一種基于紋理圖像相似性的壓縮和解壓縮方法
【技術(shù)領(lǐng)域】
[0001] 本發(fā)明涉及圖像壓縮技術(shù)領(lǐng)域，具體是一種基于紋理圖像相似性的壓縮和解壓縮 方法。
【背景技術(shù)】
[0002] 圖像壓縮目的是減少圖像數(shù)據(jù)中的冗余信息從而用實(shí)現(xiàn)高效的數(shù)據(jù)存儲(chǔ)和數(shù)據(jù) 傳輸。目前，圖像壓縮主要分為有損壓縮和無損壓縮，比較流行的編碼標(biāo)準(zhǔn)有如JPEG，MPEG 等。在大型的場(chǎng)景渲染中需要紋理圖像調(diào)入顯存，這一過程不能一次性快速地完成，所以需 要研宄紋理圖像的壓縮和解壓算法，以減少紋理圖像的存儲(chǔ)空間，降低傳輸延遲，同時(shí)降低 紋理數(shù)據(jù)的損失。實(shí)現(xiàn)紋理圖像的壓縮以傳統(tǒng)圖像壓縮方法為基礎(chǔ)，因紋理圖像本身呈現(xiàn) 出很高的相似度所以兩者有一定的區(qū)別。
[0003] 比較圖像相似度的方法有很多，比較常用的為基于像素點(diǎn)比較方法和統(tǒng)計(jì)圖像基 本特征的方法?；谙袼攸c(diǎn)比較的方法是將目標(biāo)圖像與原圖像的所有像素點(diǎn)按照先后順序 直接逐個(gè)像素進(jìn)行比較，再通過求歐氏距離得到目標(biāo)圖像與原圖像的相似度。這種方法需 要將圖像中的像素點(diǎn)逐個(gè)進(jìn)行比較，耗時(shí)比較長(zhǎng)，算法的復(fù)雜度高。而基于統(tǒng)計(jì)圖像的基本 特征的比較方法，是通過提取原圖像與目標(biāo)圖像的基本特征，比如灰度統(tǒng)計(jì)特征（灰度直 方圖）和圖像紋理特征（對(duì)灰度共生矩陣統(tǒng)計(jì)的能量、熵，慣性矩，局部平穩(wěn)性等），然后將 得到的原圖像與目標(biāo)圖像的基本特征值進(jìn)行比較得到圖像間的相似度。這種比較圖像相似 度的方法是基于統(tǒng)計(jì)的特征，反映出來的是圖像的全局性，不能很好的反映出圖像的局部 特征，所以比較結(jié)果會(huì)存在較大的誤差。因此，如何提高圖像相似度判斷結(jié)果的準(zhǔn)確性且簡(jiǎn) 化算法是目前急需解決的一大課題。
[0004] 目前紋理壓縮已經(jīng)有很多的解決方案，主要手段是產(chǎn)生圖像的碼書，然后根據(jù)碼 書來實(shí)現(xiàn)圖像的重構(gòu)。近來年，效果比較好的有增量式碼書生成算法，該算法可以動(dòng)態(tài)增加 碼書，而且生成步驟簡(jiǎn)單，壓縮速度也較快。但這種算法中通過隨機(jī)的方式生成碼書，很有 可能造成一些更具代表的碼字被排除在外，這樣會(huì)造成碼字?jǐn)?shù)量的增加，降低紋理圖像的 壓縮比，重構(gòu)得到的圖像的視覺效果也會(huì)降低。為了提高圖像的壓縮比和重構(gòu)圖像的質(zhì)量， 另一種比較流行的算法是基于神經(jīng)網(wǎng)絡(luò)的自組織映射算法，這種算法是通過兩層結(jié)構(gòu)網(wǎng)絡(luò) 進(jìn)行無監(jiān)督的學(xué)習(xí)，最終的效果比較好，但該算法需要經(jīng)過很多次的迭代，計(jì)算量非常大， 壓縮過程很慢。

【發(fā)明內(nèi)容】

[0005] 本發(fā)明的目的在于提供一種速度快、圖像質(zhì)量好的基于紋理圖像相似性的壓縮和 解壓縮方法，以解決上述【背景技術(shù)】中提出的問題。
