[发明专利]图像集中的图像的编码方法和解码方法

说明书

本发明提供了一种图像集中的图像的编码方法和解码方法。所述方法包括：获取图像集中的待编码的当前原始图像的前一幅原始图像；生成前一幅原始图像的解码图像；将当前原始图像与前一幅原始图像的解码图像求差值，生成差值图像；对差值图像进行矩阵变化，生成差值图像对应的差值矩阵R_n；对前一幅原始图像的解码图像进行矩阵变化，生成前一幅原始图像的解码图像对应的矩阵；使用非负矩阵分解法，将前一幅原始图像的解码图像对应的矩阵分解为字典矩阵和系数矩阵；使用最小二乘法，得到差值矩阵在字典矩阵下的系数矩阵；对系数矩阵进行量化和熵编码处理，生成当前原始图像的编码图像。

技术领域

本发明涉及图像处理领域，尤其涉及一种图像集中的图像的编码方法和解码方法。

背景技术

图像压缩是图像处理领域的经典课题，其研究成果已得到了广泛的应用。图像压缩的目的就是尽量减少表示一幅图像所需要的码率，也就是使用最少的数据呈现出高质量的图像。

传统的图像压缩方法如JPEG、JPEG2000等主要利用了单幅图像之间的像素冗余、编码冗余和视觉冗余等冗余信息进行压缩。但是由于大量的图像是在相同或者相似的场景下获得，因此它们之间也存在一定的冗余信息，如果可以有效地利用这些冗余信息，将会进一步提高压缩比，节省存储空间。图像集压缩算法就是针对由多幅相似图像组成的图像集的压缩问题，在单幅图像压缩技术的基础上利用集合冗余信息，有效地实现了压缩。

从Kosmas Karadimitriou提出图像集压缩的概念开始，一系列图像集压缩的算法随之产生。总体来说，目前图像集压缩主要有两大类的算法：一类是基于代表性信息(Representative Signal，RS)的压缩算法，如最小最大预测法、低频模板法等，其主要用于无损的图像集压缩；另一类是基于图(Graph)的压缩算法，其主要用于有损的图像集压缩，如个人影集压缩、云存储等。

基于代表性信息的图像集压缩算法通过对图像集中公共信息的提取使图像集的冗余信息大大减少，进而达到压缩的目的。此类方法最大的优点是在提取代表性信息之后可以对不同的图像分别编解码，不同的图像编解码之间互相不影响。

而此类方法的缺点是：会增加图像数目，如果每幅图像去除代表性信息后节省的码率低于编码代表性信息的码率，将不能达到节省码率的效果。

与基于代表性信息的压缩算法相比，基于图的压缩算法能达到更高的压缩比，并且适用范围也更加广泛，对于图像集中内容有较大变化时依然可以达到比较好的压缩效果。但是基于图的压缩算法复杂度普遍较高，压缩图像集所需要的时间也较长。

发明内容

本发明的实施例提供了一种算法简单的图像集中的图像的编码方法和解码方法。

为了实现上述目的，本发明采取了如下技术方案。

一种图像集中的图像的编码方法，包括：

获取图像集中的待编码的当前原始图像I_n的前一幅原始图像I_n-1，n≥2；

生成所述前一幅原始图像I_n-1的解码图像I_n-1'；

将所述当前原始图像I_n与所述前一幅原始图像I_n-1的解码图像I_n-1'求差值，生成差值图像D_n；

对所述差值图像D_n进行矩阵变化，生成所述差值图像D_n对应的差值矩阵R_n；

对所述前一幅原始图像I_n-1的解码图像I_n-1'进行矩阵变化，生成所述前一幅原始图像I_n-1的解码图像I_n-1'对应的矩阵X_n-1；