專(zhuān)利名稱(chēng)：一種基于局部最小熵的圖像編碼預(yù)測(cè)方法
技術(shù)領(lǐng)域：
本發(fā)明涉及一種適用于靜態(tài)圖像壓縮的編碼預(yù)測(cè)方法，尤其涉及一種以熵值的降低幅度作為依據(jù)來(lái)對(duì)位數(shù)據(jù)進(jìn)行預(yù)測(cè)分類(lèi)，從而逼近小波系數(shù)高階條件熵的圖像編碼預(yù)測(cè)方法，屬于圖像壓縮技術(shù)領(lǐng)域。
背景技術(shù)：
近十幾年來(lái)，基于小波變換的圖像壓縮算法在靜態(tài)圖像壓縮中得到廣泛應(yīng)用，被認(rèn)為是目前壓縮性能最好的方法。其壓縮流程主要包括預(yù)處理、小波變換、量化、熵編碼四個(gè)步驟，如

圖1所示。其中，熵編碼根據(jù)數(shù)據(jù)出現(xiàn)的概率對(duì)其進(jìn)行編碼，能夠去除數(shù)據(jù)間的統(tǒng)計(jì)冗余，從而用最少的數(shù)據(jù)量完成對(duì)原始圖像信息的表示，是實(shí)現(xiàn)圖像壓縮的關(guān)鍵和保證。常用的熵編碼方法有游程編碼、哈夫曼編碼和算術(shù)編碼。通過(guò)把其中兩種熵編碼方法相結(jié)合(靜態(tài)圖像壓縮國(guó)際標(biāo)準(zhǔn)JPEG中把游程編碼和哈夫曼編碼結(jié)合)，或者把預(yù)測(cè)技術(shù)和熵編碼相結(jié)合(靜態(tài)圖像壓縮國(guó)際標(biāo)準(zhǔn)JPEG2000中把上下文預(yù)測(cè)和算術(shù)編碼結(jié)合)，能夠更好地去除變換系數(shù)之間的冗余，提高熵編碼的效率。其中，預(yù)測(cè)技術(shù)利用已知信息來(lái)推測(cè)未知信息，從而降低未知信息的不確定性，使得可以逼近信源的高階條件熵，最終帶來(lái)編碼效率的提高。小波系數(shù)的預(yù)測(cè)編碼通常是基于位平面對(duì)小波系數(shù)位數(shù)據(jù)進(jìn)行掃描和編碼的，因?yàn)樵谶@一層次上更有利于挖掘小波系數(shù)之間的相關(guān)性，從而充分去除系數(shù)間的冗余，提高壓縮效率。小波系數(shù)的位平面編碼預(yù)測(cè)方法包括C/B、EBC0T (被JPEG2000采用)、PCAS等， 這類(lèi)方法利用小波系數(shù)間的相關(guān)性，根據(jù)所選預(yù)測(cè)系數(shù)的取值情況，預(yù)測(cè)當(dāng)前待編碼位的概率分布，把概率分布差異明顯的待編碼位分為不同的類(lèi)(有利于達(dá)到更小的條件熵值)， 把概率分布相近的待編碼位歸為同類(lèi)(避免上下文稀釋)，使得分類(lèi)后的位數(shù)據(jù)對(duì)應(yīng)更小的高階條件熵值，從而有利于提高后續(xù)算術(shù)編碼的效率。但是這類(lèi)方法仍存在以下幾方面的問(wèn)題和不足(1)沒(méi)有充分利用小波系數(shù)之間的相關(guān)性，預(yù)測(cè)編碼時(shí)，小波系數(shù)之間的相關(guān)性主要體現(xiàn)為幅值、方向、區(qū)域相關(guān)性，現(xiàn)有方法僅利用了其中的一種或兩種，對(duì)相關(guān)性的利用不夠全面和充分。(2)設(shè)計(jì)預(yù)測(cè)函數(shù)或者建立預(yù)測(cè)模型時(shí)，過(guò)分強(qiáng)調(diào)了系數(shù)的方向特性(如EBC0T) 或者單個(gè)系數(shù)的預(yù)測(cè)作用(如PCAS)，而事實(shí)上當(dāng)前待編碼位與其周?chē)亩鄠€(gè)系數(shù)都有相關(guān)關(guān)系，因此現(xiàn)有方法未能發(fā)揮多個(gè)系數(shù)的綜合預(yù)測(cè)效果。(3)預(yù)測(cè)模型的建立主要依靠經(jīng)驗(yàn)或者統(tǒng)計(jì)數(shù)據(jù)，沒(méi)有從后續(xù)熵編碼的需求出發(fā)， 從而使得沒(méi)有很好地區(qū)分待編碼位的不同概率分布，未能有效逼近信源的高階熵，影響了圖像的壓縮效率。在小波系數(shù)的位平面編碼中，預(yù)測(cè)的效果主要取決于預(yù)測(cè)函數(shù)的構(gòu)造和分類(lèi)模型的建立。本發(fā)明全面選擇相關(guān)小波系數(shù)作為預(yù)測(cè)系數(shù)，構(gòu)造相關(guān)性預(yù)測(cè)函數(shù)來(lái)綜合多個(gè)系數(shù)的預(yù)測(cè)效果，并依據(jù)其預(yù)測(cè)作用的大小，采用逐步篩選法，以熵值的有效降低作為準(zhǔn)則， 建立了一種局部最優(yōu)的分類(lèi)模型，充分去除統(tǒng)計(jì)冗余，有效區(qū)分了待編碼位的不同概率分布，并逼近了小波系數(shù)的高階條件熵，最終實(shí)現(xiàn)了對(duì)小波系數(shù)高效壓縮。

