一种基于局部最小熵的图像编码预测方法技术

本发明专利技术涉及一种基于局部最小熵的图像编码预测方法，尤其适合于静态图像的压缩处理。本发明专利技术对图像进行小波变换及小波系数量化，选择与待编码位相关性强的小波系数作为预测系数；定义预测系数的重要性状态函数、重要性状态方向加权函数、重要性状态和函数；以熵值的降低幅度作为判别依据，建立一种局部最优的预测模型将待编码位数据分类若干类。利用本发明专利技术建立的预测模型，实现了对小波系数的高效预测编码，实验结果表明，在相同压缩比下与静态图像压缩标准JPEG2000相比，有效提高了恢复图像的客观质量。

【技术实现步骤摘要】

本专利技术涉及一种适用于静态图像压缩的编码预测方法，尤其涉及一种以熵值的降低幅度作为依据来对位数据进行预测分类，从而逼近小波系数高阶条件熵的图像编码预测方法，属于图像压缩

技术介绍
近十几年来，基于小波变换的图像压缩算法在静态图像压缩中得到广泛应用，被认为是目前压缩性能最好的方法。其压缩流程主要包括预处理、小波变换、量化、熵编码四个步骤，如附图说明图1所示。其中，熵编码根据数据出现的概率对其进行编码，能够去除数据间的统计冗余，从而用最少的数据量完成对原始图像信息的表示，是实现图像压缩的关键和保证。常用的熵编码方法有游程编码、哈夫曼编码和算术编码。通过把其中两种熵编码方法相结合(静态图像压缩国际标准JPEG中把游程编码和哈夫曼编码结合)，或者把预测技术和熵编码相结合(静态图像压缩国际标准JPEG2000中把上下文预测和算术编码结合)，能够更好地去除变换系数之间的冗余，提高熵编码的效率。其中，预测技术利用已知信息来推测未知信息，从而降低未知信息的不确定性，使得可以逼近信源的高阶条件熵，最终带来编码效率的提高。小波系数的预测编码通常是基于位平面对小波系数位数据进行扫描和编码的，因为在这一层次上更有利于挖掘小波系数之间的相关性，从而充分去除系数间的冗余，提高压缩效率。小波系数的位平面编码预测方法包括C/B、EBC0T (被JPEG2000采用)、PCAS等， 这类方法利用小波系数间的相关性，根据所选预测系数的取值情况，预测当前待编码位的概率分布，把概率分布差异明显的待编码位分为不同的类(有利于达到更小的条件熵值)， 把概率分布相近的待编码位归为同类(避免上下文稀释)，使得分类后的位数据对应更小的高阶条件熵值，从而有利于提高后续算术编码的效率。但是这类方法仍存在以下几方面的问题和不足(1)没有充分利用小波系数之间的相关性，预测编码时，小波系数之间的相关性主要体现为幅值、方向、区域相关性，现有方法仅利用了其中的一种或两种，对相关性的利用不够全面和充分。(2)设计预测函数或者建立预测模型时，过分强调了系数的方向特性(如EBC0T) 或者单个系数的预测作用(如PCAS)，而事实上当前待编码位与其周围的多个系数都有相关关系，因此现有方法未能发挥多个系数的综合预测效果。(3)预测模型的建立主要依靠经验或者统计数据，没有从后续熵编码的需求出发， 从而使得没有很好地区分待编码位的不同概率分布，未能有效逼近信源的高阶熵，影响了图像的压缩效率。在小波系数的位平面编码中，预测的效果主要取决于预测函数的构造和分类模型的建立。本专利技术全面选择相关小波系数作为预测系数，构造相关性预测函数来综合多个系数的预测效果，并依据其预测作用的大小，采用逐步筛选法，以熵值的有效降低作为准则， 建立了一种局部最优的分类模型，充分去除统计冗余，有效区分了待编码位的不同概率分布，并逼近了小波系数的高阶条件熵，最终实现了对小波系数高效压缩。
技术实现思路
针对如上所述的问题，本专利技术采用如下所述的技术方案，其特征在于，包括以下步骤步骤一对图像进行小波变换及小波系数量化，将每个小波系数用二进制数表示， 扫描小波系数位平面；选取与待编码位相关性较强的系数作为预测系数，包括近邻居系数、 远邻居系数、父系数和父邻居系数；步骤二对于与待编码位相关性最强的近邻居预测系数，构造三种预测系数的函数，体现其与待编码系数的多种相关性，所述预测系数的函数包括重要性状态函数、重要性状态方向加权函数、重要性状态和函数；步骤三对于其他与待编码位相关性较弱的预测系数，包括远邻居、父亲、父邻居预测系数，根据其与待编码位的相关关系，分别选取上述的一种函数表达式形式来构造其预测函数；步骤四依据熵值的降低幅度，对已构造的多种相关性预测函数进行筛选，建立一种基于局部最小熵的预测模型，根据预测系数的实际取值将小波系数位数据预测为若干分类。所述步骤一中，近邻居系数为当前待编码位周围8个系数Ntl N7,远邻居系数为近邻居系数外围16个系数FNtl FN15 ；所述父系数为当前待编码位低一级频带对应位置的系数P，父邻居系数为父系数周围的8个近邻居系数PNtl PN7。所述步骤二中，重要性状态预测函数用来区分所述预测系数在上层位平面重要、 当前层位平面重要或者还未重要这三种状态，其表达式定义如下本文档来自技高网...

