CN112866722A - 一种基于加权滤波函数的小波变换和逆变换方法及设备 - Google Patents
一种基于加权滤波函数的小波变换和逆变换方法及设备 Download PDFInfo
- Publication number
- CN112866722A CN112866722A CN202110014644.6A CN202110014644A CN112866722A CN 112866722 A CN112866722 A CN 112866722A CN 202110014644 A CN202110014644 A CN 202110014644A CN 112866722 A CN112866722 A CN 112866722A
- Authority
- CN
- China
- Prior art keywords
- wavelet
- image
- inverse
- filter function
- wavelet transform
- 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.)
- Granted
Links
- 230000009466 transformation Effects 0.000 title claims abstract description 79
- 238000001914 filtration Methods 0.000 title claims description 24
- 238000011426 transformation method Methods 0.000 title description 9
- 230000006870 function Effects 0.000 claims abstract description 111
- 238000000034 method Methods 0.000 claims abstract description 80
- 230000008569 process Effects 0.000 claims abstract description 23
- 230000015654 memory Effects 0.000 claims description 16
- 238000003860 storage Methods 0.000 claims description 9
- 230000006835 compression Effects 0.000 abstract description 37
- 238000007906 compression Methods 0.000 abstract description 37
- 238000000354 decomposition reaction Methods 0.000 abstract description 12
- 230000000694 effects Effects 0.000 abstract description 8
- 230000009286 beneficial effect Effects 0.000 description 5
- 238000004364 calculation method Methods 0.000 description 5
- 238000004422 calculation algorithm Methods 0.000 description 4
- 230000009467 reduction Effects 0.000 description 4
- 238000004458 analytical method Methods 0.000 description 3
- 238000010586 diagram Methods 0.000 description 2
- 238000002474 experimental method Methods 0.000 description 2
- 239000000463 material Substances 0.000 description 2
- 239000011159 matrix material Substances 0.000 description 2
- 238000012545 processing Methods 0.000 description 2
- 230000009471 action Effects 0.000 description 1
- 230000004075 alteration Effects 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- 238000004590 computer program Methods 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 238000010191 image analysis Methods 0.000 description 1
- 238000011065 in-situ storage Methods 0.000 description 1