[0006] 為實(shí)現(xiàn)上述目的，本發(fā)明提供如下技術(shù)方案：
[0007] -種基于紋理圖像相似性的壓縮和解壓縮方法，由判斷紋理圖像相似性、壓縮紋 理圖像、解壓紋理圖像組成，具體的步驟如下所述：
[0008] 1)判斷紋理圖像相似性
[0009] a)圖像灰度化步驟，將紋理圖像A以及紋理圖像B分別進(jìn)行灰度化處理，得到灰度 紋理圖像A和灰度紋理圖像B;
[0010] b)特征向量提取步驟，根據(jù)灰度紋理圖像A與灰度紋理圖像B提取紋理圖像A與 紋理圖像B的特征向量，該紋理圖像A與紋理圖像B的特征向量為每一灰度值的像素點(diǎn)占 總像素點(diǎn)的比例的集合；
[0011]c)相似度計(jì)算步驟，根據(jù)紋理圖像A的特征向量與紋理圖像B的特征向量計(jì)算紋 理圖像A與紋理圖像B之間的相似度；
[0012] d)相似度判斷步驟，將紋理圖像A與紋理圖像B之間相似度與預(yù)設(shè)閾值作比較， 根據(jù)比較結(jié)果判斷紋理圖像A與紋理圖像B是否相似并輸出判斷結(jié)果；當(dāng)相似度大于或等 于該預(yù)設(shè)閾值時(shí)，該紋理圖像A與紋理圖像B相似，將二者相同之處、不同之處分別進(jìn)行壓 縮，并將二者相同之處作為二者的共同模板；當(dāng)相似度小于該預(yù)設(shè)閾值時(shí)，該紋理圖像A與 紋理圖像B不相似，則均進(jìn)行壓縮；
[0013] 2)壓縮紋理圖像
[0014] a)獲取待壓縮紋理圖像，并對(duì)待壓縮紋理圖像進(jìn)行預(yù)處理，生成壓縮紋理圖像的 多個(gè)不相互重疊的待壓縮紋理圖像塊；
[0015] b)輸入待壓縮紋理圖像塊，在預(yù)先建立的壓縮模型的第p層的字典中，根據(jù)最近 鄰策略，獲取第P層字典中與輸入的圖像塊最相似的代表圖像塊，Pe[l，L]，L為壓縮模型 中字典的層數(shù)，P為層數(shù)的序號(hào)；
[0016] c)獲取代表圖像塊的索引值，加入待壓縮紋理圖像經(jīng)壓縮后的碼流；
[0017]d)將輸入待壓縮紋理圖像塊和代表圖像塊進(jìn)行差分，生成殘差圖像塊；
[0018] e)對(duì)于殘差圖像塊，將殘差圖像塊作為壓縮模型字典的下一層輸入的圖像塊，跳 轉(zhuǎn)至b)，重復(fù)執(zhí)行b)至d)，直至到達(dá)最后一層壓縮字典；
[0019] f)對(duì)于多個(gè)待壓縮紋理圖像塊，將待壓縮紋理圖像塊作為壓縮模型字典的第一層 輸入的圖像塊，跳轉(zhuǎn)至b)，重復(fù)執(zhí)行b)至e)，執(zhí)行完畢后，輸出待壓縮紋理圖像經(jīng)壓縮后的 碼流；
[0020] 3)解壓紋理圖像
[0021] a)在已壓縮的待壓縮紋理圖像的碼流中提取S位的數(shù)據(jù)，在數(shù)據(jù)中依次提取長(zhǎng)度 為C的數(shù)據(jù)Sp，其中，S為已壓縮的待壓縮紋理圖像中的一個(gè)待壓縮紋理圖像塊的索引值的 碼流位數(shù)，S位的數(shù)據(jù)為已壓縮的待壓縮紋理圖像中的一個(gè)待壓縮紋理圖像塊的索引值，C 為已壓縮的待壓縮紋理圖像中一個(gè)代表圖像塊的索引值的碼流位數(shù)，Sp為已壓縮的待壓縮 紋理圖像第P個(gè)代表圖像塊的索引值，Pe[1，L]，L為壓縮模型中字典的層數(shù)，P為層數(shù)的 序號(hào)；
[0022] b)在壓縮模型中，查找與索引值Sp對(duì)應(yīng)的代表圖像塊；