【技术保护点】
１．一种基于局部最小熵的图像编码预测方法，其特征在于，包括以下步骤：步骤一：对图像进行小波变换及小波系数量化，将每个小波系数用二进制数表示，扫描小波系数位平面；选取与待编码位相关性较强的系数作为预测系数，包括近邻居系数、远邻居系数、父系数和父邻居系数；步骤二：对于与待编码位相关性最强的近邻居预测系数，构造三种预测系数的函数，体现其与待编码系数的多种相关性，所述预测系数的函数包括重要性状态函数、重要性状态方向加权函数、重要性状态和函数；步骤三：对于其他与待编码位相关性较弱的预测系数，包括远邻居、父亲、父邻居预测系数，根据其与待编码位的相关关系，分别选取上述的一种函数表达式形式来构造其预测函数；步骤四：依据熵值的降低幅度，对已构造的多种相关性预测函数进行筛选，建立一种基于局部最小熵的预测模型，根据预测系数的实际取值将小波系数位数据预测为若干分类。

【技术特征摘要】
1.一种基于局部最小熵的图像编码预测方法，其特征在于，包括以下步骤步骤一对图像进行小波变换及小波系数量化，将每个小波系数用二进制数表示，扫描小波系数位平面；选取与待编码位相关性较强的系数作为预测系数，包括近邻居系数、远邻居系数、父系数和父邻居系数；步骤二 对于与待编码位相关性最强的近邻居预测系数，构造三种预测系数的函数，体现其与待编码系数的多种相关性，所述预测系数的函数包括重要性状态函数、重要性状态方向加权函数、重要性状态和函数；步骤三对于其他与待编码位相关性较弱的预测系数，包括远邻居、父亲、父邻居预测系数，根据其与待编码位的相关关系，分别选取上述的一种函数表达式形式来构造其预测函数；步骤四依据熵值的降低幅度，对已构造的多种相关性预测函数进行筛选，建立一种基于局部最小熵的预测模型，根据预测系数的实际取值将小波系数位数据预测为若干分类。2.如权利要求1所述的一种基于局部最小熵的图像编码预测方法，其特征在于步骤一中所述近邻居系数为当前待编码位周围8个系数Ntl N7,远邻居系数为近邻居系数外围16个系数FNci-F...

【专利技术属性】
技术研发人员：李波，周菲菲，曹海恒，
申请(专利权)人：北京航空航天大学，
类型：发明
国别省市：11