[发明专利]一种基于改进图像块分类算法的BP神经网络图像压缩方法

权利要求书

1.一种基于改进图像块分类算法的BP神经网络图像压缩方法，其特征在于：该方法是采用如下步骤实现的：

步骤1：根据图像子块的均值SIM，计算出各个图像块的均方误差SMSE和整幅图像的均方误差FIMSE；

步骤2：利用改进的图像块分类算法合理选取图像块的分类阈值δ将图像块划分成三种图像子块，即图像平滑块、目标块、边缘块；

步骤3：对分类后的图像子块归一化处理，使每个像素点的像素值适用于BP神经网络的输入数据集0～1之间的要求；

步骤4：采用内存需求最大、收敛速度最快的Levenberg-Marquardt算法训练BP神经网络得到压缩数据集即完成图像数据编码过程；

步骤5：根据训练后的BP神经网络对步骤2分类的图像子块分别进行不同程度压缩；

步骤6：依据步骤5压缩数据集通过图像数据反归一化和图像块恢复进行解码图像重建。

2.根据权利要求1所述的一种基于改进图像块分类算法的BP神经网络图像压缩方法，其特征在于：所述步骤1中，根据图像子块行列大小以及像素点对应的像素值，计算图像子块的均值SIM。

3.根据权利要求1所述的一种基于改进图像块分类算法的BP神经网络图像压缩方法，其特征在于：所述步骤2中，利用整幅图像的均方误差FIMSE作为分类阈值δ，将图像块划分成平滑块、目标块、边缘块三种图像子块。

4.根据权利要求1所述的一种基于改进图像块分类算法的BP神经网络图像压缩方法，其特征在于：所述步骤3中，对分类后的8bits的二维灰度图像，将每个像素值除以255将图像数据进行归一化使其处于BP神经网络的输入数据集0～1之间。

5.根据权利要求1所述的一种基于改进图像块分类算法的BP神经网络图像压缩方法，其特征在于：所述步骤4中，训练函数采用Levenberg-Marquardt算法中的性能评价指标均方误差及MEX计算方法训练BP神经网络并得到压缩数据集即完成图像数据编码过程。

6.根据权利要求1所述的一种基于改进图像块分类算法的BP神经网络图像压缩方法，其特征在于：所述步骤5中，根据训练后的BP神经网络对步骤2分类的图像边缘块则采取不压缩而直接保存到压缩数据的方法，对平滑块和目标块选用合适的隐含层单元数量进行压缩。

7.根据权利要求1所述的一种基于改进图像块分类算法的BP神经网络图像压缩方法，其特征在于：所述步骤6中，依据步骤5压缩数据集参照编码过程中的图像数据集进行归一化和图像块划分过程进行图像块恢复得到解码图像重建。