- 238000010295 mobile communication Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000012544 monitoring process Methods 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 238000010248 power generation Methods 0.000 description 1
- 238000011084 recovery Methods 0.000 description 1
- 238000011160 research Methods 0.000 description 1
- 239000007787 solid Substances 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 230000003313 weakening effect Effects 0.000 description 1
Images
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
- H04N19/60—Methods or arrangements for coding, decoding, compressing or decompressing digital video signals using transform coding
- H04N19/63—Methods or arrangements for coding, decoding, compressing or decompressing digital video signals using transform coding using sub-band based transform, e.g. wavelets
Landscapes
- Engineering & Computer Science (AREA)
- Multimedia (AREA)
- Signal Processing (AREA)
- Compression Or Coding Systems Of Tv Signals (AREA)
- Compression Of Band Width Or Redundancy In Fax (AREA)
- Image Processing (AREA)
Abstract
本发明公开了一种基于加权滤波函数的小波变换和逆变换方法及设备,小波变换和逆变换方法包括,首先获取图像和图像的小波变换/逆变换层数,对图像的每层小波变换/逆变换设置唯一对应的加权滤波函数,然后对图像执行小波变换变换/逆变换,其中每层的小波变换变换/逆变换过程包括:对图像进行小波行列变换,分别将行列变换后的小波系数的高频部分与每层小波变换变换/逆变换对应的加权滤波函数进行乘运算;将图像的高和宽分别进行除2运算。本发明构造了一种加权滤波函数,利用该滤波函数使得小波变换过程中时频分解更充分,从而提升图像的压缩率。而且根据不同图像特征,可定义不同的滤波函数实现图像压缩效果最优。
Description
技术领域
本发明涉及图像或视频处理技术领域,特别涉及一种基于加权滤波函数的小波变换和逆变换方法及设备。
背景技术
JPEG2000和H266是基于小波理论的图像、视频压缩标准。小波变换被广泛应用于图像视频、音频压缩,图像识别和降噪等领域。但是小波变换存在有运算量大,因图像、视频、音频数据各异使得滤波不彻底,从而造成压缩比较低的缺陷或者降噪不合理等问题。
发明内容
本发明旨在至少解决现有技术中存在的技术问题之一。为此,本发明提出一种基于加权滤波函数的小波变换和逆变换方法及设备,能够提升图像的压缩率。
本发明的第一方面,提供了一种基于加权滤波函数的小波变换方法,包括以下步骤:
获取待处理的图像和所述图像的小波变换层数;
对所述图像的每层小波变换设置唯一对应的加权滤波函数,所述加权滤波函数的值大于0且小于或等于1;
对所述图像执行小波变换,其中每层的小波变换过程包括:
对所述图像进行小波行列变换,分别将行列变换后的小波系数的高频部分与每层小波变换对应的所述加权滤波函数进行乘运算;将所述图像的高和宽分别进行除2运算。
根据本发明的实施例,至少具有以下有益效果:
本发明实施例构造了一种加权滤波函数,利用该加权滤波函数参与图像的小波变换,使得小波变换过程中时频分解更充分,从而提升图像的压缩率。而且根据不同图像特征,可定义不同的滤波函数实现图像压缩效果最优。
根据本发明的一些实施例,下一层小波变换对应的所述加权滤波函数的值高于上一层小波变换对应的所述加权滤波函数的值。
根据本发明的一些实施例,所述对所述图像执行小波变换,包括如下之一:
对所述图像执行haar小波变换;
对所述图像执行5-3提升小波变换;
对所述图像执行9-7提升小波变换。
根据本发明的一些实施例,还包括步骤:采用多级树集合分裂法对小波变换完成后的所述图像进行压缩。
本发明的第二方面,提供了一种基于加权滤波函数的小波逆变换方法,包括以下步骤:
获取待处理的图像和所述图像的小波逆变换层数;
对所述图像的每层小波逆变换设置唯一对应的加权滤波函数,所述加权滤波函数的值大于0且小于或等于1;
