在所述数据中依次提取长度为B的数据S_i,

其中，S为压缩图像中的一个压缩图像块的索引值的码流位数，

S位的数据为压缩图像中的一个压缩图像块的索引值，

B为压缩图像块中一个代表图像块的索引值的码流位数，

S_i为压缩图像块第i个代表图像块的索引值，

i∈[1,L]，L为压缩模型中字典的层数,i为所述层数的序号；

S2，在压缩模型中，查找与索引值Si对应的代表图像块；

S3，将所述代表图像块进行线性加和，重建出一个待压缩图像块；

S4，跳转至步骤S1，重复步骤S1至S3，直到在所述码流中提取完所有的数据，

S5，重建出多个待压缩图像块，形成所述待压缩图像块的集合，重建出压缩前的待压缩图像。

本发明实施例的另一目的在于提供一种图像压缩装置，包括：

第一获取单元，用于获取待压缩图像，并对所述待压缩图像进行预处理，生成所述压缩图像的多个不相互重叠的待压缩图像块;

第一输入单元，用于输入图像块，在预先建立的压缩模型的第i层的字典中，根据最近邻策略，获取第i层字典中与输入的图像块最相似的代表图像块，i∈[1,L]，L为压缩模型中字典的层数,i为所述层数的序号；

第二获取单元，用于获取所述代表图像块的索引值，加入所述待压缩图像经压缩后的码流；

生成单元，用于将输入图像块和代表图像块进行差分，生成残差图像块；

第一重复执行单元，用于对于所述残差图像块，将所述残差图像块作为压缩模型字典的下一层输入的图像块，跳转至所述第一输入单元，重复执行所述第一输入单元至所述生成单元的执行步骤，直至到达最后一层压缩字典；

第二重复执行单元，对于多个所述待压缩图像块,将所述待压缩图像块作为压缩模型字典的第一层输入的图像块，跳转至所述第一输入单元，重复执行第一输入单元至第一重复执行单元的执行步骤，执行完毕后，输出所述待压缩图像经压缩后的码流。

本发明实施例的另一目的在于提供一种图像解压装置，包括：

第一提取单元，用于在压缩图像的码流中提取S位的数据，在所述数据中依次提取长度为B的数据S_i,

其中，S为压缩图像中的一个压缩图像块的索引值的码流位数，

S位的数据为压缩图像中的一个压缩图像块的索引值，

B为压缩图像块中一个代表图像块的索引值的码流位数，

S_i为压缩图像块第i个代表图像块的索引值，

i∈[1,L]，L为压缩模型中字典的层数,i为所述层数的序号；

查找单元，用于在压缩模型中，查找与索引值S_i对应的代表图像块；

第一重建单元，用于将所述代表图像块进行线性加和，重建出一个待压缩图像块；

第二提取单元，用于跳转至所述第一提取单元，重复执行所述第一提取单元至所述重建单元的步骤，直到在所述码流中提取完所有的数据，

第二重建单元，用于重建出多个待压缩图像块，形成所述待压缩图像块的集合，重建出压缩前的待压缩图像。

本发明实施例的另一目的在于提供一种图像系统，包括上述图像压缩装置以及上述图像解压装置。

在本发明实施例中，对于多个所述待压缩图像块,将所述待压缩图像块作为压缩模型字典的第一层输入的图像块，跳转至S2，重复执行S2至S5，执行完毕后，输出所述待压缩图像经压缩后的码流。本发明采用多层次结构并直接使用图像块为基本单位进行压缩，解决了JPEG，JPEG2000算法中存在的压缩率较低且缺乏分辨率渐进的传输机制的问题，从而提高了压缩率，并使得图像在重建时可以根据接收到数据码流，渐进地增加图像的质量。

附图说明

图1是本发明实施例提供的图像压缩方法的实现流程图；

图2是本发明实施例提供的压缩方法框架的较佳实施流程图；

图3是建立压缩模型的较佳实施流程图；

图4是本发明实施例提供的图像解压方法的实施流程图；

图5是本发明实施例提供的一种图像压缩装置的结构框图；

图6是本发明实施例提供的一种图像解压装置的结构框图。

具体实施方式

为了使本发明的目的、技术方案及优点更加清楚明白，以下结合附图及实施例，对本发明进行进一步详细说明。应当理解，此处所描述的具体实施例仅仅用以解释本发明，并不用于限定本发明。

