CN106612439A - 一种自适应快速分形图像压缩方法 - Google Patents

一种自适应快速分形图像压缩方法 Download PDF

Info

Publication number
CN106612439A
CN106612439A CN201610079621.2A CN201610079621A CN106612439A CN 106612439 A CN106612439 A CN 106612439A CN 201610079621 A CN201610079621 A CN 201610079621A CN 106612439 A CN106612439 A CN 106612439A
Authority
CN
China
Prior art keywords
block
image
adaptive
compression
quantization
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Pending
Application number
CN201610079621.2A
Other languages
English (en)
Inventor
刘弘
刘弘一
胡成华
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Sichuan Yonglian Information Technology Co Ltd
Original Assignee
Sichuan Yonglian Information Technology Co Ltd
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by Sichuan Yonglian Information Technology Co Ltd filed Critical Sichuan Yonglian Information Technology Co Ltd
Priority to CN201610079621.2A priority Critical patent/CN106612439A/zh
Publication of CN106612439A publication Critical patent/CN106612439A/zh
Pending legal-status Critical Current

Links

Classifications

    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
    • H04N19/00—Methods or arrangements for coding, decoding, compressing or decompressing digital video signals
    • H04N19/90—Methods or arrangements for coding, decoding, compressing or decompressing digital video signals using coding techniques not provided for in groups H04N19/10-H04N19/85, e.g. fractals
    • H04N19/99—Methods or arrangements for coding, decoding, compressing or decompressing digital video signals using coding techniques not provided for in groups H04N19/10-H04N19/85, e.g. fractals involving fractal coding
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
    • H04N19/00—Methods or arrangements for coding, decoding, compressing or decompressing digital video signals
    • H04N19/10—Methods or arrangements for coding, decoding, compressing or decompressing digital video signals using adaptive coding
    • H04N19/102—Methods or arrangements for coding, decoding, compressing or decompressing digital video signals using adaptive coding characterised by the element, parameter or selection affected or controlled by the adaptive coding
    • H04N19/124—Quantisation
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
    • H04N19/00—Methods or arrangements for coding, decoding, compressing or decompressing digital video signals
    • H04N19/10—Methods or arrangements for coding, decoding, compressing or decompressing digital video signals using adaptive coding
    • H04N19/169—Methods or arrangements for coding, decoding, compressing or decompressing digital video signals using adaptive coding characterised by the coding unit, i.e. the structural portion or semantic portion of the video signal being the object or the subject of the adaptive coding
    • H04N19/17—Methods or arrangements for coding, decoding, compressing or decompressing digital video signals using adaptive coding characterised by the coding unit, i.e. the structural portion or semantic portion of the video signal being the object or the subject of the adaptive coding the unit being an image region, e.g. an object
    • H04N19/176—Methods or arrangements for coding, decoding, compressing or decompressing digital video signals using adaptive coding characterised by the coding unit, i.e. the structural portion or semantic portion of the video signal being the object or the subject of the adaptive coding the unit being an image region, e.g. an object the region being a block, e.g. a macroblock
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
    • H04N19/00—Methods or arrangements for coding, decoding, compressing or decompressing digital video signals
    • H04N19/60—Methods or arrangements for coding, decoding, compressing or decompressing digital video signals using transform coding
    • H04N19/625—Methods or arrangements for coding, decoding, compressing or decompressing digital video signals using transform coding using discrete cosine transform [DCT]

Landscapes

  • Engineering & Computer Science (AREA)
  • Multimedia (AREA)
  • Signal Processing (AREA)
  • Physics & Mathematics (AREA)
  • Discrete Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Compression Or Coding Systems Of Tv Signals (AREA)
  • Compression Of Band Width Or Redundancy In Fax (AREA)

