[發(fā)明專利]一種面向圖像壓縮的小波基分類構(gòu)造方法

有效

• 申請?zhí)枺?/td>: 200710099577.2
• 申請日: 2007-05-24
• 公開（公告）號: CN101068358A
• 公開（公告）日: 2007-11-07
• 發(fā)明（設(shè)計）人: 李波;焦?jié)櫤?/a>;楊蕤
• 申請（專利權(quán)）人: 北京航空航天大學(xué)
• 主分類號: H04N7/26
• 分類號: H04N7/26;G06T9/00;H03M7/30
• 代理公司: 北京北新智誠知識產(chǎn)權(quán)代理有限公司
• 代理人: 陳曦

1.一種面向圖像壓縮的小波基分類構(gòu)造方法，首先建立小波基構(gòu)造模型，并設(shè)計相應(yīng)的小波基優(yōu)化求解算法，其特征在于還包括如下步驟：

(1)對圖像進行分類：選取典型的圖像，通過統(tǒng)計分析確定分類準(zhǔn)則和分類閾值以實現(xiàn)圖像分類；

(2)離線建立小波基庫：對每類圖像，采用所述小波基構(gòu)造模型和優(yōu)化求解算法，選擇出平均意義最優(yōu)的小波基，建立小波基庫；

(3)選擇適合圖像壓縮的最優(yōu)小波基：根據(jù)輸入圖像的分類，從建立的小波基庫中選擇適合該類圖像的小波基。

2.如權(quán)利要求1所述的面向圖像壓縮的小波基分類構(gòu)造方法，其特征在于：

其中，在建立小波基構(gòu)造模型的過程中，以能量集中性為指標(biāo)，構(gòu)造能量主要集中在低頻和中低頻的小波基。

3.如權(quán)利要求1所述的面向圖像壓縮的小波基分類構(gòu)造方法，其特征在于：

所述小波基優(yōu)化求解算法為運用遺傳算法處理具有第一參變量和第二參變量，以小波變換的最優(yōu)能量集中為目標(biāo)函數(shù)的二變量的優(yōu)化問題。

4.如權(quán)利要求3所述的面向圖像壓縮的小波基分類構(gòu)造方法，其特征在于：

所述遺傳算法中，生成的染色體中0和1的基因數(shù)各占50％，預(yù)先在初始種群中置入以DB9/7小波的系數(shù)編碼的染色體，并在進化過程中，挑選出優(yōu)于當(dāng)前最優(yōu)個體的新個體并保存。

5.如權(quán)利要求1所述的面向圖像壓縮的小波基分類構(gòu)造方法，其特征在于：

所述步驟(1)中，所述分類準(zhǔn)則為計算一級小波變換后三個高頻子帶系數(shù)幅值的均值，并根據(jù)統(tǒng)計結(jié)果確定圖像分類的閾值。

6.如權(quán)利要求5所述的面向圖像壓縮的小波基分類構(gòu)造方法，其特征在于：

所述小波基庫中，根據(jù)所述圖像分類閾值確定的每一類圖像分別與一個小波基相對應(yīng)。

7.如權(quán)利要求1所述的面向圖像壓縮的小波基分類構(gòu)造方法，其特征在于：

所述步驟(3)中，首先對輸入圖像進行一級小波變換，計算高頻系數(shù)幅值的均值，然后根據(jù)所述圖像分類閾值確定輸入圖像的分類，再從建立的小波基庫中選擇適合該類圖像的小波基，并執(zhí)行小波變換。

8.如權(quán)利要求1～7中任意一項所述的面向圖像壓縮的小波基分類構(gòu)造方法，其特征在于：

所述圖像為遙感圖像。