一种基于重叠分区高级小波变换技术的图像压缩方法技术

本发明专利技术提出了一种基于重叠分区高级小波变换技术的图像压缩方法，本发明专利技术采用重叠的图像块作为处理单位，在取得了D5/3高级小波变换后，再对每个块使用DPCM结合SPIHT的量化方法。使得该方法不仅具有块效应，并且比直接使用DPCM结合SPIHT的方法能获得更高的图像存储质量。与此同时，它极大地减少了编码器的存储器需求，并且更适合于遥感图像的星载应用。与此同时，它极大地减少了编码器的存储器需求，并且更适合于遥感图像的星载应用。本发明专利技术的步骤如下：步骤1：低频无损编码；步骤2：DPCM子带编码；步骤3：马尔科夫模型预测；步骤4：线性预测；步骤5：SPIHT零树滤波；步骤6：重叠分区技术划分图像；步骤7：位平面无损压缩。

An image compression method based on Overlapped Partition advanced wavelet transform

The invention provides an image compression method is advanced overlapping partitions based on wavelet transform, the image block as the processing unit, was achieved in D5/3 advanced after wavelet transform, the quantization method of SPIHT combined with each block using DPCM. This method not only has the block effect, but also can obtain higher image quality than the direct DPCM and SPIHT method. At the same time, it greatly reduces the memory requirements of the encoder, and is more suitable for satellite applications of remote sensing images. At the same time, it greatly reduces the memory requirements of the encoder, and is more suitable for satellite applications of remote sensing images. The method comprises the following steps: Step 1: low frequency lossless encoding; step 2:DPCM subband encoding; step 3: Markoff prediction model; linear prediction; step 4: step 5:SPIHT zero tree filter; step 6: overlapping partitions dividing image; step 7: lossless compression bit plane.