Abstract

本发明提出了一种自适应快速分形图像压缩方法，该方法涉及计算机信息技术领域，具体地涉及图像压缩领域。本压缩方法对静态图像和运动图像都能进行自适应压缩。本发明将自适应量化方法与快速分型理论结合。首先判断平滑区与非平滑区，将图像分为多个子图像块；对子图像块采用JPEG算法压缩处理，并进行DCT变换后对DC分量进行DPCM编码处理得到自适应块；根据生成的自适应块建立定义域块库；根据已建立的定义域块库分割值域块，提取自适应块的均值和方差两个特征,用K个值域块类的聚类中心对自适应块进行聚类,得到相应的K个定义域块类。最后将K个值域块类和对应的K个定义域块类匹配，得到自适应图像基于K均值聚类的快速分型压缩图像。

Description

一种自适应快速分形图像压缩方法
所属领域
本发明涉及计算机信息技术领域，具体地涉及图像压缩领域。
背景技术
图像压缩是图像处理领域经典而又热门的研究方向。图像压缩的目的就是在不损害图像有效信息的前提下,去除图像中的冗余数据。目前常用的图像压缩算法中,一个显著的特点就是对图像进行均匀的分割,然后对每一个块进行一系列的变换和编码处理,实现图像的压缩。现有的一些图像压缩技术，仍然存在着图像压缩效率不高、压缩质量不好的问题。
分形理论是欧氏几何相关理论的扩展,它描述了自然界中物体的自相似性,这种自相似性可以是确定的,也可以是统计意义上的。快速分形图像压缩是在分形几何理论的基础上发展起来的一种图像压缩方法,其理论基础是迭代函数系统。快速分形图像压缩技术建立在自然图像中存在的局部自相似性的基础上,用一个压缩变换的参数来表征图像。这个压缩变换由一组作用于图像子块的映射组成,揭示了图像存在的局部自相似性。由于存储仿射变换量化参数的比特数远远低于储存原始图像的比特数,所以能够实现图像数据的高倍压缩。快速分形解码采用新颖的快速迭代过程,重构图像由压缩变换迭代作用于任何初始图像来生成。将原图预分解为若干个分形子图,使得子图具有一定的分形结构,即子图的整体与局部之间存在某种自仿射特征,由大量的这些子图组成了分形库,每个子图可在这些分形库中找到它们的匹配子图编码。这样,对图像的快速分形算法可转化为图像分割,到库中寻找匹配子图的编码,最后扔掉原图,保存子图编码,进行存贮或传输。
发明内容
针对上述不足之处，本发明提出一个基于自适应块的快速分形图像压缩方法，该自适应分块压缩的理论基础是由于图像的频域能量分布在平滑区和非平滑区的特性不同，主要表现在离散余弦变换域中平滑区的重要系数分布集中,可忽略的非重要系数比非平滑区多。尽管非平滑区中的重要系数分布不如平滑区那样集中,但是通过排序可以建立对大幅值系数小步长量化和小幅值系数大步长量化的 自适应量化方法,进一步对量化后的重要系数及其地址数据按照自身统计规律进行熵编码,可以提高对非平滑区的压缩比,并且使恢复质量也得以提高。
本发明的目的是：提升图像的压缩效率和压缩图像的重建质量。
本发明为实现上述目的所采取的技术方案是：一种自适应快速分形图像压缩方法，实现过程如下：