图1是本发明实施例提供的一种图像压缩方法的实现流程图，详述如下：

在步骤S101中，获取待压缩图像，并对所述待压缩图像进行预处理，生成所述压缩图像的多个不相互重叠的待压缩图像块;

在本实施例中，待压缩图像表示需要进行压缩的图像，所述待压缩图像包括但不限于未压缩的图像以及已经过压缩的图像。

其中，获取待压缩图像，可采用现有技术的任一种方式获取，如通过上网的方式获取，或通过本地数据库导入的方式获取。

其中，对待压缩图像进行预处理，也就是生成待压缩图像的标准化矩阵，将压缩图像分成大小为N*N或M*N不相互重叠的待压缩图像块X₁,X₂,…,X_m，M、N为像素点个数。m为待压缩图像块个数。

在步骤S102中，输入图像块，在预先建立的压缩模型的第i层的字典中，根据最近邻策略，获取第i层字典中与输入的图像块最相似的代表图像块，i∈[1,L]，L为压缩模型中字典的层数,i为所述层数的序号；

在本实施例中，输入图像块，需要进行说明的是，在预先建立的压缩模型的第一层的字典中，输入的图像块为待压缩图像块X₁,X₂,…,X_m。

在预先建立的压缩模型的第二层的字典或者第二层以下的字典中，输入的图像块为残差图像块。

作为本发明一个优选实施例，所述根据最近邻策略，获取第i层字典中与所述图像块最相似的代表图像块，包括：

根据最近邻策略，获取第i层字典中找到与图像块在欧式空间中距离最近的代表图像块，距离最近的代表图像块即为与所述图像块最相似的代表图像块。

其中，对于输入图像X_j，根据最近邻策略argmin_i∈[1,m](d(X_j,Y_i))，获取第i层字典中找到与图像块在欧式空间中距离最近的代表图像块，在压缩模型的第L_i层的字典中找到与其在欧式空间中最相似的图像块Y_i。

在步骤S103中，获取所述代表图像块的索引值，加入所述待压缩图像经压缩后的码流；

在步骤S104中，将输入图像块和代表图像块进行差分，生成残差图像块；

代表图像块的所有像素值用向量Y=[y₁,y₂,…,y_n]表示，输入图像块用X=[x₁,x₂,…,x_n]表示，使用最近邻策略

对于所有图像块在学习出来的K个代表图像块中寻找在欧式空间中距离最近的代表图像块，并和代表图像块进行差值，也从而获得残差图像块Z，也即Z=X-Y=[x₁-y₁,x₂-y₂,…,x_n-y_n]，而这些获得的残差图像块作为下一输入的图像块，也就是第二层的字典或者第二层以下的字典输入的图像块。

在步骤S105中，对于所述残差图像块，将所述残差图像块作为压缩模型字典的下一层输入的图像块，重复执行S102至S104，直至到达最后一层压缩字典；

其中，判断层数的序号i是否等于字典的层数L，若是，说明到达最后一层压缩字典，跳出循环。

其中，最后一层输出的残差的能量代表的是压缩损失的图像质量，由于在多层残差消解中，残差能量已经小到人眼的敏感度已经不容易察觉，从而保证了此算法重建出来的图像和原图像具有较高的一致性。

在步骤S106中，对于多个所述待压缩图像块,将所述待压缩图像块作为压缩模型字典的第一层输入的图像块，重复执行S102至S105，执行完毕后，输出所述待压缩图像经压缩后的码流。

其中，对于待压缩图像块[X₁,X₂,…,X_m]，重复步骤二至五，最终输出的码流即为整幅图像的有损压缩数据。

其中，压缩方法的本质是通过字典查找和残差逐层消解的方式使用字典中的代表图像块的索引值对原始的图像块信息进行编码，从而达到大幅度压缩的目的，同时通过控制编码的层数可以而获得不同的压缩率，当需要更大的压缩率时，可以使用较少到层数，当需要更高质量到还原图片时，需要进行更多层数的编码。

参考图2，图2是本发明实施例提供的压缩方法框架的较佳实施流程图。

本发明提出的压缩方法模型是一种有损失的压缩范式，获取到的二进制码流可以再经过无损的熵编码得到更加紧致的码流，从而进一步提升压缩效率，最终获取到码流即为压缩方法的最终输出。

