[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

摘要

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。

主权项

1.一种基于自适应稀疏域编码的指纹图像压缩方法，其特征在于包括以下步骤：步骤一：对原始待压缩图像分块，首先按顺序取出各图像块的平均灰度值，组成尺寸为原始图像1/8的小图；然后对小图双三次8倍插值，得到与原始图像尺寸同等大小的插值图，块平均灰度值的低频预测图，最后原始图像减去插值图得到高频残差图；步骤二：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，先用一个较大的稀疏度L0稀疏分解信号Y，其中稀疏度L0设置为10到20；得到稀疏表示系数后，利用量化因子QP对稀疏系数量化取整，然后对小于门限阈值的系数置0，从而减小稀疏度,通过“分解‑量化”的迭代过程，得到最终稀疏度的收敛值，该收敛值即为求解的最佳稀疏度；步骤三：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，基于量化误差最小化的稀疏分解定义为Y为图像块信号，D为超完备字典，Q为量化因子，X为稀疏表示系数，T₀为稀疏度；步骤四：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，提供三种可选择的预测编码的模式,模式判决准则：对三种模式的差分结果向量计算各自的绝对值之和，选取绝对值最小的模式作为码率最低的编码模式；步骤五：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，并通过大量实验归纳出适合指纹图像压缩的最优量化表映射函数QPgray＝uint8(12.8*QPsparse)，QPgray为灰度值使用量化参数，QPsparse为稀疏系数使用量化参数；步骤六：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。