[发明专利]一种基于双正交重叠变换的分类量化编码方法

权利要求书

1.一种基于双正交重叠变换的分类量化编码方法，其特征在于：包括下述步骤，

步骤1、通过测试图像序列完成编码参数的设计；

步骤2、利用步骤1得到的编码参数对输入图像进行编码。

2.如权利要求1所述的一种基于双正交重叠变换的分类量化编码方法，其特征在于：所述步骤1具体包括以下步骤，

步骤1.1、对测试图像进行双正交重叠变换；

变换方法采用JPEG XR标准的变换方法，具体为：首先将测试图像分割成大小为16×16的宏块，以每个宏块中4×4的块为单元进行第一次双正交重叠变换；变换后，每个4×4块中左上角数据为DC系数，剩余的15个为HP系数；将16×16宏块中所有的DC系数组成4×4的块进行第二次双正交重叠变换，最终得到一个DC系数和15个LP系数；每个16×16的宏块最终变换后的数据包括1个DC系数、15个LP系数和240个HP系数；

步骤1.2、对每个宏块变换后的DC系数、LP系数和HP系数进行量化，量化公式为：

Bij=round(AijQstep)]]>

其中，A_ij代表变换后的系数，B_ij代表量化后的系数，Q_step代表量化步长，初始量化步长设置为1，round()表示四舍五入运算；

步骤1.3、对B_ij进行反量化，反量化公式为：

C_ij＝B_ij×Q_step

其中，C_ij代表宏块的反量化系数，i、j分别代表C_ij的行、列坐标；

步骤1.4、根据步骤1.1对C_ij进行双正交重叠变换逆变换，获得重建图像；

步骤1.5、计算测试图像和重建图像的峰值信噪比（Peak Signal to Noise Ratio，PSNR），计算公式为：

PSNR=201g2552MSE,]]>MSE=1M×NΣi=0M-1Σj=0N-1[I(i,j)-I~(i,j)]2]]>

其中，M、N分别代表图像的长度和宽度，I(i,j)和分别代表原始图像和重建图像的像素大小，i、j分别代表原始图像和重建图像的行、列坐标；

步骤1.6、设预期图像客观质量为T_Q，若PSNR-T_Q＞0.5，则Q_step=Q_step+1，然后重复步骤1.2至步骤1.6；若PSNR-T_Q＜-0.5，则Q_step=Q_step-1，然后重复步骤1.2至步骤1.6；其他情况则结束迭代计算过程；

步骤1.7、通过迭代计算过程确定量化步长，根据量化步长将图像划分为不同类型，并设定每个类型的量化步长；

步骤1.8、计算图像活跃度，包括IAMD1、IAMD2、IAME1和IAME2，并将之作为图像的分类特征，构建特征向量并结合步骤1.7中的已分类类型完成支持向量机的训练；

具体计算公式如下：

IAMD1=1(M-1)×NΣi=0M-2Σj=0N-1|x(i,j)-x(i+1,j)|]]>

+1M×(N-1)Σi=0M-1Σj=0N-2|x(i,j)-x(i,j+1)|]]>

IAMD2=1(M-1)×(N-1)Σi=1M-1Σj=0N-2|x(i,j)-x(i-1,j+1)|]]>

+1(M-1)×(N-1)Σi=0M-2Σj=0N-2|x(i,j)-x(i+1,j+1)|]]>

IAME1=1(M-2)×NΣi=1M-2Σj=0N-1|x(i-1,j)-x(i+1,j)|]]>

+1M×(N-2)Σi=0M-1Σj=1N-2|x(i,j-1)-x(i,j+1)|]]>

IAME2=1(M-2)×(N-2)Σi=1M-2Σj=1N-2|x(i-1,j-1)-x(i+1,j+1)|]]>

+1(M-2)×(N-2)Σi=1M-2Σj=1N-2|x(i+1,j-1)-x(i-1,j+1)|]]>

其中，x(i,j)代表原始图像的像素大小，i、j分别代表原始图像的行、列坐标。

3.如权利要求1或2所述的一种基于双正交重叠变换的分类量化编码方法，其特征在于：所述步骤2具体包括以下步骤，

步骤2.1、利用与步骤1.1相同的方法对输入图像进行双正交重叠变换；

步骤2.2、利用与步骤1.8相同的方法计算图像的活跃度；

步骤2.3、结合图像活跃度构建用于分类的特征向量，结合步骤1.8的分类训练结果，通过支持向量机确定输入图像的类型，进一步确定量化步长；

步骤2.4、根据量化步长对输入图像双正交重叠变换后的系数进行量化；

步骤2.5、对量化后的系数进行熵编码。