【技术实现步骤摘要】
所属
本专利技术涉及计算机信息
，具体地涉及图像压缩传输、遥感图像星载应用领域。
技术介绍
随着航天技术的发展，遥感图像数据急剧增加。为了节省存储空间和信道带宽，遥感图像必须在从空间飞行器发射前被压缩。然而，空间条件给图像压缩平台带来了很大的制约，如有限存储器和图像压缩算法的低复杂度。由于星载图像接入速率和传输限制，遥感图像需要被压缩。与常规静止图像压缩相比，遥感图像的相关性较弱，熵较高，冗余较小。所有这些特性提高了图像压缩的难度。一些成熟的图像压缩算法如forecast，arithmetic、runlength等等作为无损压缩方法，压缩效率并不理想。作为静止图像压缩标准，JPEG2000具有高的压缩效率，但是计算复杂性也很高，这不适合遥感图像的星载应用程序。在计算复杂性适中的前提下，发现具有高的压缩效率的压缩方法是研究遥感图像压缩的意义。
技术实现思路
针对上述不足，本专利技术提供了一种新的图像压缩方法。本专利技术的目的是使算法不仅能够应用于一般图像的无损压缩，也能应用于遥感图像星载应用领域，使图像能够高保真压缩，并且使压缩后的图像所占内存小。本专利技术为实现上述目的，所采用的的技术方案是：1、采用以重叠块为处理单位的高级小波变换方法,，在变换中采用多级并行分解；2、对重叠块提升小波变换后的子带进行统计分析；3、再对每个块使用DPCM与SPIHT相结合的方法。本专利技术的有益效果是：本专利技术采用重叠的图像块作为处理单位，在取得了D5/3高级小波变换后，再对每个块使用DPCM结合SPIHT的量化方法。使得该方法不仅具有块效应，并且比直接使用DPCM结合SPIHT的方法能获得更高的图像存储质量。与此同时，它极大地减少了编码器的存储器需求，并且更适合于遥感图像的星载应用。附图说明图1表示本专利技术的流程图图2表示重叠块的三种边界扩展类型图3表示图像信号分解流程图具体实施方式本专利技术采用以重叠块为处理单位的高级小波变换，在变换中采用多级并行分解的方法，再对每个块使用DPCM与SPIHT相结合的方法。本专利技术不仅能应用于一般图像压缩领域也能应用于遥感图像的星载应用，该不仅能提高压缩质量，还能减小编码器的存储器要求。下面，结合附图，对本专利技术进行详细说明。一种基于重叠分区高级小波变换技术的图像压缩方法，该方法的实现步骤结合图1，如下：步骤1：低频无损编码先将一幅原始图象转换为自己的色彩系统,按照人眼特点对其中各个色彩分量取不同的向量集,经DCT转换从时域变为频域,接着将变换后的数据量化以丢弃无用信息,然后用哈夫曼算术公式对量化后的系数进行计算得到压缩数据,最后将色彩分量信息,量化表,编码表和各个色彩分量的压缩数据等混合成一个整体数据流,即低频无损编码。步骤2：DPCM子带编码将步骤1得到的数据流基于一个包括3个邻域像素的模板，根据这3个邻值的组合提供了7种常见的预测器模式：预测器1、2和3称为“1维的”，而预测器4、5、6和7则是“2维的”。选择预测器对图像进行处理。设一幅分辨率为M×N的图像F，首先保留图像矩阵的第一行的灰度值p。e(1,j)＝p(1,j)-p(1,j-1)forj＝N,N-1,...,2,1e(1,j)＝p(i,1)-p(i-1,1)fori＝M,M-1,...,2,1步骤3：马尔科夫模型预测获取灰度值P后，根据图像中连续相同的像素值，使用一个起始像素代表具有相同值的一连续像素串，用一整数代表这个串的长度，游程分为定长游程和变长游程，若灰度连续相同的个数超过了固定位数所能表示的最大值，则进入下一轮游程；变长游程编码是指对不同范围的游程使用不同位数的编码。将输入字符串映射成定长的码子输出，把数字图像当作一个一维的比特串，算法在产生输出串的同时动态地更新编码表。步骤4：线性预测对步骤3产生的马尔科夫输出比特串P1,P2,P3进行线性预测，按照如下线性预测公式得到线性回归值P：P＝0.4P1+0.3P2+0.3P3步骤5：SPIHT零树滤波在获得线性回归值P后，采用零树结构，输入信号被采样以恒定的取样频率(两次输入频率和回归值P相乘得到)。然后这些示例使用PAM进程被调整。这时，DPCM进程接管。被采样的输入信号存储称为预报器。预报器采取存储的示例信号并且通过微分器发送它，然后此区别信号被添加到示例信号中并存储在预报器和寄发到重建原始输入信号的低通滤波器。步骤6：重叠分区技术划分图像重叠分块方法把低通滤波器中512×512的图像过滤信号划分为256个32×32的重叠块,对每个小块都分别采用D5/3高级小波3级分解,分解中采用了重叠分块的边界延拓技术及多级并行分解技术。每个小图像块分解后都得到的10个小波子带,随机选出16个小图像块,计算其对应子带的小波系数范围、能量比、行自相关系数、列自相关系数,然后再求出单图像块10个小波子带统计数据的平均值。步骤7：位平面无损压缩根据小波子带的系数范围、能量比、行自相关系数、列自相关系数、平均值等参数，对10小波子带进行位平面压缩，其中的每个比特可看作表示了1个二值的平面，将当前平面划分为一个以上的图像平面，并将每个像素的三原色(RGB)格式统一为指定的RGB格式。判断是否有未压缩图像块，如果没有，则将压缩后的数据顺序打包并加入含有图像块编码指示标识的图像格式信息，并发送该数据包。此时数据包中的内容就包含原始图像压缩后的数据。结合图1到到图3，对本专利技术详细说明。一、所述高级小波变换，结合图1，是一种新的实现小波变换的方法，即第二代小波变换。与第一代小波变换相比，它不仅具有很多优势，还能够实现就地计算和整个逆变换。高级小波变换包括三个步骤：1、分离：分离通常使用惰性小波变换，其分解原始信号成偶数序列和奇数序列2、预测：预测也被称为双变换是由于偶数序列和奇数序列的高关联性。首先，它使用邻近奇数点的偶数点的线性组合来预测奇数，然后得到奇数点和预测值之间的差3、更新。更新也被称为使用预测误差的线性组合的原始提升来修正偶数序列。预测和更新可根据具体情况执行多次，这被称为乘积提升。最后，我们可以分别使用调节因子来调节偶数序列和奇数序列。D5/3提升小波变换在本专利技术被采取，并用三电平变换。为每个级别的分解，我们通过线前柱法将其转化的一维信号的分辨率。原始信号变成偶数序列和奇数编号序列通过惰性小波变换。在一步提升之后，通过调整因子我们可以得到低频小波系数C(n)和高频小波系数D(n)。二、所述多级并行分解，考虑到计算的复杂性，本专利技术选择了D5/3高级小波实现小波分解的三级阻断图像，创建10个子带。LL3表示最低的频率信息；HLi表示垂直高频信息；LHi表示水平高频率的信息。HHi表示对角的高频信息(1≤i≤3)。为了分析对图像质量的每个级别的小波子带是多么重要，我们基于三个层次，为每个级别分解几个遥感图像并分析直方图的小波系数。从遥感图像的子带直方图可以发现，十子带系数阵列可以分为两种，包括最低频率子带系数数组1≤i≤3和高频系数数组HLi、LHi、HHi。最低频率子带系数数组包含原始图像的大部分信息并占有最重要的地位，在各子带中，应尽力减少信息缺失的子带，并且在同一时间的子带熵太大不适合做有损压缩。子带系数的数目是小的，仅仅占总10子带系数的1/64。所以本专利技术采用最低频率子带无本文档来自技高网...

