[发明专利]一种基于CA-SPCNN算法的彩色图像量化方法

说明书

本发明提供了一种基于CA‑SPCNN算法的的彩色图像量化方法，属于图像处理技术领域，用于解决在量化层数增加，提高图像丰富度的同时，如何降低计算复杂度和信息失真率，处理好视觉效果与数据存储空间平衡的技术问题。本发明包括彩色图像量化预处理、量化处理和量化后处理三个步骤，将原始图像处理成红、绿、蓝三个通道的归一化图像，通过CA‑SPCNN算法对图像进行量化处理，通过量化后处理算法得到三个通道的量化图像，合并得到最终量化图像。本发明在CA‑SPCNN算法的基础上加以改进，实现彩色图像的量化处理，简化操作步骤，降低计算复杂度，在保证较低失真率和较高量化准确率的前提下，彩色图像视觉效果好，减小了占用数据存储空间。

技术领域

本发明属于图像处理技术领域，涉及一种图像量化方法，特别是一种基于CA-SPCNN算法的彩色图像量化方法。

背景技术

彩色图像量化是指将一幅具有N种颜色的图像用少于N种颜色替换，并使替换后的图像与原始图像尽可能接近，是彩色图像处理的基本技术之一。图像颜色即量化层数越多，图像层次越丰富，灰度分辨率高，能够产生更为细致的图像效果，但也会占有更大的存储空间。反之亦然。彩色图像量化的基本问题是处理好视觉效果与数据存储空间的平衡关系。

由于图像数据存在冗余，包括相邻像素间的相关性引起的空间冗余、图像序列中不同帧之间的相关性引起的时间冗余、不同彩色平面或频谱带的相关性引起的频谱冗余，使得图像数据在存储、传输和处理时非常困难，因此图像数据的压缩就显得非常重要。目前图像压缩技术主要分为无损压缩和有损压缩。无损压缩是利用数据的统计冗余进行压缩，可完全恢复原始数据而不引起任何失真，但压缩率受到数据统计冗余度的理论限制。其广泛用于文本数据，程序和特殊应用场合的图像数据(如指纹图像，医学图像等)的压缩。有损压缩是利用了人类对图像或声波中的某些频率成分不敏感的特性，允许压缩过程中损失一定的信息，虽然不能完全恢复原始数据，但所损失的部分对理解原始图像的影响缩小，却换来了大得多的压缩比。然而现有的有损压缩技术存在着压缩比率越高图像质量越低、数据一旦压缩则无法回到原始状态等不足。图像压缩技术通常由图像量化技术和图像编码技术组成，图像编码技术较为成熟，图像量化技术还有进一步提升的空间。

现有的彩色图像量化算法主要有μ律量化算法(参考文献：I.Kajitani,N.Otsu,and T.Higuchi,“Improvements in myoelectric pattern classification rate withμ-law quantization,”in Proc.XVII IMEKO World Congress,2003)、A律量化算法(参考文献：A.B.Carlson,Communication system.Tata McGraw-Hill Education,2010)以及HPCNN量化算法(参考文献：Y.Huang,Y.Ma,S.Li and K.Zhan,“Application ofheterogeneous pulse coupled neural network in image quantization,”J ElectronImaging.,vol.25,no.6,pp.061603-061603,2016)。