[发明专利]基于PCNN模型的静止图像压缩编译码方法和系统

说明书

技术领域

本发明属于图像处理领域。具体涉及一种利用PCNN的用于静止图像压缩编码方法和系统以及一种适用于大分辨率图像的压缩编码方法和系统。

背景技术

第二代编码技术中，主要采用两个方向，一为将图像分为不同的频带，然后对不同的频带进行编码；二为将图像进行分块操作，然后对每个块进行编码。

迄今为止，基于分块操作的图像压缩方法由于具有计算速度快、不需图像的形状信息等优点而获得广泛应用，如静止图像压缩标准JPEG，以及视频压缩标准如H.261、M PEG等。但是这类压缩算法也有其自身的固有缺陷，如在各块的边界存在灰度的不连续性(方块效应)，将对重建图像的主观质量产生极大的影响；同时，由于这类算法采用固定大小的块，通过舍弃部分高频系数来获得压缩效果，因此只能获得中低程度的压缩比。第二代编码技术不再局限于信息论的框架，而是要求充分利用人的视觉、生理、心理及图像信源的各种特征，进一步提高压缩比。编码时首先将图像中诸如边界、轮廓、纹理等结构特征提取出来予以编码，解码时再根据结构和参数信息进行图像重建，在获得更高压缩比的同时消除了JPEG等方法存在的重建图像失真，比如方块效应。传统的方法很少考虑图像的内容含义及人眼视觉系统(VHS)，用规则的方块分割处理后再编码，因此容易导致高压缩时出现严重的图像失真。

基于分割的″第二代″编码技术不再局限于简单的方块编码，其出发点是先让分割区域(或纹理)与原始图像对应部分之间在视觉意义下最大地接近，然后再对这些区域(纹理)进行编码。当然，这种突破常规的做法必然带来处理上的问题，比如，使用何种方案分割图像，才能使分割简单且适用范围广泛，使用何种基函数压缩图像区域，如何定位分割出的图像内容等等。

在图像的不规则区域编码中，存在四种最基本的分割方案，他们分别是：基于阈值的分割，基于边界的分割，基于区域的分割和混合分割编码方案。阈值分割的核心思想在于在图像分割时，初始设定某几个阈值，当图像中像素的灰度处于某两个邻近阈值范围内时，则将这些点分割到一个区域当中。边界分割的核心思想则在于先对图像进行处理找到图像中实际存在的边界，然后对边界编码或者对边界和其内部像素灰度值编码。区域分割的核心思想是根据区域中的某些特性对图像进行处理，从而得到区域的分割结果。混合编码则是采用上述的三种方案混合使用，从而得到实际处理后的分割区域。

然而，目前所使用的各种区域分割方案并没有完美的达到视觉意义下最大地接近，而只是简单的达到视觉意义上的较近似的分割。

从PCNN模型提出开始，人们就了解到PCNN能够得到广泛的应用。而PCNN的脉冲同步的特性，则可以在图像处理中得到非常完美的图像分割结果。已经完成的PCNN模型的研究表明，PCNN模型及其某些变化模型，已经非常完美的应用在图像的二值分割中，从而能更方便的应用在后续的目标与背景的提取。然而，在图像的多级分割时，原始PCNN模型则表现不是非常理想。

另外在区域编码的编码过程中，人们经常采用的是三种最基本的基函数组表示区域中的灰度值：

1，x，y，x²，xy，y²，x³，x²y......类型的二元多项式；

1，cos(x)，cos(2x)，cos(3x)......类型的余弦函数；

以及二元多项式或者余弦函数的扭曲形式。

在编码过程中，先对这些基函数进行正交化，得到基于分割区域的正交基函数，然后对应于区域中像素的灰度值求得对应正交基函数的系数，然后用这些系数就可以求出对应像素的原来灰度值的近似值。比如JPEG编码中，就是先对图像分成8＊8的小块，然后采用余弦函数作为标准正交基函数。然后通过块内像素灰度值求出对应块的标准正交基函数的系数，然后对这些系数进行编码即可。

而对于不规则的块的编码，由于块的不规则性，那么就不能采用固定的标准正交基函数，而只能先采用一个基函数集，然后对这个基函数集进行史密特正交化过程，求出对应的标准正交基函数集合。然后再通过块内像素灰度值求出对应块的标准正交基函数的系数，最后对这些系数进行编码。

然而，目前使用得最多的史密特正交化方法的运算量非常大，远达不到实时要求，这就需要采用其他的方案或者对史密特正交化方案进行优化或找到其的快速算法。

发明内容