The invention belongs to the field of digital image compression encoding and transmission, which is characterized by multi wavelet transform to the image is decomposed into low frequency and high frequency coefficients by using entropy encoding stream; low frequency low frequency coefficients of high frequency coefficients; for further correspondence between the wavelet packet decomposition according to the levels of high frequency sub band coefficients are decomposed in space and the frequency of the classification of the training vector; the energy threshold and screening methods based on generalized learning vector quantization distortion criterion to design the vector quantizer codebook of training vectors, then further using entropy encoding for lossless compression, obtained from high frequency stream; at the end of the decoded image restoration by data compression low frequency and high frequency video stream. The invention can guarantee the restoration quality and the coding speed of the image under the condition of obtaining a larger compression ratio, and can better preserve the high frequency detail information of the image.
【技术实现步骤摘要】
:本专利技术属于数字图像压缩编码和传输领域,涉及一种新的基于小波包变换和矢量量化相结合的图像压缩编码方法,是对传统图像有损压缩方法的创新和改进,可广泛应用于数据编码与传输、多媒体技术和地理信息系统等领域中。
技术介绍
:随着计算机技术、通讯技术和多媒体技术等领域的高速发展,数字图像因其具有信息丰富、获取便利等优势而被广泛的使用。但这也导致了数据量的极具增加,给图像数据的存储和传输带来了巨大的负担,因此研究行之有效的图像压缩编码技术有着重要的理论意义和实用价值。矢量量化(Vector Quantization, VQ)技术是一种高效的有损数据压缩方法,它是以香农的速率失真理论作为理论基础,其基本原理是:首先基于输入矢量设计矢量量化的码书,码书由码字构成,码字的维数和输入矢量相同,而码书的规模远小于输入矢量集;然后使用矢量量化器码书中与输入矢量相匹配码字的索引来替代输入矢量进行存储和传输,而解码只需要快速的查表操作,因此具有压缩比大、编码速度快等优点。矢量量化过程如图1所示。矢量量化最基本也是最重要的问题是设计性能良好的码书,码书的性能直接影响图像压缩编码的质量。LBG方法是码书设计的经典方法,该方法是基于局部寻优原理,但它具有计算繁琐,易产生无效码字,对初始码书敏感,适应能力差等缺点。另外一类被广泛使用的方法是基于人工神经网络的码书设计方法,利用神经网络的非线性函数逼近性能实现输入矢量集到码书的映射,其中典型的方法有竞争学习神经网络(Competitive LearningNeural Network, CLNN),它是一种硬判决的聚类算法,但存在 ...
【技术保护点】
一种基于小波包和矢量量化相结合的图像压缩编码方法,其特征在于:该方法按以下步骤:步骤(1):对于待压缩编码图像,对其进行多级小波变换,分解成低频系数和高频系数;步骤(2):对于小波分解后的低频系数采用标量量化方法,再使用熵编码得到低频码流;步骤(3):对于小波分解后各频带的高频系数进一步采用小波包技术分别对其进行分解;步骤(4):根据各级高频子带系数在空间和频率上的对应关系,构成分类训练矢量;步骤(5):根据矢量能量阈值对训练矢量进行筛选;步骤(6):对于筛选后的分类矢量,分别采用基于等失真准则的广义学习矢量量化方法来设计矢量量化器的码书;步骤(7):对矢量量化的码流进一步使用熵编码进行无损压缩,从得到高频码流;步骤(8):对由低频码流和高频码流构成的压缩数据,采用上述编码的逆过程进行解码,再进行重建得到恢复图像。
【技术特征摘要】
1.一种基于小波包和矢量量化相结合的图像压缩编码方法,其特征在于:该方法按以下步骤: 步骤(1):对于待压缩编码图像,对其进行多级小波变换,分解成低频系数和高频系数; 步骤(2):对于小波分解后的低频系数采用标量量化方法,再使用熵编码得到低频码流; 步骤(3):对于小波分解后各频带的高频系数进一步采用小波包技术分别对其进行分解; 步骤(4):根据各级高频子带系数在空间和频率上的对应关系,构成分类训练矢量; 步骤(5):根据矢量能量阈值对训练矢量进行筛选; 步骤(6):对于筛选后的分类矢量,分别采用基于等失真准则的广义学习矢量量化方法来设计矢量量化器的码书; 步骤(7):对矢量量化的码流进一步使用熵编码进行无损压缩,从得到高频码流; 步骤(8):对由低频码流和高频码流构成的压缩数据,采用上述编码的逆过程进行解码,再进行重建得到恢复图像。2.根据权利要求1所述的基于小波包和矢量量化相结合的图像压缩编码方法,其特征在于:在步骤(3)中,分别对小 波变换后的第I级,第2级和第3级频带三个方向的高频系数进行二维小波包变换,将各频带各方向的高频系数进一步分解,分解后的系数能够更精确的描述图像各方向细节信息。3.根据权利要求1所述的基于小波包和矢量量化相结合的图像压缩编码方法,其特征在于:在步骤(4)中,各子带对应位置的系数代表原图像同一细节...
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。