对所述图像执行小波逆变换,其中每层的小波逆变换过程包括:
对所述图像进行小波列行逆变换,分别将列行逆变换后的小波系数的高频部分与每层小波逆变换对应的所述加权滤波函数进行除运算;将所述图像的高和宽分别进行乘2运算。
根据本发明的实施例,至少具有以下有益效果:
本发明实施例构造了一种加权滤波函数,利用该加权滤波函数参与图像的小波变换,使得小波变换过程中时频分解更充分,从而提升图像的压缩率。而且根据不同图像特征,可定义不同的滤波函数实现图像压缩效果最优。
根据本发明的一些实施例,下一层小波逆变换对应的所述加权滤波函数的值高于上一层小波逆变换对应的所述加权滤波函数的值。
根据本发明的一些实施例,所述对所述图像执行小波逆变换,包括如下之一:
对所述图像执行haar小波逆变换;
对所述图像执行5-3提升小波逆变换;
对所述图像执行9-7提升小波逆变换。
根据本发明的一些实施例,还包括步骤:采用多级树集合分裂方法对小波逆变换完成后的所述图像进行压缩。
本发明的第三方面,提供了一种基于加权滤波函数的小波变换和逆变换设备,包括:至少一个控制处理器和用于与所述至少一个控制处理器通信连接的存储器;所述存储器存储有可被所述至少一个控制处理器执行的指令,所述指令被所述至少一个控制处理器执行,以使所述至少一个控制处理器能够执行如本发明第一方面所述的基于加权滤波函数的小波变换方法和本发明第二方面所述的基于加权滤波函数的小波逆变换方法。
本发明的第四方面,提供了一种计算机可读存储介质,所述计算机可读存储介质存储有计算机可执行指令,所述计算机可执行指令用于使计算机执行如本发明第一方面所述的基于加权滤波函数的小波变换方法和本发明第二方面所述的基于加权滤波函数的小波逆变换方法。
本发明的附加方面和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。
附图说明
本发明的上述和/或附加的方面和优点从结合下面附图对实施例的描述中将变得明显和容易理解,其中:
图1为本发明实施例提供的小波变换层数为3的二维小波变换示意图;
图2为本发明第一实施例提供的一种基于加权滤波函数的小波变换方法的流程示意图;
图3为本发明第二实施例提供的一种基于加权滤波函数的小波逆变换方法的流程示意图;
图4为本发明第三实施例提供的一种基于加权滤波函数的小波变换方法的流程示意图;
图5为本发明第四实施例提供的一种基于加权滤波函数的小波逆变换方法的流程示意图;
图6为本发明第五实施例提供的一个图像的压缩实例;
图7为本发明第五实施例提供的一个图像的压缩实例;
图8为本发明第六实施例提供的一种基于加权滤波函数的小波变换和逆变换设备的结构示意图。
具体实施方式
下面详细描述本发明的实施例,所述实施例的示例在附图中示出,其中自始至终相同或类似的标号表示相同或类似的元件或具有相同或类似功能的元件。下面通过参考附图描述的实施例是示例性的,仅用于解释本发明,而不能理解为对本发明的限制。
在介绍本发明实施例之间,先对本发明的原理进行说明:
JPEG2000和H266是基于小波理论的图像、视频压缩标准。小波变换目前被广泛应用于图像视频、音频压缩,图像识别和降噪等领域。但是小波运算量大,于是发展出了5-3提升小波、9-7提升小波等提升算法。利用Laurent多项式的欧几里得算法,Daubechies和Sweldens研究并给出了多相位矩阵因子分解的定理,该定理构成了小波变换提升实现的基础。
定理1.1:若P(z)的行列式等于1,即detP(z)=1,则总存在Laurent多项式ui(z)和pi(z)(1≤i≤m)和非零常数K,使得:
其中,pm(z)=0,z代表z域。一个时间序列f(n)以它的序号n作为z的幂次展成的一个罗朗级数,称为这个时间序列的z…1时,z=e-iω,图形是以半径为1的单位圆,幅角为ω。如果收敛域包括单位圆,这时z变换可写为这也就是离散时间傅氏变换(傅里叶变换)。
基于定理1.1,可得出5-3提升小波变换和9-7提升小波变换的提升实现。如5-3提升小波滤波器的多相位矩阵因子分解可得:
由上可见,小波提升的是变换和逆变换的效率,并不能提升时频分解程度。因不同的图像类型采用不同的小波函数和尺度函数使得图像的时频分解更充分。于是本发明构造了一种加权滤波函数,利用该滤波函数使得小波变换过程中时频分解更充分,从而提升图像的压缩率。而且根据不同图像特征,可定义不同的滤波函数实现图像压缩效果最优。
常见的滤波方法有很多,比如限幅滤波法、中位值滤波法、算术平均滤波法、递推平均滤波法、卡尔曼滤波方法等等。实际应用中,在图像小波分解过程中,二维小波变换是基于行列的迭代运算过程,且小波变换仍存在滤波发散问题。采用加权滤波方法在大尺寸图像下长时间递推计算时,不会引起滤波发散。而且二维小波变换行列迭代运算中引入加权滤波方法,其主要目的是每层小波变换过程中求细节数值(高频数值)vi,j(其中i,j为二维数据的行列下标)的滤波值时,逐渐减弱离现在时刻(i,j)较远的细节数值的作用,从而实现更充分时频分解。
以下提供基于标准的Haar小波,本发明的实现原理:
基于标准的Haar小波,设{x1,x2}是由两个元素组成的信号,定义这两个元素的平均与细节为:
则{a,d}可作为信号的另一表达方法,而且{x1,x2}可有由{a,b}恢复如下:
x1=a+b,x2=a-b (4)
