[发明专利]基于梯度方向直方图的递归预测图像压缩方法

说明书

本发明公开了一种基于频域方向滤波器的递归预测图像压缩方法，主要解决现有技术中纹理方向检测准确度低，时间复杂度高，预测系数数目多的问题。其步骤为：1)设计原型方向滤波器；2)根据原型方向滤波器生成一组方向滤波器；3)读入原始灰度图像数据，并进行纹理方向判断；4)扩展原始灰度图像数据；5)对扩展图像数据以块为单位进行读取；6)根据读取的块数据建立马尔可夫预测模型；7)对读取的块数据进行预测压缩；8)判断是否完成所有块数据的预测，如果是，则结束压缩，否则数据读取地址跳变，返回步骤5)。本发明能灵活准确地检测纹理方向，时间复杂度低，预测系数数目少，提升了压缩性能，可用于对各种数字设备的图像压缩编码。

技术领域

本发明涉及属于图像处理技术领域，更进一步涉及一种图像压缩方法，可用于对各种数字设备的图像压缩编码。

背景技术

信息化时代人们越来越依靠计算机获取和利用信息，而数字化后的多媒体信息具有海量数据性，与当前硬件技术所能提供的计算机存储资源和网络带宽之间有很大的差距，因此信息的存储和传输造成了很大的困难。图像信息作为计算机上最重要的资源，对其进行有效的压缩处理无疑是必要的，也会给人们带来巨大的好处。图像压缩不但是各种动态图像压缩、传输的基础，而且还是影响其效果好坏的重要因素。

预测编码作为图像压缩最主要的方法，也是最基本的方法，在一些对图片压缩质量要求比较高的领域经常被采用，比如文本图像和医用图像。预测编码一般包括两部分：一部分是去相关，大多采用预测器，利用已编码的邻域像素灰度值来预测待编码的像素灰度值；另一部分是对预测误差进行熵编码。

预测器一般分为如下三类:

(1)全局预测器：对不同图片或对一幅图片中的不同像素点，均采用一组固定的预测系数对其进行预测；

(2)局部预测器：对图像的不同局部采用不同的预测系数对其进行预测；

(3)全自适应预测器：预测系数随图像像素点的变化而变化。

基于预测的主要方法有静止图像压缩标准JPEG-LS中采用的中值边缘检测MED方法，该方法对一幅图像的像素从上到下、从左到右逐像素进行编码，其本质是对当前区域进行一个简单的梯度计算，然后沿着与边界平行的方向进行预测。对于当前像素X的预测，是先根据邻近像素之间的梯度选择不同的变长编码模式，然后对当前像素进行预测，将当前像素与预测像素相减得到预测差值，最后对预测差值进行熵编码。

相比于JPEG-LS，基于上下文的自适应无损图像编码方法CALIC，使用一个更加复杂的基于梯度的自适应预测方法GAP。该方法根据上下文模板计算当前像素的水平梯度和垂直梯度，得到水平梯度和垂直梯度的差值，然后根据差值来判断是否存在水平或者垂直边缘，最后根据水平或垂直边缘的变化程度，适当地选取相邻像素的权重计算当前像素的预测值。

上述JPEG-LS、CALIC虽然都采用了基于上下文的自适应预测算法对像素进行预测，但由于两者采取的均是较为简单的梯度计算，不能很好地跟踪纹理走向，因此压缩精度有待提升。近几年，很多学者对快速帧内预测模式选择进行了研究，并引入了Canny边缘方向直方图方法，更加充分地利用图像的纹理特性。

2011年肖化超和周检发表的文章“基于LMS的图像自适应预测编码”中提出了一种自适应更新权值的预测方法，电子设计工程,2011.19(4):p.109-112。其本质是对预测中采用的邻近像素不断更新权值，来得到较小的预测差值，该方法虽然预测比较准确，但由于没有充分利用图像的纹理特性，时间复杂度过高。

2012年，焦昶哲在其发表的论文“基于纹理相似度判断的帧内预测快速算法研究”中公开了一种基于纹理相似度判断的快速选择帧内预测模式的方法，西安电子科技大学,2012。该方法虽然能避免全搜索模式，大幅度降低帧内预测的时间复杂度，但是由于在各种预测模式下各个像素的预测均采用线性预测，预测系数数目较多，又增加了待压缩的数据量。

发明内容