[發明專利]免疫克隆圖像壓縮方法

無效

• 申請號: 200910024059.3
• 申請日: 2009-09-25
• 公開（公告）號: CN101668204A
• 公開（公告）日: 2010-03-10
• 發明（設計）人: 劉若辰;寧合軍;焦李成;王爽;馬文萍;李陽陽;公茂果;馬晶晶
• 申請（專利權）人: 西安電子科技大學
• 主分類號: H04N7/26
• 分類號: H04N7/26;H04N7/30
• 代理公司: 陜西電子工業專利中心
• 代理人: 王品華;朱紅星

技術領域

本發明屬于人工智能技術和數字圖像處理領域，涉及一種免疫克隆聚類方法在數字圖像處理領域的應用，具體地說是一種免疫克隆圖像壓縮方法。該方法可用于解決第三代移動通信及網絡通信中，在網絡帶寬有限的情況下，如何有效實現圖像傳輸的問題。

背景技術

隨著第三代移動通信技術的逐漸成熟，3G的標準化和發展進入實質階段，圖像和視頻傳輸將成為第三代移動通信中的重要應用。這就對現有的數字圖像壓縮技術提出了新的挑戰?，F有的圖像壓縮技術，如JPEG技術，采用變換域編碼的方法，先對圖像進行離散余弦變換，然后進行壓縮編碼，由于離散余弦變換需要大量的運算時間，從而圖像壓縮編碼解碼的速度很慢。而傳統的采用M/RVQ編碼的方法，使用LBG，KMEANS，SOM等方法產生碼書，然后對圖像的均值和剩余向量進行編碼解碼，雖然運算速度加快了，但是圖像壓縮率和圖像壓縮質量都相對較差。這些方法主要是針對互聯網傳輸和計算機終端進行優化，未考慮到無線網絡傳帶寬更，手機客戶端計算速度更慢的事實，使得傳統的圖像壓縮方法，在應用到3G網絡和手機上時，效果并不理想。這就促使很多研究者嘗試一些新的方案，提出新的圖像壓縮方法，解決圖像壓縮率、圖像壓縮速度、圖像解壓速度、運算復雜度等多方面要求難以同時滿足的矛盾

發明內容

本發明的目的在于克服上述已有技術的不足，提出一種免疫克隆圖像壓縮方法，以達到增大圖像壓縮率、減少圖像壓縮和解壓的時間，并降低運算復雜度。

本發明的技術方案是先選擇一些具有代表性的圖像作為訓練圖像，將訓練圖像劃分成n*n的小塊，然后用M/RVQ和免疫克隆點對稱聚類方法產生碼書。對于待壓縮/解壓的圖像，將其劃分成塊后，對照碼書進行編碼和解碼。碼書可以預先訓練好，固化到編碼解碼器中，并且可以用硬件實現，從而實現高速編碼解碼，具體步驟包括如下：

(1)選擇紋理清晰且對比度高的自然圖像作為訓練樣本，并將該訓練樣本分成塊，轉化為向量，提取均值和剩余向量；

(2)對訓練樣本的均值和剩余向量分別使用免疫克隆聚類算法生成均值碼書和剩余向量碼書；

(3)將測試圖像劃分成塊，每塊作為一個向量，求出測試圖像均值和剩余向量；

(4)使用(2)產生的碼書對測試圖像的向量均值和剩余向量進行量化編碼；

(5)將量化編碼后的數據通過信道傳輸給客戶端；

(6)在客戶端對接收到的數據根據碼書進行解碼；

(7)將解碼后的數據還原成圖像。

由于本發明提取了均值和剩余向量，使得圖像的亮度和紋理特征分離，并且使得聚類中心更接近邊緣，從而使得圖像的邊緣保護得更好，使壓縮后的圖像邊緣更加清晰；同時由于本發明使用免疫克隆聚類算法來找出最佳編碼，有效地利用圖像的對稱性，從而獲得了更大的圖像壓縮率和更好的圖像壓縮質量；此外由于本發明使用了圖像均值和剩余向量編碼，避免了常用圖像壓縮技術中的離散余弦變換、小波變換等計算量大的數學變換，獲得了更快的圖像壓縮和解壓速度，降低了圖像壓縮解壓的時間。

附圖說明

圖1是本發明的流程框圖；

圖2是對比實驗中使用的原始測試圖像lena、boat和airplane。

圖3是用現有方法和本發明方法對圖像lena的壓縮效果比較圖；

圖4是用現有方法和本發明方法對圖像boat的壓縮效果比較圖；

圖5是用現有方法和本發明方法對圖像airplane的壓縮效果比較圖。

具體實施方式

參照圖1和前面所述的實現步驟，本發明主要包括三個部分：碼書設計、圖像編碼和圖像解碼，實現步驟中，步驟(1)、(2)進行碼書設計，步驟(3)、(4)進行圖像編碼，步驟(6)、(7)進行圖像解碼。下面分別介紹碼書設計、圖像編碼和圖像解碼的具體實施步驟。

碼書包括均值碼書codebook1和剩余向量碼書codebook2兩個部分，這兩個碼書的大小分別為b1和b2，實驗中b1取16，b2取256。

1.碼書設計實現步驟

1.1)設圖像大小為r*c，將訓練圖像劃分成為互不重疊的大小為n*n的小塊，實驗中n取4，若圖像邊緣不夠n*n，則補充0，共有m＝r/n*c/n個小塊。每小塊的灰度值對應一個矩陣，將該矩陣按從左到右從上到下的固定順序轉化為灰度向量；

1.2)計算各灰度向量的均值和剩余向量。其中均值為灰度向量的平均值，剩余向量為灰度向量減去平均值；