專利名稱：一種面向圖像壓縮的小波基分類構(gòu)造方法
技術(shù)領(lǐng)域：
本發(fā)明涉及一種面向圖像壓縮的小波基分類構(gòu)造方法，尤其涉及一種在圖像壓縮的過程中，根據(jù)輸入圖像的種類選擇出適合其壓縮的小波基的方法，屬于圖像壓縮技術(shù)領(lǐng)域。

背景技術(shù)：
小波(wavelet)是一種具有有限間隔且平均值為0的函數(shù)。利用小波實(shí)現(xiàn)的小波變換與DCT(Discrete Cosine Transform，離散余弦變換)相比，具有更好的能量集中性和時(shí)頻特性，因此在過去的十幾年里得到了廣泛的應(yīng)用。尤其是在圖像壓縮領(lǐng)域，基于小波變換的圖像壓縮方法取得了重大的技術(shù)進(jìn)展，涌現(xiàn)了諸多壓縮性能優(yōu)秀的編、解碼算法如EBCOT和SPIHT，其中EBCOT已被靜態(tài)圖像壓縮標(biāo)準(zhǔn)JPEG2000選作核心的編、解碼實(shí)施方案。目前，基于小波變換的圖像壓縮技術(shù)的研究可分為兩個(gè)方向第一個(gè)方向是研究怎樣使小波基具有更好的變換特性，這里的小波基是指一系列正交的小波函數(shù)；第二個(gè)方向是研究怎樣對小波域系數(shù)進(jìn)行有效的編碼。由于編碼方法的壓縮性能在很大程度上取決于小波變換的性能，因此對小波基變換特性的研究在近幾年得到更多的關(guān)注。
自從Meyer構(gòu)造出第一個(gè)非Haar正交小波以來，人們提出了許多構(gòu)造小波基的方法。其中，Daubechies等[A.Cohen et al，1992]提出了一套基于鏡像濾波器組構(gòu)造緊支撐正交和雙正交小波的方法，并給出正則性和衰減條件，這大大促進(jìn)了小波基構(gòu)造研究的進(jìn)展，人們相繼提出了更多的基于濾波器組的小波基構(gòu)造方法。在現(xiàn)有的小波基中，雙正交小波克服了正交小波存在的對稱性問題，更適合圖像壓縮應(yīng)用的需要。其中，JPEG2000分別選用LeGall-5/3雙正交小波基和DB9/7雙正交小波基作為無損和有損壓縮的濾波器組[M.W.Marcellin et al，2000，D.LeGall andA.Tabatabai，1988]。
圖像壓縮中二維離散小波變換(DWT)相當(dāng)于一個(gè)子帶濾波器，對于一幅圖像進(jìn)行一次小波變換后得到第一級的四個(gè)頻帶LL1、LH1、HL1和HH1，依次對各級的低頻LLk進(jìn)行分解得到更粗一級的四個(gè)頻帶，即小波的塔式分解。圖像經(jīng)過小波變換后，低頻部分集中了圖像大部分的能量，其余部分的能量分散在沿水平、垂直和對角的高頻子帶。由于不同的圖像其紋理復(fù)雜程度不同，其低頻能量聚集性和高頻能量分布存在差異。例如通常來說，人物圖像紋理相對簡單，低頻能量聚集性好；遙感圖像細(xì)節(jié)豐富，所含高頻成分多。基于小波變換的圖像壓縮正是通過編碼重要的低頻數(shù)據(jù)，而丟棄大部分不重要的高頻數(shù)據(jù)，使得在較低的位率下仍然能夠取得良好的恢復(fù)圖像質(zhì)量。目前，雖然已經(jīng)提出了多種小波構(gòu)造方法和小波類型，但這些方法在構(gòu)造時(shí)主要從數(shù)學(xué)性質(zhì)方面考慮，沒有充分考慮圖像本身的特點(diǎn)及壓縮應(yīng)用的需求。同時(shí)，現(xiàn)有的成熟編、解碼算法如EBCOT往往對普通的影視或者人物圖像能夠取得很好的壓縮效果，但對于紋理復(fù)雜的遙感圖像，在高倍壓縮時(shí)圖像質(zhì)量損失明顯，因此需要根據(jù)不同圖像的特點(diǎn)，構(gòu)造最適合其壓縮應(yīng)用的小波基，以實(shí)現(xiàn)性能更好的壓縮方法。目前，現(xiàn)有技術(shù)在這方面仍然存在明顯的缺陷。


發(fā)明內(nèi)容
本發(fā)明的目的在于提出一種面向圖像壓縮的小波基分類構(gòu)造方法。該方法首先對圖像進(jìn)行分類，針對每類圖像構(gòu)造最優(yōu)能量集中的小波基，在壓縮過程中，根據(jù)輸入圖像的分類選擇出最優(yōu)小波基執(zhí)行壓縮操作。