[0023] c)將代表圖像塊進(jìn)行線性加和，重建出一個(gè)待壓縮紋理圖像塊；
[0024] d)跳轉(zhuǎn)至步驟a)，重復(fù)步驟a)至c)，直到在碼流中提取完所有的數(shù)據(jù)，
[0025] e)重建出多個(gè)待壓縮紋理圖像塊，形成待壓縮紋理圖像塊的集合，重建出壓縮前 的待壓縮紋理圖像。
[0026] 作為本發(fā)明進(jìn)一步的方案：所述特征向量提取步驟將灰度紋理圖像A與灰度紋理 圖像B分為n個(gè)灰度級(jí)的灰度直方圖，n= 2m'm為大于零的正整數(shù)，由灰度直方圖提取紋 理圖像A的特征向量Vai= {ga(l，gal，ga2,ga3. . .gm}，gai(0彡i彡n):灰度紋理圖像A中灰 度值為i像素點(diǎn)占總像素點(diǎn)的比例，由灰度直方圖提取紋理圖像B的特征向量Vbi= {gbQ， gbi，知，. .SbJ，Sbj(〇彡j彡n):灰度紋理圖像B中灰度值為j像素點(diǎn)占總像素點(diǎn)的比 例。
[0027] 作為本發(fā)明進(jìn)一步的方案：所述相似度計(jì)算步驟計(jì)算所述相似度的公式為：
【主權(quán)項(xiàng)】
1. 一種基于紋理圖像相似性的壓縮和解壓縮方法，由判斷紋理圖像相似性、壓縮紋理 圖像、解壓紋理圖像組成，其特征在于，具體的步驟如下所述： 1) 判斷紋理圖像相似性 a) 圖像灰度化步驟，將紋理圖像A以及紋理圖像B分別進(jìn)行灰度化處理，得到灰度紋理 圖像A和灰度紋理圖像B ; b) 特征向量提取步驟，根據(jù)灰度紋理圖像A與灰度紋理圖像B提取紋理圖像A與紋理 圖像B的特征向量，該紋理圖像A與紋理圖像B的特征向量為每一灰度值的像素點(diǎn)占總像 素點(diǎn)的比例的集合； c) 相似度計(jì)算步驟，根據(jù)紋理圖像A的特征向量與紋理圖像B的特征向量計(jì)算紋理圖 像A與紋理圖像B之間的相似度； d) 相似度判斷步驟，將紋理圖像A與紋理圖像B之間相似度與預(yù)設(shè)閾值作比較，根據(jù)比 較結(jié)果判斷紋理圖像A與紋理圖像B是否相似并輸出判斷結(jié)果；當(dāng)相似度大于或等于該預(yù) 設(shè)閾值時(shí)，該紋理圖像A與紋理圖像B相似，將二者相同之處、不同之處分別進(jìn)行壓縮，并將 二者相同之處作為二者的共同模板；當(dāng)相似度小于該預(yù)設(shè)閾值時(shí)，該紋理圖像A與紋理圖 像B不相似，則均進(jìn)行壓縮； 2) 壓縮紋理圖像 a) 獲取待壓縮紋理圖像，并對(duì)待壓縮紋理圖像進(jìn)行預(yù)處理，生成壓縮紋理圖像的多個(gè) 不相互重疊的待壓縮紋理圖像塊； b) 輸入待壓縮紋理圖像塊，在預(yù)先建立的壓縮模型的第p層的字典中，根據(jù)最近鄰策 略，獲取第P層字典中與輸入的圖像塊最相似的代表圖像塊，P e [1，L]，L為壓縮模型中字 典的層數(shù)，P為層數(shù)的序號(hào)； c) 獲取代表圖像塊的索引值，加入待壓縮紋理圖像經(jīng)壓縮后的碼流； d) 將輸入待壓縮紋理圖像塊和代表圖像塊進(jìn)行差分，生成殘差圖像塊； e) 對(duì)于殘差圖像塊，將殘差圖像塊作為壓縮模型字典的下一層輸入的圖像塊，跳轉(zhuǎn)至 b)，重復(fù)執(zhí)行b)至d)，直至到達(dá)最后一層壓縮字典； f) 對(duì)于多個(gè)待壓縮紋理圖像塊，將待壓縮紋理圖像塊作為壓縮模型字典的第一層輸入 