[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

摘要

本发明提出了一种基于香农熵和差分进化的多级阈值图像压缩方法，该方法涉及图像压缩领域，本方法的阈值将图像划分成几个对象和背景，阈值数目增加时，图像开始分割，但在同一时间接近于原始图像。直方图是通过使用较高的阈值来获取近似，从而降低压缩误差。直方图的近似是通过香农熵的最大化实现的。随着阈值数目的增加，计算时间几乎呈指数增加，为此差分进化(DE)方法被用于优化。由于基于直方图处理的压缩技术，不论图像的大小计算时间是相同的。

主权项

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。