[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

本發明涉及現代通信網絡圖像數據壓縮技術，具體是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。本發明解決了現有通信網絡圖像數據壓縮技術壓縮性能較差的問題。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，該方法是采用如下步驟實現的：步驟1：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：將圖像塊劃分成三種圖像子塊；步驟3：對分類后的圖像子塊歸一化處理；步驟4：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：對步驟2分類的圖像子塊分別進行不同程度壓縮；步驟6：進行解碼圖像重建。本發明適用于現代通信網絡環境復雜、特殊和惡劣工程領域的復雜圖像識別與特征分析。

技術領域

本發明涉及現代通信網絡圖像數據壓縮技術，具體是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。

背景技術

圖像傳輸技術在眾多的信息通信方法中已成為重要的通信技術，但由于圖像信息巨大的數據量，造成數據傳輸時極其占用傳輸帶寬，最終導致圖像傳輸和保存也因此經歷了諸多困難。因此，為了有效利用現代通信網絡和存儲設備空間，無論是圖像數據傳輸還是存儲，有必要對圖像數據進行壓縮處理。

當前圖像壓縮主要分為兩類：一類是通過圖像數據的統計冗余特點全部恢復圖像原來的數據而不引起失真能完整的還原數據的無損壓縮，但由于圖像特征變化不一、壓縮數據統計冗余度的理論限制等，導致該方法在圖像壓縮比上很難控制到很低；另一類是利用了人眼對圖像中某些因素不敏感的特點進行的一種解壓縮數據與原來圖像數據有差異卻又非常近似的但會丟失部分數據且無法恢復的有損壓縮，常用的方法包括小波變換、小波包分解等。由于采用的是對整幅圖像仍統一壓縮法，因此仍然導致圖像重要細節信息的損失。

然而實踐表明，小波變換、小波包分解等圖像壓縮算法對圖像重要細節的保持能力仍需提高。基于此，有必要發明一種全新的圖像壓縮技術，以解決現有現代通信網絡圖像數據壓縮技術壓縮性能較差的問題。

發明內容

本發明為了解決現有通信網絡圖像數據壓縮技術壓縮性能較差的問題，提供了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。

本發明是采用如下技術方案實現的：

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，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。

與現有通信網絡圖像數據壓縮技術相比，本發明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具有如下優點：一、本發明將改進的圖像塊分類算法引入到BP神經網絡圖像壓縮中，由于改進的圖像塊分類算法對各參數的取值是建立在圖像塊均方誤差和圖像塊分布特征科學分析的基礎上進行合理取值，因此其壓縮性能更好。二、本發明將圖像塊分類閾值δ引入到改進的圖像塊分類算法中，利用圖像子塊、各個圖像塊的均方誤差和整幅圖像的均方誤差提高分類閾值δ選取的準確性。三、本發明通過合理選取分類閾值δ，將分類后的圖像子塊分別進行不同程度壓縮，最終使圖像細節保持能力都得到很大改善。