[发明专利]一种基于双重奇异值分解的视频图像压缩方法

说明书

技术领域

本发明涉及数字图像处理技术领域，具体涉及一种基于双重奇异值分解的视频图像压缩方法。

背景

视频图像压缩是指以较少的比特有损或无损地表示原来的像素矩阵的技术，也称图像编码。视频图像数据之所以能被压缩，就是因为原始视频图像数据中存在着大量的冗余。而视频图像数据的冗余有：空间冗余，由于视频图像相邻像素存在的相关性引起；时间冗余，由视频图像序列中不同帧之间存在相关性引起；频谱冗余，由不同彩色平面或频谱带的相关性引起。

对视频图像进行压缩处理的目的就是通过去除这些数据冗余来减少表示数据所需的比特数。由于图像数据量的庞大,在存储、传输、处理时非常困难,因此图像数据的压缩就显得非常重要。

从上个世纪50年代开始，当时的电子计算机已经发展到一定水平，人们开始利用计算机来处理图形和图像信息。图像是人类获取和交换信息的主要来源，因此，视频图像压缩作为图像处理的应用领域必然涉及到人类生活和工作的方方面面。随着人类活动范围的不断扩大，视频图像压缩的应用领域也将随之不断扩大。

而视频图像通常需要处理信息量很大，例如一幅256×256低分辨率黑白图像，要求约64kbit的数据量；对高分辨率彩色512×512图像，则要求768kbit数据量；如果要处理30帧/秒的电视图像序列，则每秒要求500kbit～22.5Mbit数据量；因此对计算机的计算速度、存储容量等要求较高。而且，视频图像处理占用的频带较宽。与语言信息相比，占用的频带要大几个数量级；如电视图像的带宽约5.6MHz，而语音带宽仅为4kHz左右。所以在成像、传输、存储、处理、显示等各个环节的实现上，技术难度较大，成本亦高，这就对视频图像压缩技术提出了更高的要求。并且，视频图像中各个像素是不独立的，其相关性大；在图像画面上，经常有很多像素有相同或接近的灰度；就电视画面而言，同一行中相邻两个像素或相邻两行间的像素，其相关系数可达0.9以上，而相邻两帧之间的相关性比帧内相关性一般说还要大些。因此，图像处理中信息压缩的潜力很大。

传统的视频图像压缩方法，都是任意给出两个初始像素矩阵，直接进行压缩，而忽视了视频图像本身所包含的信息。因此，通常都要花费比较长的时间才能得到我们想要的压缩信息。

发明内容

为对本发明有一全面了解，在下面提供了若干具体描述，对于熟悉本领域的人而言，在没有这些描述的情况下同样可以实现所提发明。另外，为了不对本发明的内容产生混淆，对一些知名的算法、程序并未具体讨论。

本方法最主要的贡献在我们所提出的双重奇异值分解算法，因而在此处我们需要对这个算法进行详细的描述。

由于输入的视频图像可以抽象的等同于矩阵，所以我们可以把对图像数据的处理等同于对矩阵的处理。

双重奇异值分解算法：

输入：由人脸图像所生成的非负矩阵正整数k，最大迭代数maxiter；

输出：非负矩阵

1）判断输入矩阵A是否非负，如果是则继续步骤2）；否则，算法终止；

2）给定初始的U=zeros(m,k)，V=zeros(k,n)；

3）对矩阵A作部分奇异值分解[W,S,H]=svds(A,k);

4）对U和V的第一列赋值：

U(:,1)  =sqrt(S(1,1))*abs(W(:,1));

V(1,:)  =sqrt(S(1,1))*abs(H(:,1)');

5)for i=2:k

ww=W(:,i);hh=H(:,i);

wwp=pos(ww);wwn=neg(ww);

hhp=pos(hh);hhn=neg(hh);

n_wwp=norm(wwp);

n_hhp=norm(hhp)

n_wwn=norm(wwn);

n_hhn=norm(hhn);

termp=n_wwp*n_hhp;termn=n_wwn*n_hhn;

if(termp>=termn)

U(:,i)=sqrt(S(i,i)*termp)*wwp/n_wwp;

V(i,:)=sqrt(S(i,i)*termp)*hhp'/n_hhp;

else

U(:,i)=sqrt(S(i,i)*termn)*wwn/n_wwn;

V(i,:)=sqrt(S(i,i)*termn)*hhn'/n_hhn;

end