發(fā)明內(nèi)容
針對(duì)如上所述的問(wèn)題，本發(fā)明采用如下所述的技術(shù)方案一種基于局部最小熵的圖像編碼預(yù)測(cè)方法，其特征在于，包括以下步驟步驟一對(duì)圖像進(jìn)行小波變換及小波系數(shù)量化，將每個(gè)小波系數(shù)用二進(jìn)制數(shù)表示， 掃描小波系數(shù)位平面；選取與待編碼位相關(guān)性較強(qiáng)的系數(shù)作為預(yù)測(cè)系數(shù)，包括近鄰居系數(shù)、 遠(yuǎn)鄰居系數(shù)、父系數(shù)和父鄰居系數(shù)；步驟二對(duì)于與待編碼位相關(guān)性最強(qiáng)的近鄰居預(yù)測(cè)系數(shù)，構(gòu)造三種預(yù)測(cè)系數(shù)的函數(shù)，體現(xiàn)其與待編碼系數(shù)的多種相關(guān)性，所述預(yù)測(cè)系數(shù)的函數(shù)包括重要性狀態(tài)函數(shù)、重要性狀態(tài)方向加權(quán)函數(shù)、重要性狀態(tài)和函數(shù)；步驟三對(duì)于其他與待編碼位相關(guān)性較弱的預(yù)測(cè)系數(shù)，包括遠(yuǎn)鄰居、父親、父鄰居預(yù)測(cè)系數(shù)，根據(jù)其與待編碼位的相關(guān)關(guān)系，分別選取上述的一種函數(shù)表達(dá)式形式來(lái)構(gòu)造其預(yù)測(cè)函數(shù)；步驟四依據(jù)熵值的降低幅度，對(duì)已構(gòu)造的多種相關(guān)性預(yù)測(cè)函數(shù)進(jìn)行篩選，建立一種基于局部最小熵的預(yù)測(cè)模型，根據(jù)預(yù)測(cè)系數(shù)的實(shí)際取值將小波系數(shù)位數(shù)據(jù)預(yù)測(cè)為若干分類(lèi)。所述步驟一中，近鄰居系數(shù)為當(dāng)前待編碼位周?chē)?個(gè)系數(shù)Ntl N7,遠(yuǎn)鄰居系數(shù)為近鄰居系數(shù)外圍16個(gè)系數(shù)FNtl FN15 ；所述父系數(shù)為當(dāng)前待編碼位低一級(jí)頻帶對(duì)應(yīng)位置的系數(shù)P，父鄰居系數(shù)為父系數(shù)周?chē)?個(gè)近鄰居系數(shù)PNtl PN7。所述步驟二中，重要性狀態(tài)預(yù)測(cè)函數(shù)用來(lái)區(qū)分所述預(yù)測(cè)系數(shù)在上層位平面重要、 當(dāng)前層位平面重要或者還未重要這三種狀態(tài)，其表達(dá)式定義如下

權(quán)利要求
1.一種基于局部最小熵的圖像編碼預(yù)測(cè)方法，其特征在于，包括以下步驟步驟一對(duì)圖像進(jìn)行小波變換及小波系數(shù)量化，將每個(gè)小波系數(shù)用二進(jìn)制數(shù)表示，掃描小波系數(shù)位平面；選取與待編碼位相關(guān)性較強(qiáng)的系數(shù)作為預(yù)測(cè)系數(shù)，包括近鄰居系數(shù)、遠(yuǎn)鄰居系數(shù)、父系數(shù)和父鄰居系數(shù)；步驟二 