与现有技术相比，本发明提出了一个全新的基于中层图像块的静态图片压缩方法框架。现有的静态图像有损压缩技术都集中在对于相邻像素的变换进而达到解耦合的效果，属于像素级别的压缩，而本发明直接使用N*N的像素块为基本单位进行压缩，一方面可以得到比像素级别更大的压缩率，另一方面利用了图像块与字典中代表图像块的关系进行压缩，解决了JPEG，JPEG2000算法中存在的压缩率较低且缺乏分辨率渐进的传输机制的问题，从而提高了压缩率，并使得图像在重建时可以根据接收到数据码流，渐进地增加图像的质量。

另外，由于本发明的图像压缩方法并没有采用任何变换策略，使得压缩过程一直都是在图像原始层面上进行，从而使得压缩码流保持了一定的描述图像内容的能力，从模型可以看出，这种通过聚类找代表样本的方法秉承了图像分类算法中经典的词袋模型相似的精神，压缩码流可以很容易的转换成具有描述整张图像的能力的图像特征，进而便于诸如图像分类，图像检索等其他机器视觉任务的开展。

作为本发明的实施例，在所述输入图像块，在压缩模型的第i层的字典之前，包括：

建立压缩模型，

参考图3，图3是建立压缩模型的较佳实施流程图，详述如下：

在步骤S301中，采集多个图像，将所述图像分成预设大小的多个图像块，对多个图像块进行均匀采样，获取预设数量的图像块；

其中，采集众多内容不同的图像，将它们分成多个大小为N*N图像块，在这群图像块中进行均匀采样，获取总数为M的图像块。

在步骤S302中，将预设数量的图像块所述进行K-means聚类，从而获得K个代表图像块作为此层的字典；

其中，对获得到的M块图像块进行K-means聚类，从而获得K个聚类中心，也即K个代表图像块作为此层的字典，

在步骤S303中，输入图像块，根据最近邻策略，获取与输入的图像块在欧式空间中距离最近的代表图像块，输入的图像块和最近的代表图像块进行差值，也从而获得此层的残差图像块；

其中，将字典中的代表图像块的所有像素值用向量Y=[y₁,y₂,…,y_n]表示，将输入图像块用X=[x₁,x₂,…,x_n]表示，根据最近邻策略

对于所有图像块在学习出来的K个代表图像块中寻找在欧式空间中距离最近的代表图像块，并和代表图像块进行差值，也从而获得残差图像块Z，也即Z=X-Y=[x₁-y₁,x₂-y₂,…,x_n-y_n]，而这些获得的残差图像块作为下一层字典学习的输入。

在步骤S304中，仅将上一层所有输出的残差图像块作为下一层字典学习使用的全部输入数据块，重复第2步骤（步骤S302），直到建立L层的字典为止。

其中，仅将上一层所有输出的残差图像块作为下一层字典学习使用的全部输入数据块，重复第2步骤（步骤S302），直到建立L层图像字典为止。

在本实施例中，由于一层字典很难对全部的图像块进行精确的描述，所以需要根据残差图像块建立多层次的图像块字典，以建立能够显著代表众多差异巨大的图像块的代表图像块字典，此外，后续可以通过不同的层数，获得不同的压缩率。

参考图4，图4是本发明实施例提供的图像解压方法的实施流程图，详述如下：

在步骤S401中，在压缩图像的码流中提取S位的数据，在所述数据中依次提取长度为B的数据S_i,

其中，S为压缩图像中的一个压缩图像块的索引值的码流位数，

S位的数据为压缩图像中的一个压缩图像块的索引值，

B为压缩图像块中一个代表图像块的索引值的码流位数，

S_i为压缩图像块第i个代表图像块的索引值，

i∈[1,L]，L为压缩模型中字典的层数,i为所述层数的序号；

在本实施例中，数据可以采用现有的任意一种进制，例如二进制，十进制等。

在本实施例中，压缩图像的码流为待压缩图像经压缩后的码流。

在步骤S402中，在压缩模型中，查找与索引值S_i对应的代表图像块；

在步骤S403中，将所述代表图像块进行线性加和，重建出一个待压缩图像块；

在步骤S404中，重复步骤S401至S403，直到在所述码流中提取完所有的数据，重建出多个待压缩图像块，形成所述待压缩图像块的集合，重建出压缩前的待压缩图像。

为便于说明，以本实施例为实际应用的实施流程为例，详述如下：

步骤一：从码流中提取S位长的二进制数据；

步骤二：对于所有s_i,i∈[1,L]，在压缩字典模型中查找对应的代表图像块。其映射方式为在第i层字典中索引二进制值为si的代表图像块即为寻找的代表图像块M∈[m₁,m₂,…,m_n]；

