一种结合小波包变换和奇异值分解的图像压缩方法.pdf

(19)中华人民共和国国家知识产权局(12)发明专利申请(10)申请公布号CN112837386A(43)申请公布日2021.05.25(21)申请号202110032545.0(22)申请日2021.01.11(71)申请人成都职业技术学院地址610299四川省成都市高新区站华路15号(72)发明人谢力(74)专利代理机构成都九鼎天元知识产权代理有限公司51214代理人胡川(51)Int.Cl.G06T9/40(2006.01)权利要求书1页说明书3页附图2页(54)发明名称一种结合小波包变换和奇异值分解的图像压缩方法(57)摘要本发明公开了一种结合小波包变换和奇异值分解的图像压缩方法，其包括：对原始图像进行小波包分解，获得完全二叉树；以对数能量熵作为代价函数，从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；采用小波包重构算法对最优小波树进行重构得到重构图像；对重构图像的二维时频信息进行奇异值分解，分解为纹理向量、几何向量和奇异值；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。本发明能够提高图像的压缩质量并获得较高的压缩比。CN112837386ACN112837386A权利要求书1/1页1.一种结合小波包变换和奇异值分解的图像压缩方法，其特征在于，包括：S1：对原始图像进行小波包分解，获得原始图像的完全二叉树；S2：以对数能量熵作为代价函数，从所述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；S3：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；S4：对所述重构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；S5：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；S6：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个特征值组成重构图像的近似矩阵。2CN112837386A说明书1/3页一种结合小波包变换和奇异值分解的图像压缩方法技术领域[0001]本发明涉及图像压缩技术领域，特别是涉及一种结合小波包变换和奇异值分解的图像压缩方法。背景技术[0002]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。[0003]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[0004]本发明的目的在于提供一种结合小波包变换和奇异值分解的图像压缩方法，能够提高图像的压缩质量并获得较高的压缩比。[0005]为解决上述技术问题，本发明采用的一个技术方案是：提供一种结合小波包变换和奇异值分解的图像压缩方法，包括：[0006]S1：对原始图像进行小波包分解，获得原始图像的完全二叉树；[0007]S2：以对数能量熵作为代价函数，从所述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；[0008]S3：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；[0009]S4：对所述重构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[0010]S5：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；[0011]S6：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个特征值组成重构图像的近似矩阵。[0012]区别于现有技术的情况，本发明的有益效果是：通过采用小波包变换和奇异值分解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。3CN112837386A说明书2/3页附图说明[0013]图1是本发明实施例的结合小波包变换和