[发明专利]一种基于四叉树与邻域搜索相结合的分形图像压缩方法

说明书

技术领域

本发明属于图像处理技术领域，尤其涉及一种基于四叉树与邻域搜索相结合的分形图像压缩方法。

背景技术

分形图像压缩技术利用了图像本身存在的自相似性，利用局部、较小的图像区域映射生成较大的区域，因而消除了图像区域之间的冗余信息，减少了存储图像的比特数，从而达到压缩图像的目的。分形图像压缩方法对值域块和定义域块的划分都是建立在原图像为正方形的基础之上的，主要是对每个值域块寻找一个最佳匹配的定义域块及其仿射变换，其一般方法如下：

(1)对原图像进行分块，将图像分割成一系列呈矩阵形式排列的不重叠的子块，这些子块被称为值域块(用Ri表示第i块)，和一系列可以互相重叠的子块，这些子块称为定义域块(用Dj表示第j块)，通常定义域块的边长是值域块的两倍。

(2)对于任意定义域块Ri，寻找某个定义域块Dj及仿射变换wi，使得Dj通过某个仿射变换wi近似于Ri，即wi(Dj)≈Ri，Ri与wi(Dj)之间的误差可以由均方差来度量。

(3)当wi(Dj)≈Ri时，存储相应的wi、Dj和Ri，定义域块Dj和仿射变换wi就是值域块Ri的一个最佳匹配，将这些仿射变换和位置参数进行编码、传输和存储，就实现分形图像压缩。

但是分形图像编码方法的值域块大小固定，不能反映分形特性，若用较大固定块，则图像中复杂度较高区域得不到很好的匹配块；若将图像分块尺寸减小，能获得较满意的匹配效果，但会降低压缩效率，同时也增加了计算复杂度，恢复图像质量不高。同时，较大面积的自相似区域被划分成多小块，可能存在编码冗余。所以自分形压缩出现后，人们不断的研究和开发各种改进的分形图像编码算法。目前对分形压缩编码的主要研究工作也集中在提高解码恢复图像的质量和减少编码时间上，如四叉树分形图像编码方法和领域搜索法。

在四叉树分形图像编码方法中，为了使用更小的搜索空间，进一步减少编码时间，需将值域块和定义域块按照一分类原则进行分类。如果值域块和经过空间尺度变换的定义域块属于同一类，就计算两块之间的误差。否则，对该定义域块不予考虑。此算法如下所示：①确定四叉树的最小深度和最大深度，确定误差阈值Err；②对原始图像根据定义的树的最小深度进行初始划分，得到值域块Ri和定义域块Dj；③对每一个定义域块Dj进行仿射变换，将每种仿射变换的结果与值域块进行匹配，求其均方差e。如果e＞Err或四叉树的深度＜给定的最大深度，再进行四叉树分割，并返回③；否则，停止对该值域块搜索，并存储分形变换参数。这样图像中粗糙的部分能以较大的图像块进行变换压缩，提高压缩比，而图像中精细的部分以较小的图像块进行变换压缩，保证较高的图像还原质量。上述方法的缺点是虽然相对于传统的分形算法在编码效率上有了较大的提高，但是编码时间过长依旧是制约其广泛使用的主要因素。

邻域搜索法是基于图像大部分匹配块主要集中在其附近的特征来编码的，对于给定位置的值域块Ri，搜索到其最优匹配的定义域块(Dj块)的位置的概率分布几乎都集中在Ri的附近。基于上述结论，要减少搜索的定义域块，可采用邻域搜索法代替全局搜索法，即在编码时给定一个允许误差ε，搜索时以值域块为邻域中心，仅搜索值域块和其附近的邻域块，直到定义域块与值域块之间的误差函数d(Di，Ri)＜ε为止，这样就可以只搜索少量的定义域块就能得找到满足误差要求的自相似定义域块，大大减少匹配的计算量，且降低了计算复杂度。缺点是由于定义域块与值域块之间的误差函数d(Di，Ri)的值增大，将出现“方块效应”，会影响图像的还原质量。

发明内容

本发明的目的在于克服上述现有技术的不足，提供一种基于四叉树与邻域搜索相结合的分形图像压缩方法，通过采用邻域搜索法搜索定义域块以减少搜索时间，并结合四叉树分形编码方法，消除邻域搜索法带来的方块效应，保证较高的图像还原质量。

为实现上述目的，本发明提供以下技术方案：

一种基于四叉树与邻域搜索相结合的分形图像压缩方法，其特征在于，包括以下步骤：

步骤1，设定四叉树的最大深度、最小深度以及误差阈值；

步骤2，载入图像，按最小深度把所述图像分割成多个呈矩阵形式排列的不重叠的待匹配的值域块，以及把所述图像分割成多个呈矩阵形式排列的可重叠的定义域块，所有的所述定义域块构成每个所述值域块对应的定义域块池；

步骤3，提取一个所述待匹配的值域块作为当前值域块；

步骤4，在所述当前值域块对应的所述定义域块池中，搜索与所述当前值域块对应的多个邻域定义域块；