步骤三：将根据S从压缩模型字典中查找到的L块代表图像块[M₁,M₂,…,M_L]进行线性加和从而重建出图像小块X′，也即X′=Σ_i∈[1,L]M_i；

步骤四：重复步骤一至三，直到提取完所有码流中的数据；

步骤五：将以上步骤重建出的所有待压缩图像块[X′₁,X′₂,…,X′_n]，根据待压缩图像块的长宽信息，按照压缩时的提取顺序摆放，即可得到重建出压缩前的待压缩图像。

在本实施例中，假设压缩图像具有N个压缩图像块，则还原出压缩图像到过程除了前面的无损熵编码的解压，只需要进行N*L次的索引，然后通过简单的矩阵加法操作即可得到压缩前的待压缩图像，由此可以明显看出解压的过程非常高效，同时由于这种分层解压逐步还原的策略，形成了分辨率渐进传输机制，随着传输码流的数据增加，从而重建待压缩图像质量也相应增加。

参考图5，图5是本发明实施例提供的一种图像压缩装置的结构框图，该装置可以运行于各种终端，包括但不限于移动电话、口袋计算机（PocketPersonal Computer，PPC）、掌上电脑、计算机、笔记本电脑、个人数字助理（Personal Digital Assistant，PDA）、MP4、MP3等。为了便于说明，仅示出了与本实施例相关的部分。

该图像压缩装置，包括：

第一获取单元，用于获取待压缩图像，并对所述待压缩图像进行预处理，生成所述压缩图像的多个不相互重叠的待压缩图像块;

第一输入单元，用于输入图像块，在预先建立的压缩模型的第i层的字典中，根据最近邻策略，获取第i层字典中与输入的图像块最相似的代表图像块，i∈[1,L]，L为压缩模型中字典的层数,i为所述层数的序号；

第二获取单元，用于获取所述代表图像块的索引值，加入所述待压缩图像经压缩后的码流；

生成单元，用于将输入图像块和代表图像块进行差分，生成残差图像块；

第一重复执行单元，用于对于所述残差图像块，将所述残差图像块作为压缩模型字典的下一层输入的图像块，跳转至所述第一输入单元，重复执行所述第一输入单元至所述生成单元的执行步骤，直至到达最后一层压缩字典；

第二重复执行单元，对于多个所述待压缩图像块,将所述待压缩图像块作为压缩模型字典的第一层输入的图像块，跳转至所述第一输入单元，重复执行第一输入单元至第一重复执行单元的执行步骤，执行完毕后，输出所述待压缩图像经压缩后的码流。

进一步地，在该装置中，还包括建立单元，用于

建立压缩模型，

其中，所述建立单元，包括：

采集子单元，用于采集多个图像，将所述图像分成预设大小的多个图像块，对多个图像块进行均匀采样，获取预设数量的图像块；

聚类子单元，用于将预设数量的图像块所述进行K-means聚类，从而获得K个代表图像块作为此层的字典；

获取子单元，用于输入图像块，根据最近邻策略，获取与输入的图像块在欧式空间中距离最近的代表图像块，输入的图像块和最近的代表图像块进行差值，也从而获得此层的残差图像块；

建立子单元，用于仅将上一层所有输出的残差图像块作为下一层字典学习使用的全部输入数据块，重复执行聚类子单元中的步骤，直到建立L层的字典为止，L为压缩模型中字典的层数。

参考图6，图6是本发明实施例提供的一种图像解压装置的结构框图，该装置可以运行于各种终端，包括但不限于移动电话、口袋计算机（PocketPersonal Computer，PPC）、掌上电脑、计算机、笔记本电脑、个人数字助理（Personal Digital Assistant，PDA）、MP4、MP3等。为了便于说明，仅示出了与本实施例相关的部分。

