[發明專利]一種基于改進圖像塊分類算法的BP神經網絡圖像壓縮方法

在審

• 申請號: 202010635602.X
• 申請日: 2020-07-04
• 公開（公告）號: CN112004092A
• 公開（公告）日: 2020-11-27
• 發明（設計）人: 俞華;黃純德;劉永鑫;趙亞寧;孟曉凱;楊虹;白洋;韓鈺;田贇
• 申請（專利權）人: 國網山西省電力公司電力科學研究院
• 主分類號: H04N19/42
• 分類號: H04N19/42;H04N19/176;G06N3/08;G06N3/04;G06K9/62
• 代理公司: 太原新航路知識產權代理事務所(特殊普通合伙) 14112
• 代理人: 王勇

1.一種基于改進圖像塊分類算法的BP神經網絡圖像壓縮方法，其特征在于：該方法是采用如下步驟實現的：

步驟1：根據圖像子塊的均值SIM，計算出各個圖像塊的均方誤差SMSE和整幅圖像的均方誤差FIMSE；

步驟2：利用改進的圖像塊分類算法合理選取圖像塊的分類閾值δ將圖像塊劃分成三種圖像子塊，即圖像平滑塊、目標塊、邊緣塊；

步驟3：對分類后的圖像子塊歸一化處理，使每個像素點的像素值適用于BP神經網絡的輸入數據集0～1之間的要求；

步驟4：采用內存需求最大、收斂速度最快的Levenberg-Marquardt算法訓練BP神經網絡得到壓縮數據集即完成圖像數據編碼過程；

步驟5：根據訓練后的BP神經網絡對步驟2分類的圖像子塊分別進行不同程度壓縮；

步驟6：依據步驟5壓縮數據集通過圖像數據反歸一化和圖像塊恢復進行解碼圖像重建。

2.根據權利要求1所述的一種基于改進圖像塊分類算法的BP神經網絡圖像壓縮方法，其特征在于：所述步驟1中，根據圖像子塊行列大小以及像素點對應的像素值，計算圖像子塊的均值SIM。

3.根據權利要求1所述的一種基于改進圖像塊分類算法的BP神經網絡圖像壓縮方法，其特征在于：所述步驟2中，利用整幅圖像的均方誤差FIMSE作為分類閾值δ，將圖像塊劃分成平滑塊、目標塊、邊緣塊三種圖像子塊。

4.根據權利要求1所述的一種基于改進圖像塊分類算法的BP神經網絡圖像壓縮方法，其特征在于：所述步驟3中，對分類后的8bits的二維灰度圖像，將每個像素值除以255將圖像數據進行歸一化使其處于BP神經網絡的輸入數據集0～1之間。

5.根據權利要求1所述的一種基于改進圖像塊分類算法的BP神經網絡圖像壓縮方法，其特征在于：所述步驟4中，訓練函數采用Levenberg-Marquardt算法中的性能評價指標均方誤差及MEX計算方法訓練BP神經網絡并得到壓縮數據集即完成圖像數據編碼過程。

6.根據權利要求1所述的一種基于改進圖像塊分類算法的BP神經網絡圖像壓縮方法，其特征在于：所述步驟5中，根據訓練后的BP神經網絡對步驟2分類的圖像邊緣塊則采取不壓縮而直接保存到壓縮數據的方法，對平滑塊和目標塊選用合適的隱含層單元數量進行壓縮。

7.根據權利要求1所述的一種基于改進圖像塊分類算法的BP神經網絡圖像壓縮方法，其特征在于：所述步驟6中，依據步驟5壓縮數據集參照編碼過程中的圖像數據集進行歸一化和圖像塊劃分過程進行圖像塊恢復得到解碼圖像重建。