[发明专利]一种面向图像压缩的小波基分类构造方法

说明书

技术领域

本发明涉及一种面向图像压缩的小波基分类构造方法，尤其涉及一种在图像压缩的过程中，根据输入图像的种类选择出适合其压缩的小波基的方法，属于图像压缩技术领域。

背景技术

小波(wavelet)是一种具有有限间隔且平均值为0的函数。利用小波实现的小波变换与DCT(Discrete Cosine Transform，离散余弦变换)相比，具有更好的能量集中性和时频特性，因此在过去的十几年里得到了广泛的应用。尤其是在图像压缩领域，基于小波变换的图像压缩方法取得了重大的技术进展，涌现了诸多压缩性能优秀的编、解码算法如EBCOT和SPIHT，其中EBCOT已被静态图像压缩标准JPEG2000选作核心的编、解码实施方案。目前，基于小波变换的图像压缩技术的研究可分为两个方向：第一个方向是研究怎样使小波基具有更好的变换特性，这里的小波基是指一系列正交的小波函数；第二个方向是研究怎样对小波域系数进行有效的编码。由于编码方法的压缩性能在很大程度上取决于小波变换的性能，因此对小波基变换特性的研究在近几年得到更多的关注。

自从Meyer构造出第一个非Haar正交小波以来，人们提出了许多构造小波基的方法。其中，Daubechies等[A.Cohen et al，1992]提出了一套基于镜像滤波器组构造紧支撑正交和双正交小波的方法，并给出正则性和衰减条件，这大大促进了小波基构造研究的进展，人们相继提出了更多的基于滤波器组的小波基构造方法。在现有的小波基中，双正交小波克服了正交小波存在的对称性问题，更适合图像压缩应用的需要。其中，JPEG2000分别选用LeGall-5/3双正交小波基和DB9/7双正交小波基作为无损和有损压缩的滤波器组[M.W.Marcellin et al，2000，D.LeGall andA.Tabatabai，1988]。

图像压缩中二维离散小波变换(DWT)相当于一个子带滤波器，对于一幅图像进行一次小波变换后得到第一级的四个频带LL₁、LH₁、HL₁和HH₁，依次对各级的低频LL_k进行分解得到更粗一级的四个频带，即小波的塔式分解。图像经过小波变换后，低频部分集中了图像大部分的能量，其余部分的能量分散在沿水平、垂直和对角的高频子带。由于不同的图像其纹理复杂程度不同，其低频能量聚集性和高频能量分布存在差异。例如通常来说，人物图像纹理相对简单，低频能量聚集性好；遥感图像细节丰富，所含高频成分多。基于小波变换的图像压缩正是通过编码重要的低频数据，而丢弃大部分不重要的高频数据，使得在较低的位率下仍然能够取得良好的恢复图像质量。目前，虽然已经提出了多种小波构造方法和小波类型，但这些方法在构造时主要从数学性质方面考虑，没有充分考虑图像本身的特点及压缩应用的需求。同时，现有的成熟编、解码算法如EBCOT往往对普通的影视或者人物图像能够取得很好的压缩效果，但对于纹理复杂的遥感图像，在高倍压缩时图像质量损失明显，因此需要根据不同图像的特点，构造最适合其压缩应用的小波基，以实现性能更好的压缩方法。目前，现有技术在这方面仍然存在明显的缺陷。

发明内容

本发明的目的在于提出一种面向图像压缩的小波基分类构造方法。该方法首先对图像进行分类，针对每类图像构造最优能量集中的小波基，在压缩过程中，根据输入图像的分类选择出最优小波基执行压缩操作。

为实现上述的发明目的，本发明采用下述的技术方案：

一种面向图像压缩的小波基分类构造方法，首先建立小波基构造模型，并设计相应的小波基优化求解算法，其特征在于还包括如下步骤：

(1)对图像进行分类：选取典型的图像，通过统计分析确定图像分类准则和图像分类阈值以实现图像分类；

(2)离线建立小波基库：对每类图像，采用所述小波基构造模型和优化求解算法，选择出平均意义最优的小波基，建立小波基库；

(3)选择适合图像压缩的最优小波基：根据输入图像的分类，从建立的小波基库中选择适合该类图像的小波基。

其中，在建立小波基构造模型的过程中，以能量集中性为指标，构造能量主要集中在低频和中低频的小波基。

所述小波基优化求解算法为运用遗传算法处理具有第一参变量和第二参变量，以小波变换的最优能量集中为目标函数的二变量的优化问题。