的圖像塊，跳轉(zhuǎn)至b)，重復(fù)執(zhí)行b)至e)，執(zhí)行完畢后，輸出待壓縮紋理圖像經(jīng)壓縮后的碼 流； 3) 解壓紋理圖像 a) 在已壓縮的待壓縮紋理圖像的碼流中提取S位的數(shù)據(jù)，在數(shù)據(jù)中依次提取長(zhǎng)度為C 的數(shù)據(jù)Sp，其中，S為已壓縮的待壓縮紋理圖像中的一個(gè)待壓縮紋理圖像塊的索引值的碼 流位數(shù)，S位的數(shù)據(jù)為已壓縮的待壓縮紋理圖像中的一個(gè)待壓縮紋理圖像塊的索引值，C為 已壓縮的待壓縮紋理圖像中一個(gè)代表圖像塊的索引值的碼流位數(shù)，Sp為已壓縮的待壓縮紋 理圖像第P個(gè)代表圖像塊的索引值，P e [1，L]，L為壓縮模型中字典的層數(shù)，p為層數(shù)的序 號(hào)； b) 在壓縮模型中，查找與索引值Sp對(duì)應(yīng)的代表圖像塊； c) 將代表圖像塊進(jìn)行線性加和，重建出一個(gè)待壓縮紋理圖像塊； d) 跳轉(zhuǎn)至步驟a)，重復(fù)步驟a)至c)，直到在碼流中提取完所有的數(shù)據(jù)， e) 重建出多個(gè)待壓縮紋理圖像塊，形成待壓縮紋理圖像塊的集合，重建出壓縮前的待 壓縮紋理圖像。
2. 根據(jù)權(quán)利要求1所述的基于紋理圖像相似性的壓縮和解壓縮方法，其特征在于，所 述特征向量提取步驟將灰度紋理圖像A與灰度紋理圖像B分為η個(gè)灰度級(jí)的灰度直方圖，η =21^1, m為大于零的正整數(shù)，由灰度直方圖提取紋理圖像A的特征向量Vai= {g a(l，gal，ga2， ga3. . . gan}，gai(0彡i彡η):灰度紋理圖像A中灰度值為i像素點(diǎn)占總像素點(diǎn)的比例，由灰 度直方圖提取紋理圖像B的特征向量V bi= {gM，gbl，gb2, gb3. . . gbn}，gbj(0彡j彡η):灰度 紋理圖像B中灰度值為j像素點(diǎn)占總像素點(diǎn)的比例。
3. 根據(jù)權(quán)利要求1所述的基于紋理圖像相似性的壓縮和解壓縮方法，其特征在于，所 述相似度計(jì)算步驟計(jì)算所述相似度的公式為
其中，S(Ia，Ib) 為紋理圖像A與紋理圖像B之間的相似度
【專利摘要】本發(fā)明公開了一種基于紋理圖像相似性的壓縮和解壓縮方法，由判斷紋理圖像相似性、壓縮紋理圖像、解壓紋理圖像組成，經(jīng)過圖像灰度化步驟、特征向量提取、相似度計(jì)算、相似度判斷紋理圖像相似性；獲取待壓縮紋理圖像、輸入待壓縮紋理圖像塊、獲取代表圖像塊的索引值、將輸入待壓縮紋理圖像塊和代表圖像塊進(jìn)行差分，生成殘差圖像塊并將其作為壓縮模型字典的下一層輸入的圖像塊，輸出待壓縮紋理圖像經(jīng)壓縮后的碼流；在已壓縮的待壓縮紋理圖像的碼流中提取數(shù)據(jù)，查找與索引值對(duì)應(yīng)的代表圖像塊；經(jīng)過線性加和，重建出一個(gè)待壓縮紋理圖像塊。本發(fā)明提高圖像相似度計(jì)算結(jié)果的準(zhǔn)確性，且算法簡(jiǎn)單，提高壓縮率與圖像質(zhì)量。
【IPC分類】H04N19-137, H04N19-85
【公開號(hào)】CN104869425
【申請(qǐng)?zhí)枴緾N201510250587
【發(fā)明人】鐘莉娟, 陳新武, 連帥彬, 黃文霞, 倉(cāng)玉萍, 劉真, 馬文娟, 薛靜
【申請(qǐng)人】信陽師范學(xué)院
【公開日】2015年8月26日
【申請(qǐng)日】2015年5月13日