步骤1：根据原始图像标号矩阵统计子块中各个标号出现频率,求出最大值。将最大值与判决阈值比较,大于判决阈值则子图像块判定为平滑区,否则继续判断子图像块尺寸是否为标准尺寸,是则按照四叉树方式将图像分成多个子图像块,逐个对子图像块进行扫描，获取扫描后的当前子图像块。
步骤2：对当前子图像块采用JPEG算法压缩处理。对当前子图像块2维DCT变换后,DC分量进行DPCM编码处理，对AC分量扫描后按照幅值从大到小排序,然后量化、编码,生成自适应块。同时对地址数据嫡编码，实现图像自适应过程。
步骤3：根据生成的自适应块建立定义域块库。定义域块的搜索步长为r,并去掉平坦定义域块,即灰度标准差小于某个给定阈值的块,平坦块完全可用灰度值等于值域块均值的常数块来代替,这就减小了聚类数目和搜索空间。
步骤4：根据已建立的定义域块库分割值域块,将灰度标准差小于某个阈值n的值域块视为平坦块,直接用灰度值等于值域块均值的常数块来逼近。提取值域块的均值和方差两个特征,利用这两个特征进行K均值聚类,得到K个值域块类。
步骤5：提取自适应块的均值和方差两个特征,用K个值域块类的聚类中心对自适应块进行聚类,得到相应的K个定义域块类。最后将K个值域块类和对应的K个定义域块类匹配，得到自适应图像基于K均值聚类的快速分型压缩图像。
本发明的有益效果是：提升图像压缩的效率和重建图像的质量。
附图说明
附图是自适应快速分形图像压缩方法的流程图。
具体实施方式
本发明主要描述一种新型自适应快速分形图像压缩方法,包括对静态和运动图像的自适应压缩。对静态图像自适应压缩研究的主要工作是在自适应分块压缩基础上,创新发明了自适应量化方法,并将其与快速分型理论结合,提出了本发明的新型自适应快速分形图像压缩方法。
以下，结合附图对本发明进行详细说明。
一、自适应静态图像分块，结合自适应快速分形图像压缩方法的流程图
在基于自适应分块的静态图像压缩算法中,区分平滑区和非平滑区是自适应分块算法的核心部分。基于边缘信息测度的自适应分块方法和基于势函数聚类拟合图像直方图的自适应分块方法是自适应静态图像分块中的核心算法。
在本发明中，两种自适应静态图像分块算法，对分块后所得的各种尺寸的子图像块均采用算法的量化方法量化处理,对分块所得的大块平滑区和小块非平滑区采用同样的量化方法。对于平滑区而言,算法的量化方法是非常有效的。这是因为算法推荐的量化表对低频部分采用小的量化步长,对中高频采用大的量化步长,算法的量化过程是保留图像的低频成分,抑制中高频成分的过程,这与平滑区的频域能量分布特点完全相同,在平滑区中能量主要集中在低频部分,中高频成分占据次要地位。所以在产生图像自适应块的步骤中，本发明使用DPCM编码和排序量化方法，来优化子图像块经过DCT变换之后的聚类性能。
二、自适应平滑区量化，结合自适应快速分形图像压缩方法的流程图
对大块平滑区采用的量化处理时需要对应尺寸的量化表。对此解决办法是以标准亮度量化表和标准色度量化表为基础表,量化表是基础表经过邻域插值而成。对于大尺寸的量化表来说,其中某一行列中的系数首先应该满足基础表中对应行列内系数间变化关系,并在此基础上适当加大中高频的量化步长。