為實(shí)現(xiàn)上述的發(fā)明目的，本發(fā)明采用下述的技術(shù)方案 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(jì)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(jìn)行分類選取典型的圖像，通過統(tǒng)計(jì)分析確定圖像分類準(zhǔn)則和圖像分類閾值以實(shí)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。
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。
所述小波基優(yōu)化求解算法為運(yùn)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。
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(jìn)化過程中，挑選出優(yōu)于當(dāng)前最優(yōu)個(gè)體的新個(gè)體并保存。
所述步驟(1)中，所述分類準(zhǔn)則為計(jì)算一級小波變換后三個(gè)高頻子帶系數(shù)幅值的均值，并根據(jù)統(tǒng)計(jì)結(jié)果確定圖像分類的閾值。
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(gè)小波基相對應(yīng)。
所述步驟(3)中，首先對輸入圖像進(jìn)行一級小波變換，計(jì)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。
本發(fā)明通過離線方式在圖像分類的基礎(chǔ)上構(gòu)造適合每類圖像壓縮的小波基，在線壓縮過程中根據(jù)輸入圖像的分類選擇小波基，這樣可以一方面可以提高小波變換的性能，另一方面也避免了在線構(gòu)造時(shí)間長、復(fù)雜度高的問題。實(shí)驗(yàn)結(jié)果表明，在小波變換時(shí)間復(fù)雜度增加不明顯的情況下，本發(fā)明構(gòu)造小波基的壓縮性能優(yōu)于經(jīng)典的DB9/7小波，提高了恢復(fù)圖像的質(zhì)量，尤其適合于遙感圖像的壓縮處理。



下面結(jié)合附圖和具體實(shí)施方式
對本發(fā)明作進(jìn)一步的說明。
圖1為本發(fā)明所提供的面向圖像壓縮的小波基分類構(gòu)造方法的基本流程圖； 圖2為人物圖像和多個(gè)遙感圖像在經(jīng)過DB9/7小波變換后在各級頻帶的能量分布示意圖； 圖3為人物圖像和多個(gè)遙感圖像在經(jīng)過Villa10/18小波變換后在各級頻帶的能量分布示意圖； 圖4為本發(fā)明所構(gòu)造的最優(yōu)小波基和DB9/7小波基的能量集中性比較示意圖。

具體實(shí)施例方式 參照圖1所示，本發(fā)明的基本思路在于首先對圖像進(jìn)行分類，并針對每類圖像離線構(gòu)造最優(yōu)小波基，建立小波基庫。在壓縮過程中，根據(jù)圖像的分類從小波基庫中選擇適合該類圖像的小波基來執(zhí)行變換操作。
下面首先介紹構(gòu)造最優(yōu)小波基的方法，它是本發(fā)明得以實(shí)現(xiàn)的基礎(chǔ)。該方法通過選取適合壓縮的小波基優(yōu)化構(gòu)造準(zhǔn)則，建立含參的小波基構(gòu)造模型，從而設(shè)計(jì)出小波基優(yōu)化求解算法。
Daubechies已經(jīng)證明了除Harr小波以外，任何緊支撐正交小波都不具有對稱性，從而會產(chǎn)生相位失真，阻礙了正交小波在圖像壓縮中的應(yīng)用。如果放棄正交性方面的約束，還會有大量對稱的雙正交小波存在，因此在本實(shí)施例中，選擇構(gòu)造雙正交小波。此外，為了針對性地構(gòu)造適合壓縮的小波基，本發(fā)明在構(gòu)造過程中考慮了壓縮應(yīng)用需求的特點(diǎn)，研究小波基的能量集中和壓縮性能的關(guān)系，采用公式(1)作為圖像的能量計(jì)算準(zhǔn)則 E＝∑|ci，j|2≈∑p2i，j (1) 其中，其中c為頻域系數(shù)，p為空域系數(shù)，頻域能量和空域能量相等的充要條件是小波變換滿足正交性。
