[发明专利]一种基于单边Gabor小波的图像分块分解与重构方法

说明书

技术领域

本发明涉及一种基于单边Gabor小波(亦称基于加窗/短时傅里叶变换的小波)的图像分块分解与重构方法，具体地说就是对图像进行分块，再使用单边Gabor小波对各图像块进行分解和重构操作，减小重构误差，在现有的基础上提高重构图像质量，并且有效的克服了基于传统小波分解的图像重构方法重构后的图像质量由于分解层数的增加而导致的重构图像质量的下降问题。

背景技术

众所周知，基于传统小波的图像分解与重构受分解层数的影响较大，分解层数越高，重构后图像质量越差。传统的双边Gabor小波是复数小波，但由于其母函数具有对称性，构造出的Gabor变换矩阵是奇异或近似奇异的，在图像重构过程中使用奇异值分解方法(SVD，Singular Value Decomposition)会降低重构图像精度。因此，本发明提出的一种基于单边Gabor小波的图像分块分解与重构方法能够在现有技术基础上提高图像重构质量，同时，能够克服传统小波分解的图像重构方法重构后由于分解层数的增加而带来的重构图像质量下降的缺陷。该方法应用到图像压缩领域，可以在同样的压缩率条件下，提高重构图像的精度和峰值信噪比，成为小波域的图像分解与重构领域研究的新途径。

发明内容

发明目的：本发明所要解决的技术问题是针对传统小波分解的图像重构方法重构后图像质量不高且随分解层数的增加而降低的不足，提供了一种基于单边Gabor小波的图像分块分解与重构方法。

为了解决上述技术问题，本发明公开了一种基于单边Gabor小波的图像分块分解与重构的方法，包括以下步骤：

步骤一，选取与分解层数数值相等的方阵作为单边Gabor变换矩阵模板，例如，分解层数L＝2时，选取Gabor变换矩阵的大小为2×2。将图像分为与变换矩阵相同大小的m×n块图像块(其中(i，j)表示位于第i行，第j列的图像块)，针对每一个图像块B(i，j)选取相应能够获得最大PSNR的母函数g_σ(i，j)(n)中的参数σ(i，j)，并构造相应的单边Gabor变换矩阵G_(i，j)(L)；

步骤二，对每一个图像块使用相应的单边Gabor变换矩阵进行图像分解操作，得到各图像块对应的分解系数矩阵C(i，j)；

步骤三，使用步骤一中所得到的各图像块相对应的单边Gabor变换矩阵G_(i，j)(L)和步骤二中分解所得的系数矩阵C(i，j)对每个图像块分别进行重构，并将重构后的图像块S(i，j)依次进行合并，得到完整的重构图像S。

本发明中，优选地，图像分块是通过选取与单边Gabor模板相同大小的矩阵实现的；单边Gabor母函数的参数σ(i，j)的选取是通过两次统计排序实现的，单边Gabor变换矩阵G_(i，j)(L)的构造是通过单边Gabor母函数实现的。

所述第(i，j)块图像块B(i，j)的分块，是按照所选取的单边Gabor变换矩阵模板大小进行的。单边Gabor变换矩阵模板尺寸选取得越小，所得分解与重构后的图像残留误差越小，图像质量越高，因此应当在分解层数允许的条件下，尽量小的选取变换矩阵和图像块的尺寸，以提高重构图像质量；

所述相应单边Gabor母函数的构造，是通过一个含有参数σ的Gaussian窗口函数实现的，与传统的Gabor母函数相比较，单边Gabor母函数不具有对称性，不会导致相应变换矩阵奇异或近似奇异；

所述母函数的参数σ(i，j)的选取，是通过对各个图像块PSNR的统计排序来实现的，可以用于获取的最高重构图像PSNR时的参数σ(i，j)，具体方法如下：首先，在较大范围内对PSNR随参数σ的变化趋势进行统计，截取PSNR的数值在整个变化区间中数值前15％的所对应的参数σ区间；再针对此较小的参数σ区间，提高参数σ的计算精度，重新对PSNR进行统计排序，获取最佳PSNR时的参数σ值；

所述单边Gabor变化矩阵G_(i，j)(L)的构造，是通过循环移位和调制得到的：即先将单边母函数进行循环移位到空间不同位置，再对移位后的变换矩阵调制到图像的不同频率。

本发明中，优选地，所述图像块单边Gabor的分解方法，以及通过该方法所得到的分解系数矩阵C(i，j)；

所述图像块单边Gabor分解，是使用步骤一中所构造的单边Gabor变换矩阵，将对应图像块移位到不同的空间位置，再进行不同频率的调制，在空间不同的位置获取不同频率处图像块信息，并获得该图像块对应的分解系数矩阵C(i，j)；