[发明专利]一种基于香农熵和差分进化的多级阈值图像压缩方法

权利要求书

1.一种基于香农熵和差分进化的多级阈值图像压缩方法，该方法涉及计算机信息技术领域，具体地涉及图像压缩领域，其特征是：该方法的实现步骤如下：

步骤1 将原始图像经过dsp处理取得数字图像信号，香农熵初始化参数k0的值为0，迭代次数c为0，获取图像的平均自信息量；

步骤2 坐标变量y取较大的实数，坐标变量x取图像灰度平均值，对灰度均值残差采样，将其分成5×5矩阵分块，根据去噪等级获取随机概率分布；

步骤3 采用加权香农熵阈值法获得图像分割的最佳阈值t*，并计算阈值t*所对应的图像分割效果评价函数H′的值；

步骤4 若当前函数H′值小于坐标变量y的值，则将函数值传给坐标变量y，阈值t*传值给坐标变量x；迭代次数c加1，若c小于最大迭代次数则更新香农熵初始化参数k的值，否则直接进行差分进化处理；

步骤5 更新初始化参数k的值，kc=kc+d，其中d是搜索步长，即d=1.0/最大步长，坐标变量x的值作为加权香农熵法分割图像的最优参数值；

步骤6 混合加权香农熵和阈值分割信号，对其进行差分进化处理，对得到的矩阵进行可逆变换，分解出信号中的噪声，最终得到压缩图像。

2.根据权利要求1所述的一种基于香农熵和差分进化的多级阈值图像压缩方法，其特征是：本发明原始的图像通过数字信号处理操作，取得的数字图像信号，正是获取香农熵的关键，在确定随机变量的初始化参数和迭代次数之后，接下来就可以确定随机变量概率分布函数，也就该图像的香农熵函数，这个函数代表了需要压缩的图像的平均信息量，也就是这个图像自身所携带多少信息。

3.根据权利要求1所述的一种基于香农熵和差分进化的多级阈值图像压缩方法，其特征是：本发明的加权香农熵的定义如下：

H(P,W)=-

其中w_i是离散随机变量X出现事件x_i的权重，且满足0≤w_i≤1（i=1，2，⋯，n）。

4.根据权利要求1所述的一种基于香农熵和差分进化的多级阈值图像压缩方法，其特征是：本发明在差分进化算法的步骤中，专门用来处理加权阈值分割后的图像数字信号，对于在阈值分割中提到的性能优化，对差分进化的改善效率最大，所以在本流程中采用这种自启发式的进化方法来保证图像的还原性，在这之后再进行启发式的矩阵逆变换算法，实现图像的高度还原，保证输出的压缩图像还原后能和原始图像的误差范围不超过其他优化操作。