在本實(shí)施例中，選用了圖像壓縮中常用的雙正交小波基DB9/7和Villa10/18小波，這兩種小波基具有線性相位，能量集中性好，雖然它們不滿足正交特性，但是變換后能量基本保持不變。圖2和圖3定量描述了經(jīng)過6級小波變換后，人物圖像和多個(gè)不同遙感圖像在各個(gè)頻帶上的能量分布規(guī)律。圖中橫軸表示小波變換的頻帶級數(shù)，從6至1依次對應(yīng)從次低頻至最高頻的各級頻帶，每級頻帶包含水平、垂直和對角方向上三個(gè)子頻帶，縱軸表示對應(yīng)級頻帶上的能量在整幅圖能量中所占百分比。從圖2和圖3中可以得出如下結(jié)論人物圖像在變換后絕大多數(shù)能量都集中于最低頻，在其他頻帶殘留非常少，而復(fù)雜遙感圖像則有較大比例的能量殘留于中高頻。
一般來講，對于位平面編碼方法而言，如果頻域系數(shù)的能量越向低頻區(qū)域集中，高頻的小幅值系數(shù)就越多，相應(yīng)地量化后零系數(shù)就越多，有助于提高壓縮比。因此，構(gòu)造能有效降低圖像在中高頻、以及各級頻帶能量，使其能量更集中于低頻和中低頻的小波基是實(shí)現(xiàn)圖像高倍壓縮的有效途徑。本發(fā)明在構(gòu)造小波基的過程中把能量集中性作為衡量小波基壓縮性能的重要指標(biāo)。
在本實(shí)施例中，將以DB9/7小波為基礎(chǔ)構(gòu)造最優(yōu)能量集中的雙正交小波基，假設(shè)小波函數(shù)和對偶小波函數(shù)的長度分別為9和7，考慮到雙正交小波的中心對稱性，可以分別用5個(gè)和4個(gè)未知數(shù)將其表示，分別記做{hn，0≤n≤4}和{gn，0≤n≤3}。由雙正交小波的完全重構(gòu)條件可得 同理由其對偶小波的完全重構(gòu)條件可得 由雙正交小波和其對偶小波的雙正交關(guān)系得 聯(lián)立(2)、(3)式及(4)式的第一個(gè)方程，令g0、g1為參變量，通過消元、化簡，最后可得其余7個(gè)未知數(shù)的通解，得到9/7雙正交小波濾波器參數(shù)化模型 g0、g1的值確定后，可以根據(jù)(5)計(jì)算出其余的濾波器系數(shù)。通過調(diào)整g0、g1，可以生成一組小波濾波器。這樣小波基的構(gòu)造問題可以轉(zhuǎn)化為以g0、g1為優(yōu)化變量，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。該優(yōu)化問題的目標(biāo)函數(shù)是一個(gè)多維曲面，在其值域范圍內(nèi)起伏變化無窮，無法用解析方法求解，為此本發(fā)明采用遺傳算法求解最優(yōu)解。
本發(fā)明在使用遺傳算法求解過程中解決了以下幾個(gè)關(guān)鍵問題 1.染色體編碼的編碼規(guī)則 該問題的本質(zhì)是問題解的編碼，串長度及編碼形式對算法收斂影響極大?？紤]本模型共有兩個(gè)變量，為了使編碼簡單，決定采用二進(jìn)制編碼來進(jìn)行表示，同時(shí)又需考慮選擇和變異操作對兩個(gè)變量的影響的平等性，將染色體長度定義為2n，其中奇數(shù)n位對應(yīng)于g0，偶數(shù)n位對應(yīng)于g1，再通過歸一化操作就可以將g0和g1的取值調(diào)整到DB9/7小波對應(yīng)取值周圍的任意范圍內(nèi)，這將有助于下一步的搜索。通過大量實(shí)驗(yàn)驗(yàn)證，發(fā)現(xiàn)將g0和g1分別調(diào)整在DB9/7系數(shù)的[-0.2，0.4]與[-0.1，0.3]范圍內(nèi)，會取得比較好的效果。
2.初始種群的產(chǎn)生 初始種群的性質(zhì)對算法收斂速度以及最終尋找到的最優(yōu)解有較大影響。本算法中大部分染色體采用隨機(jī)方式產(chǎn)生，為了使搜索的覆蓋范圍更加全面，使生成的染色體中0和1的基因數(shù)各占50％。同時(shí)為了加快搜索速度，可以預(yù)先在初始種群中置入該組已知最優(yōu)染色體，即以DB9/7的系數(shù)編碼的染色體，并在進(jìn)化過程中，挑選出優(yōu)于當(dāng)前最優(yōu)個(gè)體的新個(gè)體并保存，即可充分發(fā)揮已有成果的優(yōu)勢。
3.目標(biāo)函數(shù)的確定 本算法的目標(biāo)函數(shù)是小波變換的能量集中性。在每次迭帶過程中，使用每個(gè)新個(gè)體(小波基)對圖像執(zhí)行6級小波變換并計(jì)算其適應(yīng)度(ELL，Ei)i＝1，2，...，6，其中ELL代表最低頻的能量，Ei代表第i頻帶的能量。如果新個(gè)體的適應(yīng)度滿足以下條件(其中ELL′和Ei′分別是當(dāng)前最優(yōu)個(gè)體對應(yīng)的各級頻帶能量) ELL＞ELL′ and Ei≤Ei′，i＝1，2，...，6 則保留該個(gè)體并用其替換當(dāng)前最優(yōu)個(gè)體。
