[发明专利]一种结合奇异值分解和小波包变换的图像压缩方法

说明书

本发明公开了一种结合奇异值分解和小波包变换的图像压缩方法，其包括：对原始图像进行奇异值分解，分解为纹理向量U、几何向量V和奇异值S；采用能量谱方式对其进行处理，获得特征值集；采用自适应奇异值分解方法对特征值集进行处理得到奇异值阈值数量K，选择特征值集中前K个特征值组成近似矩阵；对近似矩阵的前K个左、右奇向量分别进行小波包变换，获得小波完全二叉树；以对数能量熵作为代价函数，从小波完全二叉树的底层开始依次向上比较子节点与父节点的对数能量熵值，保留熵值较小的节点，删除熵值较大的节点，进而获得最优小波树；对最优小波树进行重构得到重构图像。本发明能够提高图像的压缩质量并获得较高的压缩比。

技术领域

本发明涉及图像压缩技术领域，特别是涉及一种结合奇异值分解和小波包变换的图像压缩方法。

背景技术

数字图像文件如果不经过压缩，其数据量是比较大的，对存储和传输都有较大的不利影响。如果仅仅只是需要对图像进行快速浏览，则可以采用有损的压缩方法使图像去掉一些非关键的信息，以减少数据量。但是，当需要高质量的图像时，需要保留图像的纹理成分和细节信息，则需要在压缩图像时保留这些包含有纹理和细节的高频子带，这又限制了图像的压缩比。

小波分析理论是一种精细的分析方法，采用小波包进行图像压缩时，可以获得较高的压缩比，同时还保留较多的纹理信息，峰值信噪比也较高。但是，由于小波包变换是对图像进行二维小波变换，它是一维小波的张量积，其方向是有限的，不能很好地表达图像中的奇异性特性，从而使压缩后的图像边沿和纹理可能出现较为明显的失真。

发明内容

本发明的目的在于提供一种结合奇异值分解和小波包变换的图像压缩方法，能够提高图像的压缩质量并获得较高的压缩比。

为解决上述技术问题，本发明采用的一个技术方案是：提供一种结合奇异值分解和小波包变换的图像压缩方法，S1：对原始图像的二维时频信息进行奇异值分解，分解为纹理向量U、几何向量V和奇异值S；

S2：采用能量谱方式对纹理向量U、几何向量V和奇异值S进行处理，获得特征值集，所述特征值集包括二维时频信息的多个特征值；

S3：采用自适应奇异值分解方法对所述特征值集进行处理得到奇异值阈值数量K，选择所述特征值集中前K个特征值组成近似矩阵；

S4：对所述近似矩阵的前K个左奇向量和前K个右奇向量分别进行小波包变换，获得树形结构的小波完全二叉树；

S5：以对数能量熵作为代价函数，从所述小波完全二叉树的底层开始依次向上比较子节点与父节点的对数能量熵值，保留对数能量熵值较小的节点，删除对数能量熵值较大的节点，进而获得最优小波树；

S6：采用小波包重构算法对所述最优小波树进行重构得到重构图像。

区别于现有技术的情况，本发明的有益效果是：通过采用奇异值分解和小波包变换对图像进行两级压缩，使获得压缩图像的重构质量得到较大的改善，有效地结合了两种算法的优势，从而能够提高图像的压缩质量并获得较高的压缩比。

附图说明

图1是本发明实施例的结合奇异值分解和小波包变换的图像压缩方法的流程示意图。

图2是本发明实施例的结合奇异值分解和小波包变换的图像压缩方法的实验仿真结果示意图。

具体实施方式

下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅是本发明的一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。

参阅图1，本发明实施例的结合奇异值分解和小波包变换的图像压缩方法包括：