[发明专利]基于梯度方向直方图的递归预测图像压缩方法

权利要求书

1.基于梯度方向直方图的递归预测图像压缩方法，具体步骤包括如下：

(1)从自然图像集中读入一幅大小为M×M、后缀为.raw格式的原始灰度图像，其中，M表示原始灰度图像的宽度和高度，×表示相乘操作；

(2)对原始图像进行纹理方向判断：

(2a)对步骤(1)中的原始灰度图像进行上下各一行，左右各一列的边界扩展，得到大小为(M+2)×(M+2)的扩展图像；

(2b)按照由左至右，由上至下的顺序，利用Sobel梯度算子对扩展图像的不包括边界扩展的各个像素点的梯度方向角进行计算，进而得到原始灰度图像的梯度方向角矩阵G；

(2c)将梯度方向角矩阵G均匀分成大小为N×N的块矩阵，读取这些块矩阵，并将读取次数k初始化为1，其中，N表示块矩阵行数和列数，取值为4或8；

(2d)统计第k个块矩阵的梯度方向直方图，得到梯度方向直方图峰值对应的角度并依据图像纹理方向与图像梯度方向的正交关系，确定图像数据块的纹理主方向角度为

(2e)判断是否完成所有原始灰度图像数据块的纹理方向判断，如果是，则执行步骤(3)，否则，k自增1，返回步骤(2d)；

(3)对步骤(1)中的原始灰度图像数据进行上下各三行，左右各三列的边界扩展，得到大小为(M+6)×(M+6)的扩展图像数据，并将数据读取地址初始化为扩展图像数据地址起始位置；

(4)从数据读取地址开始，对扩展图像数据以大小为(N+3)×(N+3)块为单位进行读取；

(5)根据读取的块数据建立马尔可夫预测模型：

(5a)利用最小二乘估计的方法，估计递归马尔可夫预测模型中参考像素的权值系数；

(5b)依照步骤(2)得到的纹理主方向，对块数据中不包括上边三行、左边三列的各个像素点，利用与该纹理方向上邻近的若干参考像素点建立二维递归马尔可夫预测模型；

(6)块数据的预测:

(6a)对块数据中不包括上边三行、左边三列的各个像素，根据步骤(5)中已建立的递归马尔可夫预测模型进行预测，得到预测值矩阵；

(6b)将块数据中不包括上边三行、左边三列的各个像素灰度值，与其在预测值矩阵中对应的预测值进行相减，得到差值矩阵R，并对差值矩阵R进行离散余弦变换DCT得到变换系数矩阵T，然后对变换系数矩阵T进行量化、熵编码，得到压缩码；

(6c)对压缩码进行解码、逆量化、逆DCT变换，得到恢复后的差值矩阵R′，并将R′与差值矩阵R相加得到重建值矩阵，根据重建值矩阵对扩展图像数据块中的相应地址处像素值进行更新；

(7)判断是否完成所有块数据的预测压缩，如果是，则结束压缩，否则，数据读取地址跳变为下一个块数据的起始地址，返回步骤(4)。

2.根据权利要求1所述的方法，其中步骤(2b)中计算原始灰度图像的各个像素点的梯度方向角，按如下步骤进行：

(2b1)选取Sobel梯度算子模板矩阵如下：

其中S_x为水平方向梯度算子，S_y为竖直方向梯度算子；

(2b2)将S_x与当前像素点的3×3邻域进行卷积，得到水平方向梯度G_x，并将S_y与当前像素点的3×3邻域进行卷积，得到竖直方向梯度G_y；

(2b3)根据步骤(2b2)的结果，计算当前像素点的梯度方向角θ(x,y)：

3.根据权利要求1所述的方法，其中步骤(4)中对扩展图像数据以大小为(N+3)×(N+3)块为单位进行读取，按如下步骤进行：

(4a)初始化一个(N+3)×(N+3)二维矩阵来存储块数据，并将读取次数i初始化为1；

(4b)从数据读取地址开始，读取N+3个数据，并将其赋值给二维矩阵的第一行；

(4c)将数据读取地址增加M+6，并将i自增1；

(4d)判断i是否等于N+3，如果是，则完成块数据的读取，否则，返回步骤(4b)。