当然也可以重新定义{a,b}→{c,d}(表示{a,b}被小波变换为{c,d}),比如d=b-a。因为于是将d替换成b,则b=b-a;将c替换成a,则显然为了原位(in-place)实现小波变换,即{a,b}→{a,b},利用下面的方式进行小波变换(5)和逆变换(6)即可:
b-=a;a+=b/2 (5)
a-=b/2;b+=a (6)
然后将元素扩大到m,则{x1,x2,…,xm},再扩大到多分辨率的情形,可得出不同的小波函数。假设存在一个权系数r使得:
可得出:
当r已知,且0<r<1时,因r(b-a)<(b-a)所以,细节(高频)部分数值变小,而平均信息c并没有变化,通过式(9)可无损逆小波。加权的目的使得图像在进行二维变换时,因r<1,所以行列迭代计算后|d|→0。使得细节(高频)部分信息在位平面扫描时获得更少的位数和扫描的次数,从而提高压缩比。又因(8)(9)在实数域是无损小波变换过程,所以图像质量不变。如附图1,A块属于高频数据,其次为是B和C,A、B、C仅与r有关。而D、E、F除了与r有关,还可以定义新的权系数。于是,定义第一层小波变换为r1,第二层为r2,类推可得加权滤波函数rlevel=f(level),其中{r1,r2,…,rlevel}根据图像特征给出。
r>1时细节(高频)被放大,而低频数据被缩小,色块边界被淡化。可用于图像或音频数据的降噪处理。
基于加权滤波函数f(level),可根据不同的数据特征构造不同的滤波函数,且0<f(level)≤1时在小波变换时叠加了一种新的滤波器。所以在图像、视频以及音频领域构造更好的压缩方法。
第一实施例;
参照图2,本发明的一个实施例,提供了一种基于加权滤波函数的小波变换方法,包括以下步骤:
S101、获取待处理的图像和图像的小波变换层数。
S102、对图像的每层小波变换设置唯一对应的加权滤波函数,加权滤波函数的值大于0且小于或等于1。
S103、对图像执行小波变换,其中每层的小波变换过程包括:对图像进行小波行列变换,分别将行列变换后的小波系数的高频部分与每层小波变换对应的加权滤波函数进行乘运算;将图像的高和宽分别进行除2运算。
在本步骤S102中,图像的每层小波变换设置唯一对应的加权滤波函数可以在满足(0,1]的取值范围(只有小于1才能叠加滤波器,否则是小波信号放大器),进行自定义设置。例如,小波变换层次level=3,自定义不同层的加权滤波函数分别为:r1=0.8,r2=0.9,r3=0.95,或者为r1=0.8,r2=0.8,r3=0.8,或者为r1=0.95,r2=0.9,r3=0.8。作为一种可选的实施方式,本实施例根据图像的小波变换层数,设置下一层小波变换对应的加权滤波函数的值高于上一层小波变换对应的加权滤波函数的值,例如:小波变换层次level=3,当前层的标识l=1,自定义不同层的加权滤波函数r1=0.8,r2=0.9,r3=0.95。通过本设计得到的实验结果相较于其它加权滤波函数的设置,得到的实验结果最佳。
在本步骤S103中,设当前层的标识为l,在图像的每层的小波变换过程中,首先进行小波行变换,作为一种可选的实施方式,这里的小波行变换可以是haar小波,或5-3提升小波,或9-7提升小波等小波变换,本实施例不进行限制。在进行小波行变换之后,将行变换后的小波系数的高频部分加权,即的小波系数ξi进行加权运算,ξi=rlξi。然后进行小波列变换,在进行小波列变换之后,将列变换后的小波系数的高频部分加权,即的小波系数εj=rlεj。最后将图像的高和宽分别进行除2运算,即w为图像的宽,h为图像的高。
本实施例具备的有益效果包括:
本发明实施例构造了一种加权滤波函数,利用该加权滤波函数参与图像的小波变换,使得小波变换过程中时频分解更充分,从而提升图像的压缩率。而且根据不同图像特征,可定义不同的滤波函数实现图像压缩效果最优。
作为一种可选的实施方式,在步骤S103之后,还包括步骤:
S104、采用多级树集合分裂法(SPIHT)对小波变换完成后的图像进行压缩。SPIHT的压缩比相较于EZW和EBCOT等算法的压缩比更高,可参见后续的实验结果。
第二实施例;
参照图3,本发明的一个实施例,提供了一种基于加权滤波函数的小波逆变换方法,包括以下步骤:
S201、获取待处理的图像和图像的小波逆变换层数。
S202、对图像的每层小波逆变换设置唯一对应的加权滤波函数,加权滤波函数的值大于0且小于或等于1。
S203、对图像执行小波逆变换,其中每层的小波逆变换过程包括:对图像进行小波列行逆变换,分别将列行逆变换后的小波系数的高频部分与每层小波逆变换对应的加权滤波函数进行除运算;将图像的高和宽分别进行乘2运算。
S204、采用多级树集合分裂法(SPIHT)对小波逆变换完成后的图像进行压缩。
在本步骤S203中,在图像的每层的小波逆变换过程中,首先进行小波列变换,作为一种可选的实施方式,这里的小波列变换可以是haar小波,或5-3提升小波,或9-7提升小波等变换,本实施例不进行限制。在进行小波列变换之后,将列变换后的小波系数的高频部分加权,即的小波系数εj进行加权运算,然后进行小波行变换,在进行小波行变换之后,将行变换后的小波系数的高频部分加权,即的小波系数ξi进行加权运算,最后将图像的高和宽分别进行乘2运算,即w=w*2,h=h*2。
本实施例具备的有益效果包括:
