一种自适应快速分形图像压缩方法技术

本发明专利技术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。本发明专利技术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。

An adaptive fast fractal image compression method

The invention provides an adaptive fast fractal image compression method, which relates to the technical field of computer information. This compression method can compress the static image and moving image. The invention combines the adaptive quantization method with the rapid classification theory. First determine the smooth and non smooth regions, the image is divided into a plurality of sub image blocks; sub image blocks with JPEG compression algorithm, and DCT transform the DC based on DPCM encoding processing by adaptive block; according to the adaptive block generated building domain block library; library has been established according to the domain block segmentation range block, block adaptive extraction of mean value and variance of the two characteristics of clustering adaptive block with K domain block class clustering center, get the corresponding K domain block class. At last, the K range blocks and the corresponding K domain blocks are matched to get the fast image compression based on K mean clustering.

【技术实现步骤摘要】
所属领域本专利技术涉及计算机信息
，具体地涉及图像压缩领域。
技术介绍
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。
技术实现思路
针对上述不足之处，本专利技术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。本专利技术的目的是：提升图像的压缩效率和压缩图像的重建质量。本专利技术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。本专利技术的有益效果是：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。具体实施方式本专利技术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,创新专利技术了自适应量化方法,并将其与快速分型理论结合,提出了本专利技术的新型自适应快速分形图像压缩方法。以下，结合附图对本专利技术进行详细说明。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。在本专利技术中，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，本专利技术使用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。本专利技术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本文档来自技高网...

【技术保护点】
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。...

【技术特征摘要】
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...

【专利技术属性】
技术研发人员：刘弘一，胡成华，
申请(专利权)人：四川用联信息技术有限公司，
类型：发明
国别省市：四川;51