该图像压缩装置，包括：

第一提取单元61，用于在压缩图像的码流中提取S位的数据，在所述数据中依次提取长度为B的数据S_i,

其中，S为压缩图像中的一个压缩图像块的索引值的码流位数，

S位的数据为压缩图像中的一个压缩图像块的索引值，

B为压缩图像块中一个代表图像块的索引值的码流位数，

S_i为压缩图像块第i个代表图像块的索引值，

i∈[1,L]，L为压缩模型中字典的层数,i为所述层数的序号；

查找单元62，用于在压缩模型中，查找与索引值S_i对应的代表图像块；

第一重建单元63，用于将所述代表图像块进行线性加和，重建出一个待压缩图像块；

第二提取单元64，用于跳转至所述第一提取单元，重复执行所述第一提取单元至所述重建单元的步骤，直到在所述码流中提取完所有的数据，

第二重建单元65，用于重建出多个待压缩图像块，形成所述待压缩图像块的集合，重建出压缩前的待压缩图像。

进一步地，在该装置中，所述第一重建单元具体用于根据所述S位的数据中的S_i，从压缩模型中查找到的L块代表图像块进行线性加和，从而重建出一个待压缩图像块。

一种图像系统，包括上述图像压缩装置以及上述图像解压装置。

本发明实施例提供的装置可以应用在前述对应的方法实施例中，详情参见上述实施例的描述，在此不再赘述。

通过以上的实施方式的描述，所属领域的技术人员可以清楚地了解到本发明可借助软件加必需的通用硬件的方式来实现，当然也可以通过硬件，但很多情况下前者是更佳的实施方式。基于这样的理解，本发明的技术方案本质上或者说对现有技术做出贡献的部分可以以软件产品的形式体现出来，该计算机软件产品存储在可读取的存储介质中，如计算机的软盘，硬盘或光盘等，包括若干指令用以使得一台计算机设备（可以是个人计算机，服务器，或者网络设备等）执行本发明各个实施例所述的方法。

以上所述，仅为本发明的具体实施方式，但本发明的保护范围并不局限于此，任何熟悉本技术领域的技术人员在本发明揭露的技术范围内，可轻易想到的变化或替换，都应涵盖在本发明的保护范围之内。因此，本发明的保护范围应以权利要求的保护范围为准。

Claims (10)

1.一种图像压缩方法，其特征在于，包括：

S1，获取待压缩图像，并对所述待压缩图像进行预处理，生成所述压缩图像的多个不相互重叠的待压缩图像块;

S2，输入图像块，在预先建立的压缩模型的第i层的字典中，根据最近邻策略，获取第i层字典中与输入的图像块最相似的代表图像块，i∈[1,L]，L为压缩模型中字典的层数,i为所述层数的序号；

S3，获取所述代表图像块的索引值，加入所述待压缩图像经压缩后的码流；

S4，将输入图像块和代表图像块进行差分，生成残差图像块；

S5，对于所述残差图像块，将所述残差图像块作为压缩模型字典的下一层输入的图像块，跳转至S2，重复执行S2至S4，直至到达最后一层压缩字典；

S6，对于多个所述待压缩图像块,将所述待压缩图像块作为压缩模型字典的第一层输入的图像块，跳转至S2，重复执行S2至S5，执行完毕后，输出所述待压缩图像经压缩后的码流。