本发明提出了一种大尺寸量化表生成方法,首先经过样条插值得到行列内系数间关系满足基础表中对应行列内系数间变化关系的大尺寸量化表,然后在此基础上适当增大中高频部分的量化步长。经过自适应分块处理后,子图像块的尺寸越大,其越发平滑,对其谱中的中高频系数加大量化程度可以在保证恢复图像质量的基础上大幅度提高压缩比。因此对所得大尺寸量化表中的中高频量化步长适当的调大,增大量化程度。
三、自适应非平滑区量化，结合自适应快速分形图像压缩方法的流程图
边缘区和纹理区统称为非平滑区。非平滑区的空间特征差异巨大,对应的谱中重要系数的分布也无明显的规律。除了少数决定非平滑区整体灰度的重要低频成分集中分布在谱的左上角外,表征其复杂空间特征的中、高频成分在除左上角以外的空间中分布无明显规律。对于非平滑区而言,其谱中重要的系数虽然在空 间分布上无明显规律,但是从幅值角度看,这些重要系数都表现为幅值较大。自适应量化方法对非平滑区的量化处理是按照谱中系数的重要性进行量化。
对直流分量的处理，平滑区和非平滑区中直流分量表征的是子图像块的平均灰度,平滑区和非平滑区在空间分布具有连续性,在空间上临近子图像块的直流分量具有很强的相关性,在平滑区和非平滑区中对直流分量采用相同的量化步长,自适应分块处理后得到的非平滑区在量化时，非平滑区中直流分量的量化步长选择与推荐的标准亮度量化表的直流量化步长相同。
对交流分量的处理，自适应量化对非平滑区中表征图像块空间特征的交流分量按照重要性进行量化,重要性通过系数的幅值来体现,幅值大的系数重要性大,采用小的量化步长。幅值小的重要性小,采用大的量化步长。
将自适应非平滑区量化用在子图像块产生自适应块的过程中，最大的优势就是基于非平滑区的量化能够有效减少子图像块中的聚类残差，用来处理从原始图像中分离出的交流分量。对后来的分割阈值块和均值聚类操作也有重大的意义。本发明是在非平滑区子图像块进行维变换后,对所有系数按照幅值进行由大到小排序,幅值大的重要系数排在前面,幅值小的非重要系数排在后面。排序同时产生一部分记录各个系数在原来谱中位置的数据,这部分数据称为地址数据。在解码端反量化后,利用地址数据将反量化后的系数放回到它在原来谱中的位置上。
四、快速分型，结合自适应快速分形图像压缩方法的流程图
基于分形几何建立一个能够提供各种形状的图形库。图形库本身是不存放分形图像的，而是存放的迭代函数系统(IFS)编码组合。通过这些编码组合可以重构相应的分形图形或者空间结构。在分形压缩中，构成IFS的主要组成部分是一个或者一组压缩仿射变换，这些压缩仿射变换在极限的迭代条件下得到的图像和原始迭代图像是没有关系的，而只和仿射变换的参数有关。分形压缩图像的过程就是找出这样一组仿射变换参数的过程。分形图像压缩的本质是图像中局部-局部之间，局部-整体之间存在着很大的仿射冗余。比如结构冗余就是其中占比很大的一种仿射冗余，即图像中很大一部分都可以通过自我结构的仿射，或者经过一定程度的变换，从而实现信息的表达。分形图像编码就是通过这种去除图像内部之间各部分的自相似冗余达到图像压缩的。找出图像中各种分形结构，并通过仿射变换进行表达来实现图像的压缩过程。这种只存储或者传输IFS参数的方 法可以得到很高的压缩比。
上述结合附图对本发明的实施例作了详细描述，应该理解上述只是示例性的，因此，本发明的保护范围应当由所附的权利要求书的内容确定。