本发明实施例构造了一种加权滤波函数,利用该加权滤波函数参与图像的小波逆变换,使得小波逆变换过程中时频分解更充分,从而提升图像的压缩率。而且根据不同图像特征,可定义不同的滤波函数实现图像压缩效果最优。
第三实施例;
参照图4,为了便于本领域技术人员理解本发明第一实施例的内容,提供一个实施例,一种基于加权滤波函数的小波变换方法,包括以下步骤:
S301、初始化参数,小波变换层次level=3,当前层的标识为l,自定义不同层的权系数rl=1=0.8,rl=2=0.9,rl=3=0.95,w为图像的宽,h为图像的高。
S302、进行小波行变换。
本实施例以5-3提升小波为例。
S304、然后进行提升小波列变换。
最后采用多级树集合分裂(SPIHT)方法对图像进行压缩。
本发明实施例构造了一种加权滤波函数,利用该加权滤波函数参与图像的小波变换,使得小波变换过程中时频分解更充分,从而提升图像的压缩率。而且根据不同图像特征,可定义不同的滤波函数实现图像压缩效果最优。通过本实施例方法得到的图像压缩比高于传统小波变换,未来可用于图像、视频以及音频压缩,也可以用于分析和识别等领域。
第四实施例;
参照图5,为了本领域技术人员理解本发明第二实施例的内容,提供一个实施例,一种基于加权滤波函数的小波逆变换方法,包括以下步骤:
S402、进行小波列逆变换。
本实施例以5-3提升小波为例。
S404、然后进行小波行逆变换。
S406、l=l-1,若l≤level,则w=w*2,h=h*2,跳转至步骤S402;若l>level,结束小波逆变换。
最后采用多级树集合分裂(SPIHT)方法对图像进行压缩。
本发明实施例构造了一种加权滤波函数,利用该加权滤波函数参与图像的小波逆变换,使得小波逆变换过程中时频分解更充分,从而提升图像的压缩率。而且根据不同图像特征,可定义不同的滤波函数实现图像压缩效果最优。通过本实施例方法得到的图像压缩比高于传统小波变换,未来可用于图像、视频以及音频压缩,也可以用于分析和识别等领域。
第五实施例;
为了证明本发明与现有小波变换之间的效果差距,本实施例提供几组实验数据:
实验以三种场景,分别是Linda图样、监控以及风景图像各一百张图(BMP图像),尺寸均为w=1920,h=1080。基于9-7提升小波变换,和第一实施例所述方法对图像进行分解,然后采用多级树集合分裂(SPIHT)算法进行压缩。在相同PSNR(PSNR≥40)和相同小波变换层次level=3的条件下,当{rl=1=0.9,rl=2=0.95,ri=3=1}时平均压缩比提升11.2%;当{rl=1=0.8,rl=2=0.9,rl=3=0.95}时平均压缩比提升14.7%;当{rl=1=0.15,rl=2=0.7,rl=3=0.9}时平均压缩比提升23%。
针对4K和8K图像,level=7,构造加权滤波函数后,实验得出30%以上的压缩增益。
图6和图7分别给出了一例图像压缩的实例。
第六实施例;
参照图8,本发明的一个实施例,提供了一种基于加权滤波函数的小波变换和逆变换设备,该设备可以是任意类型的智能终端,例如手机、平板电脑、个人计算机等。具体地,该基于加权滤波函数的小波变换和逆变换设备包括:一个或多个控制处理器和存储器,这里以一个控制处理器为例。控制处理器和存储器可以通过总线或者其他方式连接,这里以通过总线连接为例。
存储器作为一种非暂态计算机可读存储介质,可用于存储非暂态软件程序、非暂态性计算机可执行程序以及模块,如本发明实施例中的基于加权滤波函数的小波变换和逆变换设备对应的程序指令/模块。控制处理器通过运行存储在存储器中的非暂态软件程序、指令以及模块,从而实现上述实施例所述的基于加权滤波函数的小波变换方法或基于加权滤波函数的小波逆变换方法。
存储器可以包括存储程序区和存储数据区,其中,存储程序区可存储操作系统、至少一个功能所需要的应用程序;存储器可以包括高速随机存取存储器,还可以包括非暂态存储器,例如至少一个磁盘存储器件、闪存器件、或其他非暂态固态存储器件。在一些实施方式中,存储器可选包括相对于控制处理器远程设置的存储器,这些远程存储器可以通过网络连接至该基于加权滤波函数的小波变换和逆变换设备。上述网络的实例包括但不限于互联网、企业内部网、局域网、移动通信网及其组合。
所述一个或者多个模块存储在所述存储器中,当被所述一个或者多个控制处理器执行时,执行上述实施例所述的基于加权滤波函数的小波变换方法或基于加权滤波函数的小波逆变换方法。
本发明还提供了一种计算机可读存储介质,所述计算机可读存储介质存储有计算机可执行指令,该计算机可执行指令被一个或多个控制处理器执行上述实施例所述的基于加权滤波函数的小波变换方法或基于加权滤波函数的小波逆变换方法。
通过以上的实施方式的描述,本领域技术人员可以清楚地了解到各实施方式可借助软件加通用硬件平台的方式来实现。本领域技术人员可以理解实现上述实施例方法中的全部或部分流程是可以通过计算机程序来指令相关的硬件来完成,程序可存储于计算机可读取存储介质中,该程序在执行时,可包括如上述方法的实施例的流程。其中,所述的存储介质可为磁碟、光盘、只读存储记忆体(Read Only Memory,ROM)或随机存储记忆体(RandomAccess Memory,RAM)等。
