[发明专利]一种基于自适应稀疏域编码的指纹图像压缩方法

说明书

本发明公布了一种基于自适应稀疏域编码的指纹图像压缩方法。主要包括以下步骤：在离线状态下提取指纹图像库特征训练超完备字典，将字典存储在编码端和解码端用于稀疏编码和稀疏重建；将一幅待压缩指纹图像分块处理，并分离为块平均灰度值和高频残差图两部分独立编码；使用方向自适应算法选择块平均灰度值的最优差分预测模式；基于量化误差最小化的稀疏表示将高频残差图转换到稀疏域；对灰度平均值和高频残差图的稀疏表达系数量化和熵编码从而实现图像信息的压缩。实验表明，在中低码率段，该方法相比于JPEG，JPEG2000等主流压缩算法表现出更优越的率失真性能，在相同码率时，该方法的解码图像具有很好的主观视觉效果。该发明可应用于当前大数据环境下的大量指纹图像数据的存储和传输。

技术领域

本发明涉及图像压缩和图像稀疏编码技术，具体涉及一种基于自适应稀疏变换的指纹图像压缩方法，属于图像通信领域。

背景技术

指纹具有终生不变性、唯一性和方便性的特征，因此指纹识别技术已经成为最为流行的身份识别技术之一。在实际生产生活应用中，指纹识别的广泛应用导致每天都有大量的指纹图像数据被收集和存储。大量的指纹图像数据消耗大量的存储空间，在存储空间受限的情况下，对指纹图像的压缩算法提出了更高的要求。传统的图像压缩技术可分为有损压缩和无损压缩。无损压缩虽然能完整保留图像信息,但压缩率有限，并不能完全满足实际应用的需要。有损压缩能够保证指纹图像在同等识别率的前提下，以可接受范围内的失真为代价换取更高的压缩率，传统的JPEG，JPEG2000,WSQ算法均能实现对指纹图像的有损压缩。

JPEG编解码中，图像被分块处理，图像单元块变换到DCT域后进行量化和熵编码。然而JPEG编码标准的缺点在于图像的分块量化导致压缩图像在低码率段出现较为明显的块效应。JPEG2000放弃了JPEG编解码中的分块策略，而是通过全图的小波变换实现图像压缩。相对于JPEG编码标准，JPEG2000率失真性能更好，而且不会出现由于分块离散余弦变换产生的模糊块效应。上述算法均是对于一般图像的压缩标准，而针对指纹这类特殊图像，也有一些针对性的压缩算法，其中最具代表性的是FBI提出的WSQ(Wavelet ScalarQuantization)，它采用了小波变换，标量量化和霍夫曼编码等技术，一直是国际上较为流行的指纹图像压缩算法。然而上述算法均不具备学习能力，不能很好地实现对指纹图像的压缩。

发明内容

本发明提出的一种基于自适应稀疏域编码的指纹图像压缩方法，该方法通过更新超完备字典的方式从而具备了学习能力。相对于经典的JPEG，JPEG2000等压缩算法，本方法表现出更为优越的率失真性能；在相同码率时，本文算法的解码图像具有更好的主观视觉效果。

本发明所提出的一种基于自适应稀疏域编码的指纹图像压缩方法，主要包括以下操作步骤：

(1)对原始待压缩图像分块，然后将各块分为块平均灰度值的低频预测图和高频残差图两部分；

(2)通过稀疏度自适应选择算法确定各块高频残差图的稀疏度；

(3)根据各块选定的稀疏度，采用基于量化误差最小化的稀疏分解将高频残差图转换到稀疏域；

(4)通过自适应的方向选择方法，确定各块平均灰度值的最优预测编码模式；

(5)使用量化表映射函数生成量化表，然后对平均灰度值和稀疏系数量化并编码；

(6)利用解码数据中的块平均灰度值约束图像的重构过程，对解码后的图像块分别进行平均灰度校正，将校正后的图像块按照原始顺序组合成最终解码图像。

附图说明

图1是本发明基于自适应稀疏域编码的指纹图像压缩方法的框图

图2是三种“矩阵-向量”转换模式示意图

图3是本发明及JPEG、JPEG2000压缩算法对‘finger201’测试图像的率失真性能比较