對(duì)于與待編碼位相關(guān)性最強(qiáng)的近鄰居預(yù)測(cè)系數(shù)，構(gòu)造三種預(yù)測(cè)系數(shù)的函數(shù)，體現(xiàn)其與待編碼系數(shù)的多種相關(guān)性，所述預(yù)測(cè)系數(shù)的函數(shù)包括重要性狀態(tài)函數(shù)、重要性狀態(tài)方向加權(quán)函數(shù)、重要性狀態(tài)和函數(shù)；步驟三對(duì)于其他與待編碼位相關(guān)性較弱的預(yù)測(cè)系數(shù)，包括遠(yuǎn)鄰居、父親、父鄰居預(yù)測(cè)系數(shù)，根據(jù)其與待編碼位的相關(guān)關(guān)系，分別選取上述的一種函數(shù)表達(dá)式形式來(lái)構(gòu)造其預(yù)測(cè)函數(shù)；步驟四依據(jù)熵值的降低幅度，對(duì)已構(gòu)造的多種相關(guān)性預(yù)測(cè)函數(shù)進(jìn)行篩選，建立一種基于局部最小熵的預(yù)測(cè)模型，根據(jù)預(yù)測(cè)系數(shù)的實(shí)際取值將小波系數(shù)位數(shù)據(jù)預(yù)測(cè)為若干分類(lèi)。
2.如權(quán)利要求1所述的一種基于局部最小熵的圖像編碼預(yù)測(cè)方法，其特征在于步驟一中所述近鄰居系數(shù)為當(dāng)前待編碼位周?chē)?個(gè)系數(shù)Ntl N7,遠(yuǎn)鄰居系數(shù)為近鄰居系數(shù)外圍16個(gè)系數(shù)FNci-FN15 ；所述父系數(shù)為當(dāng)前待編碼位低一級(jí)頻帶對(duì)應(yīng)位置的系數(shù)P， 父鄰居系數(shù)為父系數(shù)周?chē)?個(gè)近鄰居系數(shù)PNtl PN7。
3.如權(quán)利要求1所述的一種基于局部最小熵的圖像編碼預(yù)測(cè)方法，其特征在于所述步驟二中，重要性狀態(tài)預(yù)測(cè)函數(shù)用來(lái)區(qū)分所述預(yù)測(cè)系數(shù)在上層位平面重要、當(dāng)前層位平面重要或者還未重要這三種狀態(tài)，其表達(dá)式定義如下 K 2P <Mt
4.如權(quán)利要求1所述的一種基于局部最小熵的圖像編碼預(yù)測(cè)方法，其特征在于所述步驟二中，重要性狀態(tài)方向加權(quán)預(yù)測(cè)函數(shù)是對(duì)所述預(yù)測(cè)系數(shù)的重要性狀態(tài)函數(shù)加權(quán)求和，并依據(jù)預(yù)測(cè)系數(shù)與當(dāng)前待編碼位相關(guān)性的大小為每個(gè)預(yù)測(cè)系數(shù)分配權(quán)重
5.如權(quán)利要求1所述的一種基于局部最小熵的圖像編碼預(yù)測(cè)方法，其特征在于所述步驟二中，重要性狀態(tài)和函數(shù)用來(lái)區(qū)分所述預(yù)測(cè)系數(shù)重要的個(gè)數(shù)不同時(shí)對(duì)概率分布的影響，其表達(dá)式定義如下
6.如權(quán)利要求1所述的一種基于局部最小熵的圖像編碼預(yù)測(cè)方法，其特征在于 所述步驟四中，采用貪心算法來(lái)篩選預(yù)測(cè)函數(shù)，其判別依據(jù)是某個(gè)預(yù)測(cè)函數(shù)的選取能夠使得其對(duì)應(yīng)預(yù)測(cè)分類(lèi)的熵值降低幅度大于預(yù)先設(shè)定的閾值。
全文摘要
本發(fā)明涉及一種基于局部最小熵的圖像編碼預(yù)測(cè)方法，尤其適合于靜態(tài)圖像的壓縮處理。本發(fā)明對(duì)圖像進(jìn)行小波變換及小波系數(shù)量化，選擇與待編碼位相關(guān)性強(qiáng)的小波系數(shù)作為預(yù)測(cè)系數(shù)；定義預(yù)測(cè)系數(shù)的重要性狀態(tài)函數(shù)、重要性狀態(tài)方向加權(quán)函數(shù)、重要性狀態(tài)和函數(shù)；以熵值的降低幅度作為判別依據(jù)，建立一種局部最優(yōu)的預(yù)測(cè)模型將待編碼位數(shù)據(jù)分類(lèi)若干類(lèi)。利用本發(fā)明建立的預(yù)測(cè)模型，實(shí)現(xiàn)了對(duì)小波系數(shù)的高效預(yù)測(cè)編碼，實(shí)驗(yàn)結(jié)果表明，在相同壓縮比下與靜態(tài)圖像壓縮標(biāo)準(zhǔn)JPEG2000相比，有效提高了恢復(fù)圖像的客觀質(zhì)量。
文檔編號(hào)H04N7/26GK102316324SQ20111024701
公開(kāi)日2012年1月11日 申請(qǐng)日期2011年8月24日 優(yōu)先權(quán)日2011年8月24日
發(fā)明者周菲菲, 曹海恒, 李波 申請(qǐng)人:北京航空航天大學(xué)