在小波的數(shù)學(xué)性質(zhì)方面，上述方法所構(gòu)造的小波基滿足緊支集特性。緊支集的重要性在于它在圖像分解過程中可以提供系數(shù)有限的FIR濾波器，避免濾波過程中產(chǎn)生截?cái)嗾`差。支集越短，小波變換的計(jì)算復(fù)雜度越低，便于快速實(shí)現(xiàn)。非緊支集小波基在應(yīng)用時(shí)必須截?cái)?，從而帶來誤差。
為了驗(yàn)證上述構(gòu)造方法的有效性，本實(shí)施例對幾幅典型的遙感圖像構(gòu)造最優(yōu)小波基，并使用這些小波基與DB9/7小波基進(jìn)行對比實(shí)驗(yàn)，其中表1給出了在16倍壓縮時(shí)恢復(fù)圖像的質(zhì)量，圖4比較了本發(fā)明所構(gòu)造的最優(yōu)小波基和DB9/7小波基的能量集中性。從圖4可以看出，構(gòu)造的最優(yōu)小波基能量集中性較DB9/7小波基都有明顯提高，而且從構(gòu)造過程中我們也可得知，其他各高頻能量均有不同程度的降低，因此其小波系數(shù)應(yīng)該更適合編碼，表1的實(shí)驗(yàn)結(jié)果正好驗(yàn)證了這一點(diǎn)，和DB9/7小波相比，構(gòu)造的最優(yōu)小波基取得了更好的壓縮效果。
表1 最優(yōu)小波基和DB9/7小波基對遙感圖像壓縮質(zhì)量 上面介紹了構(gòu)造最優(yōu)小波基的一般方法，下面具體介紹該方法在圖像壓縮中的具體實(shí)施方案。
步驟一選取典型的圖像，通過統(tǒng)計(jì)分析確定分類準(zhǔn)則和分類閾值以實(shí)現(xiàn)圖像分類。
需要說明的是，在下面的實(shí)施例中所選取的典型圖像都是遙感圖像。這主要是因?yàn)楝F(xiàn)有的小波壓縮方法對遙感圖像的處理效果都不理想，而遙感圖像本身存在較大的個(gè)體差異，很難用一個(gè)現(xiàn)有的統(tǒng)一模式來處理。但顯然本發(fā)明所提供的方法還可以用于對其它類型圖像的壓縮，所取得的有益效果也是相似的。表2 遙感圖像的最優(yōu)小波基 針對每幅遙感圖像都構(gòu)造最優(yōu)能量集中雙正交小波基可以達(dá)到最佳的壓縮效果，但由于構(gòu)造過程十分耗時(shí)，這種做法在實(shí)際應(yīng)用中不被允許，需要尋找一種有效的解決方法。表2給出了幾幅不同紋理復(fù)雜度遙感圖像對應(yīng)的最優(yōu)小波基，通過分析發(fā)現(xiàn)，構(gòu)造的最優(yōu)小波基和圖像復(fù)雜度之間存在一定的關(guān)系，即復(fù)雜度相近的圖像，其最優(yōu)小波基也相似，所以本發(fā)明提出分類構(gòu)造的方法。
為了確定遙感圖像的分類準(zhǔn)則，表3和表4分別給出了遙感圖像在空域和小波域的統(tǒng)計(jì)結(jié)果。從中可以看出，空域的統(tǒng)計(jì)量隨紋理復(fù)雜度不同的分布規(guī)律性并不是很明顯，而小波域均值X和均方差MSE與圖像的復(fù)雜度關(guān)系明顯，即紋理復(fù)雜度相近的圖像對應(yīng)的最優(yōu)小波基也是相似的?？紤]到分類計(jì)算的復(fù)雜度，本發(fā)明采用小波系數(shù)均值作為圖像分類準(zhǔn)則。其具體計(jì)算過程是圖像經(jīng)過一級小波變換后，計(jì)算HL、LH和HH三個(gè)高頻子帶系數(shù)幅值的均值，以此作為復(fù)雜度的判據(jù)。表3 遙感圖像在空域統(tǒng)計(jì)結(jié)果 表4 遙感圖像在小波域統(tǒng)計(jì)結(jié)果 為了簡化處理，在本實(shí)施例中將圖像定義為三類簡單，中等和復(fù)雜，并根據(jù)對大量遙感圖像的統(tǒng)計(jì)實(shí)驗(yàn)確定分類的閾值T0＝6且T1＝12，具體的分類函數(shù)如下
步驟二對每類圖像，采用前述的小波基構(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。