2.根据权利要求1所述的方法，其特征在于，所述根据最近邻策略，获取第i层字典中与所述图像块最相似的代表图像块，包括：

根据最近邻策略，获取第i层字典中找到与图像块在欧式空间中距离最近的代表图像块，距离最近的代表图像块即为与所述图像块最相似的代表图像块。

3.根据权利要求1所述的方法，其特征在于，在所述输入图像块，在压缩模型的第i层的字典之前，包括：

建立压缩模型，

其中，建立压缩模型的步骤，包括：

S1、采集多个图像，将所述图像分成预设大小的多个图像块，对多个图像块进行均匀采样，获取预设数量的图像块；

S2、将预设数量的图像块所述进行K-means聚类，从而获得K个代表图像块作为此层的字典；

S3、输入图像块，根据最近邻策略，获取与输入的图像块在欧式空间中距离最近的代表图像块，输入的图像块和最近的代表图像块进行差值，也从而获得此层的残差图像块；

S4、仅将上一层所有输出的残差图像块作为下一层字典学习使用的全部输入数据块，跳转至S2，重复S2中的步骤，直到建立L层的字典为止，L为压缩模型中字典的层数。

4.一种图像解压方法，其特征在于，包括：

S1，在压缩图像的码流中提取S位的数据，在所述数据中依次提取长度为B的数据S_i,

其中，S为压缩图像中的一个压缩图像块的索引值的码流位数，

S位的数据为压缩图像中的一个压缩图像块的索引值，

B为压缩图像块中一个代表图像块的索引值的码流位数，

S_i为压缩图像块第i个代表图像块的索引值，

i∈[1,L]，L为压缩模型中字典的层数,i为所述层数的序号；

S2，在压缩模型中，查找与索引值S_i对应的代表图像块；

S3，将所述代表图像块进行线性加和，重建出一个待压缩图像块；

S4，跳转至步骤S1，重复步骤S1至S3，直到在所述码流中提取完所有的数据，

S5，重建出多个待压缩图像块，形成所述待压缩图像块的集合，重建出压缩前的待压缩图像。

5.根据权利要求4所述的方法，其特征在于，所述将所述代表图像块进行线性加和，重建出一个待压缩图像块，包括：

根据所述S位的数据中的S_i，从压缩模型中查找到的L块代表图像块进行线性加和，从而重建出一个待压缩图像块。

6.一种图像压缩装置，其特征在于，包括：

第一获取单元，用于获取待压缩图像，并对所述待压缩图像进行预处理，生成所述压缩图像的多个不相互重叠的待压缩图像块;

第一输入单元，用于输入图像块，在预先建立的压缩模型的第i层的字典中，根据最近邻策略，获取第i层字典中与输入的图像块最相似的代表图像块，i∈[1,L]，L为压缩模型中字典的层数,i为所述层数的序号；

第二获取单元，用于获取所述代表图像块的索引值，加入所述待压缩图像经压缩后的码流；

生成单元，用于将输入图像块和代表图像块进行差分，生成残差图像块；

第一重复执行单元，用于对于所述残差图像块，将所述残差图像块作为压缩模型字典的下一层输入的图像块，跳转至所述第一输入单元，重复执行所述第一输入单元至所述生成单元的执行步骤，直至到达最后一层压缩字典；

第二重复执行单元，对于多个所述待压缩图像块,将所述待压缩图像块作为压缩模型字典的第一层输入的图像块，跳转至所述第一输入单元，重复执行第一输入单元至第一重复执行单元的执行步骤，执行完毕后，输出所述待压缩图像经压缩后的码流。

7.根据权利要求6所述的装置，其特征在于，还包括建立单元，用于

建立压缩模型，

其中，所述建立单元，包括：

采集子单元，用于采集多个图像，将所述图像分成预设大小的多个图像块，对多个图像块进行均匀采样，获取预设数量的图像块；

聚类子单元，用于将预设数量的图像块所述进行K-means聚类，从而获得K个代表图像块作为此层的字典；

获取子单元，用于输入图像块，根据最近邻策略，获取与输入的图像块在欧式空间中距离最近的代表图像块，输入的图像块和最近的代表图像块进行差值，也从而获得此层的残差图像块；

建立子单元，用于仅将上一层所有输出的残差图像块作为下一层字典学习使用的全部输入数据块，重复执行聚类子单元中的步骤，直到建立L层的字典为止，L为压缩模型中字典的层数。

8.一种图像解压装置，其特征在于，包括：

第一提取单元，用于在压缩图像的码流中提取S位的数据，在所述数据中依次提取长度为B的数据S_i,

其中，S为压缩图像中的一个压缩图像块的索引值的码流位数，

S位的数据为压缩图像中的一个压缩图像块的索引值，

B为压缩图像块中一个代表图像块的索引值的码流位数，

S_i为压缩图像块第i个代表图像块的索引值，

i∈[1,L]，L为压缩模型中字典的层数,i为所述层数的序号；

查找单元，用于在压缩模型中，查找与索引值S_i对应的代表图像块；

第一重建单元，用于将所述代表图像块进行线性加和，重建出一个待压缩图像块；

第二提取单元，用于跳转至所述第一提取单元，重复执行所述第一提取单元至所述重建单元的步骤，直到在所述码流中提取完所有的数据，

第二重建单元，用于重建出多个待压缩图像块，形成所述待压缩图像块的集合，重建出压缩前的待压缩图像。

9.根据权利要求8所述的装置，其特征在于，所述第一重建单元具体用于根据所述S位的数据中的S_i，从压缩模型中查找到的L块代表图像块进行线性加和，从而重建出一个待压缩图像块。

10.一种图像系统，其特征在于，包括权利要求6至7中任意一项权利要求所述图像压缩装置以及权利要求8至9中任意一项权利要求所述图像解压装置。

Images