[发明专利]一种图像压缩方法

说明书

技术领域

本发明涉及图像压缩与自然计算技术相结合技术领域，特别涉及一种图像压缩方法。

背景技术

图像压缩形象地定义为从k维向量空间R^k到其一个有限子集C的映射Q:R^k→C，其中C＝{c_i∈R^k|i＝1，2，……，N}称为码书，N为码书的大小，C中的每个向量c_i称为一个码字。每个码字c_i关联一个最近邻区域V_i，通常称为Voroni区域，定义如下：

其中，d(x，c_j)为向量X与码字c_j之间的失真测度，通常为欧氏距离。Voroni区域的集合对整个空间进行了划分，使得：

计算输入向量与每个码字的欧氏距离，最近的一个码字选作该向量的代表。

图像压缩包括两部分：编码器和解码器。一个向量输入编码器后，编码器输出失真度最低的码字的索引。通过计算输入像素与码书中每个码字的欧氏距离寻找最低的失真度。解码器接收码字的索引，用关联的码字替换该索引。图1示意了编码器和解码器操作的框图。给定一个输入像素，编码器找到最近的码字，把码字的索引发送给解码器。解码器接收到码字的索引后，输出相应的码字。

现有的图像压缩方法多为LBG算法，LBG算法是一种简单且有效的算法，是现今最流行的算法。但是传统的LBG算法获得的码书及峰值信噪比PSNR均较差，压缩后的图像鲁棒性不高。

发明内容

本发明的目的是提供一种图像压缩方法，以解决传统基于块编码的图像压缩方法鲁棒性不高的以及海量图像高效压缩的问题。

为了解决上述技术问题，本发明的技术方案为：一种图像压缩方法，包括以下步骤：

步骤1，设一个包含m个像素的图像像素集合为T＝{x₁，x₂，……，x_m}，T上的一个划分P，把T划分成n个等价类P＝{T₁，T₂，……，T_n}，每个等价类T_i的质心定义一个码字c_i，

步骤2，对图像像素集合T执行所有可能的划分；

步骤3，模拟生物群体觅食的过程，寻找图像像素集合T的最优划分；

步骤4，随机生成图像像素集合T的N个划分P₁，P₂，……，P_N，然后反复执行下面的步骤直到收敛：

步骤5，计算每个划分P_i对应的均方差MSE(P₁)，MSE(P₂)，……，MSE(P_N)；

步骤6，对每个划分P_i，生成一个随机数δ∈[0,1)：如果0≤δ＜prob_p，那么用更新P_i，P_b是P_i目前最好情形，r₁∈[0，1]是一个随机数，prob_p∈[0，1]是经验参数；如果prob_p≤δ＜prob_p+prob_n，那么用更新P_i，其中P_*是目前找到的最好划分，r₂∈[0，1]是一个随机数，prob_n∈[0，1]是经验参数；如果prob_p+prob_n≤δ＜1，那么用更新P_i，其中P_r是一个随机划分，r₂∈[0，1]是一个随机数，prob_n∈[0，1]是经验参数，根据公式(1)设计P_i对应的码字c_i，在给定码字c_i后，把图像像素集合T的最优划分P'＝{T'，T'₂，……T'_n}每个输入向量映射到最近的码字c_i。

进一步地，所述步骤1中，c_i代表等价类T_i中的所有像素。

进一步地，所述步骤3中，寻找图像像素集合T的最优划分包括计算两个划分之间的差、划分更新、改变等价类的像素序列步骤。