一种基于CA-SPCNN算法的彩色图像量化方法技术

本发明专利技术提供了一种基于CA‑SPCNN算法的的彩色图像量化方法，属于图像处理技术领域，用于解决在量化层数增加，提高图像丰富度的同时，如何降低计算复杂度和信息失真率，处理好视觉效果与数据存储空间平衡的技术问题。本发明专利技术包括彩色图像量化预处理、量化处理和量化后处理三个步骤，将原始图像处理成红、绿、蓝三个通道的归一化图像，通过CA‑SPCNN算法对图像进行量化处理，通过量化后处理算法得到三个通道的量化图像，合并得到最终量化图像。本发明专利技术在CA‑SPCNN算法的基础上加以改进，实现彩色图像的量化处理，简化操作步骤，降低计算复杂度，在保证较低失真率和较高量化准确率的前提下，彩色图像视觉效果好，减小了占用数据存储空间。

A color image quantization method based on ca-spcnn algorithm

【技术实现步骤摘要】
一种基于CA-SPCNN算法的彩色图像量化方法
本专利技术属于图像处理
，涉及一种图像量化方法，特别是一种基于CA-SPCNN算法的彩色图像量化方法。
技术介绍
彩色图像量化是指将一幅具有N种颜色的图像用少于N种颜色替换，并使替换后的图像与原始图像尽可能接近，是彩色图像处理的基本技术之一。图像颜色即量化层数越多，图像层次越丰富，灰度分辨率高，能够产生更为细致的图像效果，但也会占有更大的存储空间。反之亦然。彩色图像量化的基本问题是处理好视觉效果与数据存储空间的平衡关系。由于图像数据存在冗余，包括相邻像素间的相关性引起的空间冗余、图像序列中不同帧之间的相关性引起的时间冗余、不同彩色平面或频谱带的相关性引起的频谱冗余，使得图像数据在存储、传输和处理时非常困难，因此图像数据的压缩就显得非常重要。目前图像压缩技术主要分为无损压缩和有损压缩。无损压缩是利用数据的统计冗余进行压缩，可完全恢复原始数据而不引起任何失真，但压缩率受到数据统计冗余度的理论限制。其广泛用于文本数据，程序和特殊应用场合的图像数据(如指纹图像，医学图像等)的压缩。有损压缩是本文档来自技高网...

【技术保护点】
1.一种基于CA-SPCNN算法的彩色图像量化方法，其特征在于，所述彩色图像量化方法包括彩色图像量化预处理、彩色图像量化处理和彩色图像量化后处理三个步骤，所述彩色图像量化预处理步骤中，先将采用归一化图像处理方法，通过调整原始图像的像素值，重新确定CA-SPCNN模型的外部输入刺激，再将彩色图像分为红，绿和蓝三个通道的灰度子图像；所述彩色图像量化处理步骤如下：/n步骤一：设定CA-SPCNN的预定义迭代次数T的值；/n步骤二：设定CA-SPCNN的其它6个自适应参数，表达式如下：/n

【技术特征摘要】
1.一种基于CA-SPCNN算法的彩色图像量化方法，其特征在于，所述彩色图像量化方法包括彩色图像量化预处理、彩色图像量化处理和彩色图像量化后处理三个步骤，所述彩色图像量化预处理步骤中，先将采用归一化图像处理方法，通过调整原始图像的像素值，重新确定CA-SPCNN模型的外部输入刺激，再将彩色图像分为红，绿和蓝三个通道的灰度子图像；所述彩色图像量化处理步骤如下：
步骤一：设定CA-SPCNN的预定义迭代次数T的值；
步骤二：设定CA-SPCNN的其它6个自适应参数，表达式如下：






Kn＝e-nα
β＝e-α
V＝e-2α+e-3α



其中，T值为设定的算法想要的迭代次数；
α是内部活动项的衰减参数；
β表示某一神经元与其周围神经元的链接强度；
V表示动态阈值的幅值；
Wijkl是神经元的突触权重矩阵；
Kn是动态阈值E的辅助调节参数；
LT是点火神经元的控制参数；
步骤三：设定CA-SPCNN模型的馈送输入，该算法如下：
Fij[n]＝Sij
其中，Fij[n]表示神经元Nij在位置(i,j)处的馈送输入，它由外部激励Sij表示，由外部因素作用产生；
步骤四：设定CA-SPCNN的链接输入，该算法如下：



其中，Lij[n]表示神经元Nij在位置(i,j)处的链接输入，它由突触权重矩阵Wijkl和前一次迭代邻近神经元的输出Ykl[n-1]的乘积表示，由周围神经元作用产生；
步骤五：设定CA-SPCNN模型的内部活动项和它的初始值Uij[0]＝0，该算法如下：



其中，Uij[n]为神经元Nij的内部活动项，由两部分组成：一部分是内部活动项前一次迭代的结果Uij[n-1]与指数衰减因子e-α的乘积，由该神经元前一次迭代的状态决定；另一部分是由简化的链接输入Lij[n...

【专利技术属性】
技术研发人员：廉敬，杨臻，孙文灏，刘冀钊，漆云亮，马义德，
申请(专利权)人：兰州交通大学，
类型：发明
国别省市：甘肃;62