[发明专利]免疫克隆图像压缩方法

说明书

技术领域

本发明属于人工智能技术和数字图像处理领域，涉及一种免疫克隆聚类方法在数字图像处理领域的应用，具体地说是一种免疫克隆图像压缩方法。该方法可用于解决第三代移动通信及网络通信中，在网络带宽有限的情况下，如何有效实现图像传输的问题。

背景技术

随着第三代移动通信技术的逐渐成熟，3G的标准化和发展进入实质阶段，图像和视频传输将成为第三代移动通信中的重要应用。这就对现有的数字图像压缩技术提出了新的挑战。现有的图像压缩技术，如JPEG技术，采用变换域编码的方法，先对图像进行离散余弦变换，然后进行压缩编码，由于离散余弦变换需要大量的运算时间，从而图像压缩编码解码的速度很慢。而传统的采用M/RVQ编码的方法，使用LBG，KMEANS，SOM等方法产生码书，然后对图像的均值和剩余向量进行编码解码，虽然运算速度加快了，但是图像压缩率和图像压缩质量都相对较差。这些方法主要是针对互联网传输和计算机终端进行优化，未考虑到无线网络传带宽更，手机客户端计算速度更慢的事实，使得传统的图像压缩方法，在应用到3G网络和手机上时，效果并不理想。这就促使很多研究者尝试一些新的方案，提出新的图像压缩方法，解决图像压缩率、图像压缩速度、图像解压速度、运算复杂度等多方面要求难以同时满足的矛盾

发明内容

本发明的目的在于克服上述已有技术的不足，提出一种免疫克隆图像压缩方法，以达到增大图像压缩率、减少图像压缩和解压的时间，并降低运算复杂度。

本发明的技术方案是先选择一些具有代表性的图像作为训练图像，将训练图像划分成n*n的小块，然后用M/RVQ和免疫克隆点对称聚类方法产生码书。对于待压缩/解压的图像，将其划分成块后，对照码书进行编码和解码。码书可以预先训练好，固化到编码解码器中，并且可以用硬件实现，从而实现高速编码解码，具体步骤包括如下：

(1)选择纹理清晰且对比度高的自然图像作为训练样本，并将该训练样本分成块，转化为向量，提取均值和剩余向量；

(2)对训练样本的均值和剩余向量分别使用免疫克隆聚类算法生成均值码书和剩余向量码书；

(3)将测试图像划分成块，每块作为一个向量，求出测试图像均值和剩余向量；

(4)使用(2)产生的码书对测试图像的向量均值和剩余向量进行量化编码；

(5)将量化编码后的数据通过信道传输给客户端；

(6)在客户端对接收到的数据根据码书进行解码；

(7)将解码后的数据还原成图像。

由于本发明提取了均值和剩余向量，使得图像的亮度和纹理特征分离，并且使得聚类中心更接近边缘，从而使得图像的边缘保护得更好，使压缩后的图像边缘更加清晰；同时由于本发明使用免疫克隆聚类算法来找出最佳编码，有效地利用图像的对称性，从而获得了更大的图像压缩率和更好的图像压缩质量；此外由于本发明使用了图像均值和剩余向量编码，避免了常用图像压缩技术中的离散余弦变换、小波变换等计算量大的数学变换，获得了更快的图像压缩和解压速度，降低了图像压缩解压的时间。

附图说明

图1是本发明的流程框图；

图2是对比实验中使用的原始测试图像lena、boat和airplane。

图3是用现有方法和本发明方法对图像lena的压缩效果比较图；

图4是用现有方法和本发明方法对图像boat的压缩效果比较图；

图5是用现有方法和本发明方法对图像airplane的压缩效果比较图。

具体实施方式

参照图1和前面所述的实现步骤，本发明主要包括三个部分：码书设计、图像编码和图像解码，实现步骤中，步骤(1)、(2)进行码书设计，步骤(3)、(4)进行图像编码，步骤(6)、(7)进行图像解码。下面分别介绍码书设计、图像编码和图像解码的具体实施步骤。

码书包括均值码书codebook1和剩余向量码书codebook2两个部分，这两个码书的大小分别为b1和b2，实验中b1取16，b2取256。

1.码书设计实现步骤

1.1)设图像大小为r*c，将训练图像划分成为互不重叠的大小为n*n的小块，实验中n取4，若图像边缘不够n*n，则补充0，共有m＝r/n*c/n个小块。每小块的灰度值对应一个矩阵，将该矩阵按从左到右从上到下的固定顺序转化为灰度向量；

1.2)计算各灰度向量的均值和剩余向量。其中均值为灰度向量的平均值，剩余向量为灰度向量减去平均值；