對于步驟一中分成的三類圖像，使用前述的優(yōu)化構(gòu)造方法對每類圖像構(gòu)造平均意義上壓縮性能最好的小波基，從而建立包含三個(gè)小波基的小波基庫。最終建立的小波基庫中，每類圖像對應(yīng)一個(gè)小波基。其濾波器系數(shù)在表5中給出，其中Wr，Wm和Ws分別是復(fù)雜、中度復(fù)雜和簡單遙感圖像對應(yīng)的小波基。
表5 三類圖像對應(yīng)的小波濾波器系數(shù) 步驟三根據(jù)輸入圖像的分類，從建立的小波基厙中選擇適合該類圖像的小波基。
把構(gòu)造的最優(yōu)小波基應(yīng)用到壓縮系統(tǒng)時(shí)，首先對輸入圖像進(jìn)行一級小波變換，計(jì)算高頻系數(shù)幅值的均值，然后根據(jù)步驟一所確定的分類準(zhǔn)則和分類閾值對圖像進(jìn)行分類，從步驟二所建立的小波基庫中選擇適合該類圖像的濾波器(即最優(yōu)小波基)進(jìn)行執(zhí)行小波變換。
在本發(fā)明實(shí)現(xiàn)的過程中，采用離線方式對大量典型的圖像分類預(yù)先構(gòu)造最優(yōu)小波基，從而建立小波基庫。在實(shí)際執(zhí)行壓縮操作時(shí)，首先對圖像本身進(jìn)行分類，并選擇適合的小波基來執(zhí)行變換操作。這種方式可以有效避免小波基在線構(gòu)造所需時(shí)間長、復(fù)雜度高的問題，改善了本發(fā)明的實(shí)用性。
對本領(lǐng)域的一般技術(shù)人員而言，在不背離本發(fā)明實(shí)質(zhì)精神的前提下對它所做的任何顯而易見的改動，都將構(gòu)成對本發(fā)明專利權(quán)的侵犯，將承擔(dān)相應(yīng)的法律責(zé)任。
權(quán)利要求
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(jì)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(jìn)行分類選取典型的圖像，通過統(tǒng)計(jì)分析確定分類準(zhǔn)則和分類閾值以實(shí)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(yùn)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(jìn)化過程中，挑選出優(yōu)于當(dāng)前最優(yōu)個(gè)體的新個(gè)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(jì)算一級小波變換后三個(gè)高頻子帶系數(shù)幅值的均值，并根據(jù)統(tǒng)計(jì)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(gè)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(jìn)行一級小波變換，計(jì)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(xiàng)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
所述圖像優(yōu)選為遙感圖像。
全文摘要
本發(fā)明涉及一種面向圖像壓縮的小波基分類構(gòu)造方法，尤其適合于遙感圖像的壓縮處理。本發(fā)明首先建立含參的小波基構(gòu)造模型，根據(jù)壓縮的需要確定小波基優(yōu)化準(zhǔn)則，設(shè)計(jì)了優(yōu)化求解算法；通過對大量遙感圖像的統(tǒng)計(jì)分析，確定分類準(zhǔn)則和分類閾值；進(jìn)而對每類圖像，采用小波基優(yōu)化求解算法，離線訓(xùn)練出適合該類圖像的小波基，建立小波基庫；在壓縮過程中，根據(jù)輸入圖像的分類從小波基庫中選擇適合的小波基。實(shí)驗(yàn)結(jié)果表明，在同等壓縮比下，本發(fā)明構(gòu)造的小波基的壓縮性能優(yōu)于經(jīng)典的DB9/7小波基。
文檔編號G06T9/00GK101068358SQ20071009957
公開日2007年11月7日 申請日期2007年5月24日 優(yōu)先權(quán)日2007年5月24日
發(fā)明者李波, 焦?jié)櫤? 楊蕤 申請人:北京航空航天大學(xué)