【技术保护点】
一种基于重叠分区高级小波变换技术的图像压缩方法，该方法不仅能应用于图像压缩还能应用于遥感图像星载应用领域，其特征是：该方法的实现步骤如下：步骤1：低频无损编码先将一幅原始图象转换为自己的色彩系统,按照人眼特点对其中各个色彩分量取不同的向量集,经DCT转换从时域变为频域,接着将变换后的数据量化以丢弃无用信息,然后用哈夫曼算术公式对量化后的系数进行计算得到压缩数据,最后将色彩分量信息,量化表,编码表和各个色彩分量的压缩数据等混合成一个整体数据流,即低频无损编码；步骤2：DPCM子带编码将步骤1得到的数据流基于一个包括３个邻域像素的模板，根据这３个邻值的组合提供了７种常见的预测器模式：预测器１、２和３称为“１维的”，而预测器 ４、５、６和 ７则 是“２维的”，选择预测器对图像进行处理，设一幅分辨率为 Ｍ×Ｎ的图像Ｆ，首先保留图像矩阵的第一 行的灰度值ｐ：e(1,j)=p(1,j)‑p(1,j‑1) for j=N,N‑1,...,2,1e(1,j)=p(i,1)‑p(i‑1,1) for i=M,M‑1,...,2,1步骤3：马尔科夫模型预测获取灰度值P后，根据图像中连续相同的像素值，使用一个起始像素代表具有相同值的一连续像素串，用一整数代表这个串的长度，游程分为定长游程和变长游程，若灰度连续相同的个数超过了固定位数所能表示的最大值，则进入下一轮游程； 变长游程编码是指对不同范围的游程使用不同位数的编码，将输入字符串映射成定长的码子 输出，把数字图像当作一个一维的比特串，算法在产生输出串 的同时动态地更新编码表；步骤4：线性预测对步骤3产生的马尔科夫输出比特串P1,P2,P3进行线性预测，按照如下线性预测公式得到线性回归值P：P = 0.4P1+0.3P2+0.3P3步骤5：SPIHT零树滤波在获得线性回归值P后，采用零树结构，输入信号被采样以恒定的取样频率(两次输入频率和回归值P相乘得到)， 然后这些示例使用PAM进程被调整，这时，DPCM进程接管，被采样的输入信号存储称为预报器，预报器采取存储的示例信号并且通过微分器发送它，然后此区别信号被添加到示例信号中并存储在预报器和寄发到重建原始输入信号的低通滤波器；步骤6：重叠分区技术划分图像重叠分块方法把低通滤波器中512 ×512的图像过滤信号划分为256 个32 ×32 的重叠块,对每个小块都分别采用D5/3高级小波3 级分解, 分解中采用了重叠分块的边界延拓技术及多级并行分解技术，每个小图像块分解后都得到的10个小波子带, 随机选出16 个小图像块,计算其对应子带的小波系数范围、能量比、行自相关系数、列自相关系数, 然后再求出单图像块10个小波子带统计数据的平均值；步骤7：位平面无损压缩根据小波子带的系数范围、能量比、行自相关系数、列自相关系数、平均值等参数，对10小波子带进行位平面压缩，其中的每个比特可看作表示了1个二值的平面，将当前平面划分为一个以上的图像平面，并将每个像素的三原色(RGB)格式统一为指定的RGB格式，判断是否有未压缩图像块，如果没有，则将压缩后的数据顺序打包并加入含有图像块编码指示标识的图像格式信息，并发送该数据包，此时数据包中的内容就包含原始图像压缩后的数据。...