Claims (3)

1.一种自适应快速分形图像压缩方法，该方法涉及计算机信息技术领域，具体地涉及图像压缩领域，其特征是：该方法的实现步骤如下:
步骤1：根据原始图像标号矩阵统计子块中各个标号出现频率，求出最大值，将最大值与判决阈值比较，大于判决阈值则子图像块判定为平滑区,否则继续判断子图像块尺寸是否为标准尺寸，是则按照四叉树方式将图像分成多个子图像块，逐个对子图像块进行扫描，获取扫描后的当前子图像块；
步骤2：对当前子图像块采用JPEG算法压缩处理，对当前子图像块2维DCT变换后，DC分量进行DPCM编码处理，对AC分量扫描后按照幅值从大到小排序，然后量化、编码，生成自适应块，同时对地址数据嫡编码，实现图像自适应过程；
步骤3：根据生成的自适应块建立定义域块库，定义域块的搜索步长为r，并去掉平坦定义域块，即灰度标准差小于某个给定阈值的块，平坦块完全可用灰度值等于值域块均值的常数块来代替，这就减小了聚类数目和搜索空间；
步骤4：根据已建立的定义域块库分割值域块，将灰度标准差小于某个阈值n的值域块视为平坦块，直接用灰度值等于值域块均值的常数块来逼近，提取值域块的均值和方差两个特征，利用这两个特征进行K均值聚类，得到K个值域块类；
步骤5：提取自适应块的均值和方差两个特征，用K个值域块类的聚类中心对自适应块进行聚类，得到相应的K个定义域块类，最后将K个值域块类和对应的K个定义域块类匹配，得到自适应图像基于K均值聚类的快速分型压缩图像。
2.根据权利要求1所述的一种自适应快速分形图像压缩方法，其特征是：本发明提出了一种大尺寸量化表生成方法：首先经过样条插值得到行列内系数间关系满足基础表中对应行列内系数间变化关系的大尺寸量化表，然后在此基础上适当增大中高频部分的量化步长，经过自适应分块处理后,子图像块的尺寸越大，其越发平滑，对其谱中的中高频系数加大量化程度可以在保证恢复图像质量的基础上大幅度提高压缩比，因此对所得大尺寸量化表中的中高频量化步长适当的调大，增大量化程度。
3.根据权利要求1所述的一种自适应快速分形图像压缩方法，其特征是：本发明是在非平滑区子图像块进行维变换后,对所有系数按照幅值进行由大到小排序,幅值大的重要系数排在前面,幅值小的非重要系数排在后面，排序同时产生一部分记录各个系数在原来谱中位置的数据,这部分数据称为地址数据，在解码端反量化后,利用地址数据将反量化后的系数放回到它在原来谱中的位置上。
CN201610079621.2A 2016-02-04 2016-02-04 一种自适应快速分形图像压缩方法 Pending CN106612439A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201610079621.2A CN106612439A (zh) 2016-02-04 2016-02-04 一种自适应快速分形图像压缩方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201610079621.2A CN106612439A (zh) 2016-02-04 2016-02-04 一种自适应快速分形图像压缩方法

Publications (1)

Publication Number Publication Date
CN106612439A true CN106612439A (zh) 2017-05-03

Family

ID=58615311

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201610079621.2A Pending CN106612439A (zh) 2016-02-04 2016-02-04 一种自适应快速分形图像压缩方法

Country Status (1)

Country Link
CN (1) CN106612439A (zh)

Cited By (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN108769704A (zh) * 2018-06-04 2018-11-06 浙江工业大学 一种基于动态能量分析的离散余弦变换图像压缩方法
CN109391818A (zh) * 2018-11-30 2019-02-26 昆明理工大学 一种基于dct变换的快速搜索分形图像压缩方法
CN109493345A (zh) * 2018-10-22 2019-03-19 太原科技大学 一种计算机数字图像快速处理算法
CN109982095A (zh) * 2019-03-20 2019-07-05 南宁师范大学 基于cnn与gep的分形图像压缩编码方法
CN112184732A (zh) * 2020-09-27 2021-01-05 山东炎黄工业设计有限公司 一种图像智能处理方法
TWI770441B (zh) * 2018-12-17 2022-07-11 日商佳能股份有限公司 圖像編碼裝置、圖像解碼裝置、其等之控制方法及程式
WO2022247735A1 (zh) * 2021-05-28 2022-12-01 于江鸿 数据处理的方法和系统

Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN102547261A (zh) * 2010-12-24 2012-07-04 上海电机学院 一种分形图像编码方法
CN104780368A (zh) * 2015-04-28 2015-07-15 华东交通大学 基于图像统计信息的自适应采样方法

Patent Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN102547261A (zh) * 2010-12-24 2012-07-04 上海电机学院 一种分形图像编码方法
CN104780368A (zh) * 2015-04-28 2015-07-15 华东交通大学 基于图像统计信息的自适应采样方法

