[发明专利]基于PCNN模型的静止图像压缩编译码方法和系统

权利要求书

1.基于PCNN模型的静止图像压缩编译码方法和系统，在编码系统中，第一子系统采用脉冲耦合神经网络模型对静止图象进行图象分割；第二子系统对分割结果进行编码，其中，包含分割块的编码和分割块内具体灰度的编码；其中，分割块编码采用链码编码，具体灰度编码采用史密特正交化的方案，对相应正交基系数进行编码；在解码系统中按照编码后的分割块数据和分割块灰度的编码数据恢复原始图像。

2.根据权利要求1所述的基于PCNN模型的静止图像压缩编译码方法和系统，其中灰度静止图像的分割方法，其特征在于利用脉冲耦合神经网络模型将图像分割成灰度平滑的分割块，所述方法的步骤为：

(1)利用指数衰减方式来确定脉冲耦合神经网络模型中的阈值θ[n]；

(2)通过脉冲耦合神经网络模型的循环计算得出相应循环的点火图，此点火图实际上就是原图像相同大小的二值图像；

(3)对每次循环的点火图进行闭合区域分离，并对每一区域进行相应的编号。

3.根据权利要求1所述的基于PCNN模型的静止图像压缩编译码方法和系统，其中彩色静止图像的分割方法，其特征在于将图像中的最大分量求出来，然后根据权利要求1中方法对图像的最大分量部分进行分割。

4.根据权利要求1所述的基于PCNN模型的静止图像压缩编译码方法和系统，其中改进的灰度/彩色静止图像的分割方法，其特征在于采用改进的有限脉冲波模型将大分辨率图像分割成灰度平滑的分割块，所述方法的步骤为：

(1)利用图像的灰度直方图来确定改进的有限脉冲波模型中的θ[n]，具体的θ[n]值为直方图中的峰值加上某一个特定值；

(2)通过改进的有限脉冲波模型的循环计算得出相应循环的点火图，此点火图实际上就是原图像相同大小的二值图像；

(3)对每次循环的点火图进行闭合区域分离，并对每一区域进行相应的编号。

5.根据权利要求书2，3所述的编码方法，其特征在于采用采用以下步骤对每一个编号的分割块进行顺序编码：

(1)确定编码所需要的基函数为二元多项式集：1，x，y，x²，xy，y²...；

(2)对应于当前处理的块进行基函数集的史密特正交化过程。求出正交化后的正交基函数集，

(3)对应于当前处理块中象素的灰度值，求出步骤(2)中每个基函数的系数；

(4)综合(1)，(2)，(3)步骤中的结果，将(3)中的系数转化成(1)中N(一般N＝6)个基函数的N个系数；

(5)对(4)中的N个系数编码。对每个系数的整数部分和小数部分分别编码；

(6)对权利要求书1，2的分割结果中的分割块进行相应的区域编码。

6.根据权利要求书4的所述的编码方法，其特征在于将每一个分割块进行扩充，将不规则的分割结果扩充成正方形的块，其中本不属于该分割块区域的象素的灰度值转化为原区域所有像素灰度的平均值。

7.根据权利要求书4的所述的编码方法，其特征在于不考虑此块位置情况下，每一个扩充后的分割块的标准正交基函数是确定的，然后再根据扩充后的分割块进行求系数即可。

8.根据权利要求书4所述的编码方法，其特征在于编码权利要求书6中所得的系数。

9.根据权利要求书5所述的解码方法，根据所编码的系数和区域位置直接代入每个点的位置求出其原图像的灰度。

10.根据权利要求书6，7，8所述的解码方法，根据所编码的系数以及块大小数据和区域位置直接代入每个点的位置求出其原图像的灰度。