[发明专利]基于灰度共生矩阵的自适应方向提升小波压缩算法

说明书

技术领域

本发明属于图像处理技术领域，具体涉及一种基于灰度共生矩阵的自适应方向提升小波压缩算法。

背景技术

离散小波变换是很好的图像处理方法，它提供了一种多分辨率的图像显示方式和完美的图像重构能力，因此被广泛应用于图像分析，压缩编码等领域。例如，静止图像压缩的国际标准JPEG2000。Swelden在1995提出了一种新的不依赖于傅立叶变换的小波构造方案——提升小波变换，该方法不仅得到了一种新的小波变换，还减少了现有小波变换的计算复杂度。实践证明，所有的小波变换都可以通过提升方法实现，因而提升小波变换也被称为第二代小波变换。但是一般的提升小波变换结果都是通过对图像的行/列进行一维提升变换得到的，所以只能处理水平和竖直方向上的图像信息。由于自然图像存在丰富的纹理信息，采用一般的提升方法不能很好的利用图像的纹理特征，处理后高频存在冗余，影响后续的工作。

为了很好的解决这个问题，研究者们相继提出单尺度脊波变换、脊波变换、Curvelet变换、Bandelet变换等变换方法。这些方法都取得了很好的效果，但仍存在着一些不足：计算复杂度高、滤波器设计复杂的问题。导致实际的压缩中，这些方法应用的比较少。近年来，学者们提出了ADL方向提升变换方法，它是基于空间方向预测提升小波来实现小波的方向性和各向异性，计算复杂度较低。但是这种方向需要在做变换时进行插值运算，并且还要判断选择最优方向，运算量比较大。

发明内容

本发明是针对现有技术的上述不足，提供了一种基于灰度共生矩阵的自适应方向提升小波压缩算法，该算法能有效地结合方向提升的优点，在压缩比提高的同时降低算法运算的复杂度。提出了依据局部图像纹理信息丰富程度分块的方法，将图像分为纹理和非纹理部分，对纹理部分，采用方向提升来提高预测的精度，以提高压缩性能。对于方向信息比较少的非纹理部分，采用普通的提升小波变换，以减少变换的时间。采用灰度共生矩阵中的角二矩来自适应地评估图像的平坦性，有效地区分了图像中的纹理和非纹理区域，从而为自适应地采用不同模式的提升创造条件。实验结果表明，与传统方法相比，该方法能很好的减少压缩时间，同时在低比特率下，PSNR有所提高。

本发明的基于灰度共生矩阵的方向提升小波图像压缩方法，包括下列步骤

步骤1.对原始图片进行均匀的分块，分割成大小相同的子图片，每个子块的大小都是16×16；

步骤2.对每一子块，采用灰度共生矩阵方法来自适应判断所需要采用的提升模式(普通水平、垂直提升或方向提升)；

步骤3.对方向信息比较多的子块，用高频能量最小的方法判断每一块的方向。之后，采用方向提升变换对图像进行处理；

步骤4.对方向信息比较少的块，采用普通的水平，垂直提升进行小波变换。

步骤5.对变换后的系数，采用Spiht模型进行系数编码。

附图说明

图1预测部分

图2提升部分

图3测试图的方向信息图

图4一般提升变换与本文方法变换第一层高频能量比较

图5不同算法的图像压缩效果

具体实施方式

下面通过附图和实施例对本发明做进一步详述。

1利用方向提升小波变换对图像做变换

提升小波的实现过程分为三个步骤：分裂、预测和更新。

(1)分裂过程：可将原始数据x(m，n)分为两个集合——偶数集合x_e(m，n)和奇数集合x_o(m，n)。

(2)预测过程：保持偶数集合x_e(m，n)不变，通过内插细分的方法预测奇数集合，预测值与实际值的差值为h(m，n)，即h(m，n)＝x_o(m，n)-P[x_e(m，n)]，其中P(.)为预测算子。

(3)更新过程：用h(m，n)来更新数据x_e(m，n)以保持原始数据x_e(m，n)的某种特性。如保持平均值不变，该操作记为l(m，n)＝x_e(m，n)-U[x_o(m，n)]，其中U(.)为更新算子。