在本说明书的描述中,参考术语“一个实施例”、“一些实施例”、“示意性实施例”、“示例”、“具体示例”、或“一些示例”等的描述意指结合该实施例或示例描述的具体特征、结构、材料或者特点包含于本发明的至少一个实施例或示例中。在本说明书中,对上述术语的示意性表述不一定指的是相同的实施例或示例。而且,描述的具体特征、结构、材料或者特点可以在任何的一个或多个实施例或示例中以合适的方式结合。
尽管已经示出和描述了本发明的实施例,本领域的普通技术人员可以理解:在不脱离本发明的原理和宗旨的情况下可以对这些实施例进行多种变化、修改、替换和变型,本发明的范围由权利要求及其等同物限定。
Claims (10)
1.一种基于加权滤波函数的小波变换方法,其特征在于,包括以下步骤:
获取待处理的图像和所述图像的小波变换层数;
对所述图像的每层小波变换设置唯一对应的加权滤波函数,所述加权滤波函数的值大于0且小于或等于1;
对所述图像执行小波变换,其中每层的小波变换过程包括:
对所述图像进行小波行列变换,分别将行列变换后的小波系数的高频部分与每层小波变换对应的所述加权滤波函数进行乘运算;将所述图像的高和宽分别进行除2运算。
2.根据权利要求1所述的基于加权滤波函数的小波变换方法,其特征在于,下一层小波变换对应的所述加权滤波函数的值高于上一层小波变换对应的所述加权滤波函数的值。
3.根据权利要求1所述的基于加权滤波函数的小波变换方法,其特征在于,所述对所述图像执行小波变换,包括如下之一:
对所述图像执行haar小波变换;
对所述图像执行5-3提升小波变换;
对所述图像执行9-7提升小波变换。
4.根据权利要求1至3任一项所述的基于加权滤波函数的小波变换方法,其特征在于,还包括步骤:
采用多级树集合分裂法对小波变换完成后的所述图像进行压缩。
5.一种基于加权滤波函数的小波逆变换方法,其特征在于,包括以下步骤:
获取待处理的图像和所述图像的小波逆变换层数;
对所述图像的每层小波逆变换设置唯一对应的加权滤波函数,所述加权滤波函数的值大于0且小于或等于1;
对所述图像执行小波逆变换,其中每层的小波逆变换过程包括:
对所述图像进行小波列行逆变换,分别将列行逆变换后的小波系数的高频部分与每层小波逆变换对应的所述加权滤波函数进行除运算;将所述图像的高和宽分别进行乘2运算。
6.根据权利要求5所述的基于加权滤波函数的小波逆变换方法,其特征在于,下一层小波逆变换对应的所述加权滤波函数的值高于上一层小波逆变换对应的所述加权滤波函数的值。
7.根据权利要求5所述的基于加权滤波函数的小波逆变换方法,其特征在于,所述对所述图像执行小波逆变换,包括如下之一:
对所述图像执行haar小波逆变换;
对所述图像执行5-3提升小波逆变换;
对所述图像执行9-7提升小波逆变换。
8.根据权利要求5至7任一项所述的基于加权滤波函数的小波逆变换方法,其特征在于,还包括以下步骤:
采用多级树集合分裂方法对小波逆变换完成后的所述图像进行压缩。
9.一种基于加权滤波函数的小波变换和逆变换设备,其特征在于,包括:至少一个控制处理器和用于与所述至少一个控制处理器通信连接的存储器;所述存储器存储有可被所述至少一个控制处理器执行的指令,所述指令被所述至少一个控制处理器执行,以使所述至少一个控制处理器能够执行如权利要求1至4任一项所述的基于加权滤波函数的小波变换方法和/或权利要求5至8任一项所述的基于加权滤波函数的小波逆变换方法。
10.一种计算机可读存储介质,其特征在于,所述计算机可读存储介质存储有计算机可执行指令,所述计算机可执行指令用于使计算机执行如权利要求1至4任一项所述的基于加权滤波函数的小波变换方法和/或权利要求5至8任一项所述的基于加权滤波函数的小波逆变换方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110014644.6A CN112866722B (zh) | 2021-01-06 | 2021-01-06 | 一种基于加权滤波函数的小波变换和逆变换方法及设备 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110014644.6A CN112866722B (zh) | 2021-01-06 | 2021-01-06 | 一种基于加权滤波函数的小波变换和逆变换方法及设备 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN112866722A true CN112866722A (zh) | 2021-05-28 |
CN112866722B CN112866722B (zh) | 2024-03-22 |
Family
ID=76004445
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202110014644.6A Active CN112866722B (zh) | 2021-01-06 | 2021-01-06 | 一种基于加权滤波函数的小波变换和逆变换方法及设备 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN112866722B (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN115375784A (zh) * | 2022-09-15 | 2022-11-22 | 北京城建设计发展集团股份有限公司 | 一种基于加权小波变换提升图像压缩效率的方法及设备 |