【技术特征摘要】
1.一种基于重叠分区高级小波变换技术的图像压缩方法，该方法不仅能应用于图像压缩还能应用于遥感图像星载应用领域，其特征是：该方法的实现步骤如下：步骤1：低频无损编码先将一幅原始图象转换为自己的色彩系统,按照人眼特点对其中各个色彩分量取不同的向量集,经DCT转换从时域变为频域,接着将变换后的数据量化以丢弃无用信息,然后用哈夫曼算术公式对量化后的系数进行计算得到压缩数据,最后将色彩分量信息,量化表,编码表和各个色彩分量的压缩数据等混合成一个整体数据流,即低频无损编码；步骤2：DPCM子带编码将步骤1得到的数据流基于一个包括３个邻域像素的模板，根据这３个邻值的组合提供了７种常见的预测器模式：预测器１、２和３称为“１维的”，而预测器４、５、６和７则是“２维的”，选择预测器对图像进行处理，设一幅分辨率为Ｍ×Ｎ的图像Ｆ，首先保留图像矩阵的第一行的灰度值ｐ：e(1,j)=p(1,j)-p(1,j-1)forj=N,N-1,...,2,1e(1,j)=p(i,1)-p(i-1,1)fori=M,M-1,...,2,1步骤3：马尔科夫模型预测获取灰度值P后，根据图像中连续相同的像素值，使用一个起始像素代表具有相同值的一连续像素串，用一整数代表这个串的长度，游程分为定长游程和变长游程，若灰度连续相同的个数超过了固定位数所能表示的最大值，则进入下一轮游程；变长游程编码是指对不同范围的游程使用不同位数的编码，将输入字符串映射成定长的码子输出，把数字图像当作一个一维的比特串，算法在产生输出串的同时动态地更新编码表；步骤4：线性预测对步骤3产生的马尔科夫输出比特串P1,P2,P3进行线性预测，按照如下线性预测公式得到线性回归值P：P=0.4P1+0.3P2+0.3P3步骤5：SPIHT零树滤波在获得线性回归值P后，采用零树结构，输入信号被采样以恒定的取样频率(两次输入频率和回归值P相乘得到)，然后这些示例使用PAM进程被调整，这时，DPCM进程接管，被采样的输入信号存储称为预报器，预报器采取存储的示例信号并且通过微分器发送它，然后此区别信号被添加到示例信号中并存储在预报器和寄发到重建原始输入信号的低通滤波器；步骤6：重叠分区技术划分图像重叠分块方法把低通滤波器中512×512的图像过滤信号划分为256个32×32的重叠块,对每个小块都分别采用D5/3高级小波3级分解,分解中采用了重叠分块的边界延拓技术及多级并行分解技术，每个小图像块分解后都得到的10个小波子带,随机选出16个小图像块,计算其对应子带的小波系数范围、能量比、行自相关系数、列自相关系数,然后再求出单图像块10个小波子带统计数据的平均值；步骤7：位平面无损压缩根据小波子带的系数范围、能量比、行自相关系数、列自相关系数、平均值等参数，对10小波子带进行位平面压缩，其中的每个比特可看作表示了1个二值的平面，将当前平面划分为一个以上的图像平面，并将每个像素的三原色(RGB)格式统一为指定的RGB格式，判断是否有未压缩图像块，如果没有，则将压缩后的数据顺序打包并加入含有图像块编码指示标识的图像格...

【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