Cited By (10)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN108769704A (zh) * 2018-06-04 2018-11-06 浙江工业大学 一种基于动态能量分析的离散余弦变换图像压缩方法
CN109493345A (zh) * 2018-10-22 2019-03-19 太原科技大学 一种计算机数字图像快速处理算法
CN109391818A (zh) * 2018-11-30 2019-02-26 昆明理工大学 一种基于dct变换的快速搜索分形图像压缩方法
CN109391818B (zh) * 2018-11-30 2021-12-10 昆明理工大学 一种基于dct变换的快速搜索分形图像压缩方法
TWI770441B (zh) * 2018-12-17 2022-07-11 日商佳能股份有限公司 圖像編碼裝置、圖像解碼裝置、其等之控制方法及程式
TWI788268B (zh) * 2018-12-17 2022-12-21 日商佳能股份有限公司 圖像編碼裝置、圖像解碼裝置、其等之控制方法及程式
CN109982095A (zh) * 2019-03-20 2019-07-05 南宁师范大学 基于cnn与gep的分形图像压缩编码方法
CN112184732A (zh) * 2020-09-27 2021-01-05 山东炎黄工业设计有限公司 一种图像智能处理方法
CN112184732B (zh) * 2020-09-27 2022-05-24 佛山市三力智能设备科技有限公司 一种图像智能处理方法
WO2022247735A1 (zh) * 2021-05-28 2022-12-01 于江鸿 数据处理的方法和系统

Similar Documents

Publication Publication Date Title
CN106612439A (zh) 一种自适应快速分形图像压缩方法
CN102550027B (zh) 用于图像和视频压缩的局部可变量化和混合可变长度编码
Zhou et al. DCT-based color image compression algorithm using an efficient lossless encoder
Zhang et al. Rate-distortion optimized sparse coding with ordered dictionary for image set compression
Liu et al. Prior-based quantization bin matching for cloud storage of JPEG images
Li et al. Image compression using transformed vector quantization
Moinuddin et al. Efficient algorithm for very low bit rate embedded image coding
Chu et al. A digital image watermarking method based on labeled bisecting clustering algorithm
Mulla et al. Comparison of Different Image Compression Techniques
Khmelevskiy et al. Model of Transformation of the Alphabet of the Encoded Data as a Tool to Provide the Necessary Level of Video Image Qualityi in Aeromonitoring Systems.
Huang et al. An improved LBG algorithm for image vector quantization
CN106331719A (zh) 一种基于k‑l变换误差空间拆分的图像数据压缩方法
Begum et al. An efficient algorithm for codebook design in transform vector quantization
Poolakkachalil et al. Comparative analysis of lossless compression techniques in efficient DCT-based image compression system based on Laplacian Transparent Composite Model and An Innovative Lossless Compression Method for Discrete-Color Images
CN102316324B (zh) 一种基于局部最小熵的图像编码预测方法
CN101064844A (zh) 一种使用旋转压缩码书对图像进行匹配压缩的方法
Corsini et al. Image sets compression via patch redundancy
Lan et al. Compression of compound images by combining several strategies
Chaker et al. An improved image retrieval algorithm for JPEG 2000 compressed images
CN108259896B (zh) 一种利用系数分布特性的哥伦布-莱斯初始参数自适应决策方法
Jha et al. DEMD-based video coding for textured videos in an H. 264/MPEG framework
Kamal Iteration free fractal image compression for color images using vector quantization, genetic algorithm and simulated annealing
Mahdi et al. Image compression using polynomial coding techniques: A review
Feng et al. Image coding based on classified vector quantisation using edge orientation patterns
Shoa et al. Optimized atom position and coefficient coding for matching pursuit-based image compression

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication
SE01 Entry into force of request for substantive examination
SE01 Entry into force of request for substantive examination
WD01 Invention patent application deemed withdrawn after publication
WD01 Invention patent application deemed withdrawn after publication

Application publication date: 20170503