Citations (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2001197499A (ja) * | 1999-10-29 | 2001-07-19 | Sony Corp | 動画像符号化方法及び装置、動画像復号方法及び装置、並びに動画像伝送方法及び装置 |
CN1420692A (zh) * | 2002-12-31 | 2003-05-28 | 大唐电信科技股份有限公司 | 利用数字信号处理器实现小波视频编码和解码的方法 |
JP2005150846A (ja) * | 2003-11-11 | 2005-06-09 | Canon Inc | 画像処理方法及び装置 |
JP2005296331A (ja) * | 2004-04-12 | 2005-10-27 | Toshiba Corp | 超音波診断装置及び画像データ処理装置 |
CN101984666A (zh) * | 2010-11-19 | 2011-03-09 | 南京邮电大学 | 一种基于提升小波变换的图像无损压缩和解压方法 |
CN103065291A (zh) * | 2012-12-26 | 2013-04-24 | 辽宁师范大学 | 基于提升小波变换和像素区域相关性的图像融合方法 |
CN105260615A (zh) * | 2015-10-29 | 2016-01-20 | 河南工业大学 | 一种粮食消费量预测方法 |
CN108419083A (zh) * | 2018-03-22 | 2018-08-17 | 南京邮电大学 | 一种图像多级小波全子带压缩感知编码算法 |
CN111798396A (zh) * | 2020-07-01 | 2020-10-20 | 中通服咨询设计研究院有限公司 | 一种基于小波变换的多功能图像处理方法 |
CN112188198A (zh) * | 2020-09-24 | 2021-01-05 | 湖南遥昇通信技术有限公司 | 图像数据压缩解压方法及系统 |
-
2021
- 2021-01-06 CN CN202110014644.6A patent/CN112866722B/zh active Active
Patent Citations (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2001197499A (ja) * | 1999-10-29 | 2001-07-19 | Sony Corp | 動画像符号化方法及び装置、動画像復号方法及び装置、並びに動画像伝送方法及び装置 |
CN1420692A (zh) * | 2002-12-31 | 2003-05-28 | 大唐电信科技股份有限公司 | 利用数字信号处理器实现小波视频编码和解码的方法 |
JP2005150846A (ja) * | 2003-11-11 | 2005-06-09 | Canon Inc | 画像処理方法及び装置 |
JP2005296331A (ja) * | 2004-04-12 | 2005-10-27 | Toshiba Corp | 超音波診断装置及び画像データ処理装置 |
CN101984666A (zh) * | 2010-11-19 | 2011-03-09 | 南京邮电大学 | 一种基于提升小波变换的图像无损压缩和解压方法 |
CN103065291A (zh) * | 2012-12-26 | 2013-04-24 | 辽宁师范大学 | 基于提升小波变换和像素区域相关性的图像融合方法 |
CN105260615A (zh) * | 2015-10-29 | 2016-01-20 | 河南工业大学 | 一种粮食消费量预测方法 |
CN108419083A (zh) * | 2018-03-22 | 2018-08-17 | 南京邮电大学 | 一种图像多级小波全子带压缩感知编码算法 |
CN111798396A (zh) * | 2020-07-01 | 2020-10-20 | 中通服咨询设计研究院有限公司 | 一种基于小波变换的多功能图像处理方法 |
CN112188198A (zh) * | 2020-09-24 | 2021-01-05 | 湖南遥昇通信技术有限公司 | 图像数据压缩解压方法及系统 |
Non-Patent Citations (3)
Title |
---|
KANG ZHILIANG 等: "Image fusion method based on non-sampled lifting wavelet transforms", 《 2010 2ND INTERNATIONAL CONFERENCE ON COMPUTER ENGINEERING AND TECHNOLOGY》, 17 June 2010 (2010-06-17) * |
张梦 等: "基于加权小波变换和2D-PCA的人脸识别改进算法", 《南京师范大学学报(工程技术版)》, 20 June 2015 (2015-06-20) * |
赵雨: "基于加权红-黑小波变换的DR图像增强方法研究", 《万方学位论文》, 30 March 2016 (2016-03-30) * |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN115375784A (zh) * | 2022-09-15 | 2022-11-22 | 北京城建设计发展集团股份有限公司 | 一种基于加权小波变换提升图像压缩效率的方法及设备 |
Also Published As
Publication number | Publication date |
---|---|
CN112866722B (zh) | 2024-03-22 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Zhang et al. | DMCNN: Dual-domain multi-scale convolutional neural network for compression artifacts removal | |
JP4920599B2 (ja) | ハイブリッドビデオ圧縮の量子化雑音除去用の非線形ループ内デノイズフィルタ | |
CN104683811B (zh) | 一种基于整数dct系数调制的信息隐藏及提取方法 | |
CN111612695B (zh) | 一种低分辨率人脸图像超分辨重建方法 | |
CN109978772B (zh) | 基于深度学习与双域互补的压缩图像复原方法 | |
CN107392975B (zh) | 图像自适应多尺度分块压缩感知方法、电子设备 | |
CN110322404B (zh) | 一种图像增强方法及系统 | |
CN108810534B (zh) | 物联网下基于方向提升小波及改进spiht的图像压缩方法 | |
CN112509094A (zh) | 一种基于级联残差编解码网络的jpeg图像压缩伪影消除算法 | |
CN112866722A (zh) | 一种基于加权滤波函数的小波变换和逆变换方法及设备 | |
Biswas et al. | A new adaptive image denoising method based on neighboring coefficients | |
CN104200439B (zh) | 基于自适应滤波和正则约束的图像超分辨方法 | |
Peng et al. | Lightweight Adaptive Feature De-drifting for Compressed Image Classification | |
CN104778689A (zh) | 一种基于均值二次图像和局部保持投影的图像摘要方法 | |
Jin et al. | Post-processing for intra coding through perceptual adversarial learning and progressive refinement | |
CN102129659A (zh) | 基于奇异值分解、harr小波变换和均值计算的鲁棒零水印算法 | |
Hasan et al. | The most proper wavelet filters in low-complexity and an embedded hierarchical image compression structures for wireless sensor network implementation requirements | |
EP1574068B1 (fr) | Procede de codage d'une image par ondelettes et procede de decodage correspondant | |
JP4726040B2 (ja) | 符号化処理装置、復号処理装置、符号化処理方法、復号処理方法、プログラム及び情報記録媒体 | |
Awad et al. | Improving Reconstructed Image Quality via Hybrid Compression Techniques. | |
CN107172425B (zh) | 缩略图生成方法、装置及终端设备 | |
Teng et al. | EARN: Toward efficient and robust JPEG compression artifact reduction | |
Jeelani et al. | Cellular automata-based digital image scrambling under JPEG compression attack | |
Salarian et al. | A new fast no search fractal image compression in DCT domain | |
Sun et al. | Lightweight Wavelet-Based Network for JPEG Artifacts Removal |
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 | ||
GR01 | Patent grant | ||
GR01 | Patent grant |