图像方向金字塔的编码方法

专利名称：图像方向金字塔的编码方法
技术领域：
本发明涉及图像压缩领域，具体地说，是涉及一种图像的方向金字塔压缩和编码的方法。
背景技术：
1.信号变换与图像金字塔
信号是信息的载体。如何实现信号的有效表示是信号处理领域中的一个核心问题。从数学的观点看，图像是一个灰度值的二维矩阵。一幅图像中，通常看到的是相连接的纹理与灰度级相似的区域，它们相结合形成物体。如果物体尺寸很大或对比很强(图像的整体)，通常只需要采用较低的分辨率(图1(a)，(b));如果物体的尺寸很小或对比度不高 (图像的细节)，则需要采用较高的分辨率观察(图1(c)，(d))。如果物体尺寸有大有小， 或对比有强有弱的情况同时存在，以若干分辨率对它们进行研究将具有优势。当然这也就是多分辨率处理的魅力所在。
当信号的采样率满足Nyquist要求时,归一化频带必须限制在[-Ji，Ji ]之间。此时可以分别用理想低通和理想高通滤波器L(co)和Η(ω)将它分解成(对正频率部分而言)频带在
的低频部分和频带在[π/2，π]的高频部分，分别反映信号的概貌和细节，如图2所示。因为频带之间不交叠，处理后两路输出信号正交。而且由于两种输出的带宽均减半，因此采样率可以减半而不致引起信息的丢失。这就是在滤波后可以引入“二抽取”的原因(图2中丨2符号表示“二抽取”操作)，所谓二抽取就是将输入序列每隔一个输出一次，组成长度缩短一半的新序列。类似的过程对每次分解后的低频部分可重复进行下去，即每一级分解把该级输入信号分解成一个低频的粗略逼近(概貌)和一个高频的细节部分。而且每级的输出采样率都可以再减半，这样就将原始信号x(n)进行了多分辨率分解。
以多分辨率来解释图像的一种有效但概念简单的结构就是图像金字塔。图像金字塔最初用于机器视觉和图像压缩，一幅图像的金字塔就是一系列以金字塔形排列的分辨率逐步降低的图像集合。如图3所示，金字塔的底部是待处理图像的高分辨率表示，顶部是低分辨率的近似。当向金字塔的上层移动时，尺寸和分辨率降低。金字塔第J层的上面一层 (即第(J-1)层)的尺寸为第J层的1/4。通常金字塔的低分辨率图像用于分析大的结构或图像的整体内容，而高分辨率图像用于分析单个物体的特性。这样的由粗糙到精细的分析策略在模式识别中特别适用。
金字塔结构是信号多尺度/多分辨率分析的重要方法。高斯金字塔(Guassian Pyramid)和拉普拉斯金字塔(Laplacian Pyramid)结构,主要用于数字图像的压缩编码算法。高斯金字塔是通过原图像不断向下采样而获得的，在频域相当于不断地低通滤波。不同层高斯金 字塔在同一尺度下展开并相减，相减的量频域中相当于高通滤波，这样可以生成拉普拉斯金字塔。原则上从输入信号中去除低通平滑后的信号就可以得到该尺度(即该层)的细节信号，但是由于平滑信号的采样率比输入信号低，两信号不能直接相减。为了得到细节信号，需要对上一步的输出信号进行内插，内插M-1个像素点，并进行滤波，生成与 输入信号等分辨率的图像，再与输入信号相减，得到细节信号。由于对平滑信号进行了插值 运算，插值滤波器就决定了预测值与输入值之间的相似程度。为了重构输入信号，只要把平 滑信号经过同样的低通滤波器处理得到近似信号，再和细节信号相加，就可以实现原始图 像的完全重构。
2.小波变换
图像的二维正交小波变换是另一种与多分辨率分析相关的重要图像技术，也是图 像金字塔的一种重要表现形式，它可以得到图像在水平、垂直和对角线方向上的细节信息。 小波变换的应用范围较广，主要包括图像的压缩编码、图像恢复、图像去噪、特征值提取等 方面。可分离的二维正交小波变换构成的多分辨率分析是应用最广的一类二维小波变换。
从数字滤波器的角度看，图4给出了二维小波系数分解的过程。其中L和H分别表 示一维低通和高通滤波器，下标X和I分别表示对矩阵沿行方向和列方向进行滤波。可分 离情况的特点就是可以沿X和I两个方向分先后两步作处理(先对X方向进行滤波在对I 方向进行滤波)，由于进行带通滤波处理，带宽比原始图像的带宽小，子带可以进行无信息 损失的抽样，因此每一级处理都要经过两次二抽取。其中LL经过X和y两个方向的低通， 对应原始离散图像在下一尺度(即下一层)上的低频成分；LH经过X方向上的低通、y方 向上的高通，对应原始图像水平方向的低频成分和垂直方向的高频成分；相应的，HL表示 的是X方向的高频成分和I方向的低频成分；HH表示的是X和y两个方向的高频成分。图 5给出了二维小波变换的频谱表示，将初始输入矩阵看做一个二维离散图像，经过一次分解 后得到的四部分输出分别经过不同的滤波器，代表了原始图像的概貌(即低频)信息和垂 直、水平、对角线三个方向的细节信息。经过一次小波变换后，总的输出数据量与输入数据 量相同，只是根据频率信息不同，将各分量进行了分类，便于信号处理。如果将一次分解后 的概貌部分继续进行小波分解，就可以得到离散图像的多尺度分析，即它在不同尺度上的 细节和概貌。
同样，经过内插、滤波和叠加单个子带的处理，加上不同尺度上的细节信息，可以 重构出任意细尺度上的概貌成分，直到最终完全重构出原始图像。
3方向金字塔
离散正交小波变换因其良好的时频分析特性，成为多尺度信号和图像分析中常用 的表示方法，但它存在的一个缺点是由于对平移参数均匀采样导致缺少平移不变性，当输 入信号发生较小的位移变化时，小波子带系数能量会发生较大的变化。同时对于二维图像 的旋转和尺度变化，小波变换系数能量也不稳定。小波变换存在的另一个缺点就是它的方 向选择性有限，在每一个尺度空间只能被分解为水平、竖直和对角三个方向，很难满足图像 对连续方向的要求。
方向金字塔可以被看作是可以选择方向的拉普拉斯金字塔，是由Eero Simoncelli于1993年发明的。它是一种线性的多尺度多方向的图像表示框架,应用于图像 处理和计算机视觉等领域。它能够将图像分解成不同尺度、多方向的一系列子带，不仅可以 保持平移和旋转不变性，而且方向可控，从而相对于小波分析提供了更为丰富的方向信息。
图6给出了图像的一层方向金字塔分解和重构的系统框图，方向金字塔分解得到 的子带都是极性可分的。其中H0(Co)为高通滤波器，Lci(Co), L1(Co)为不同尺度的低通滤波器，BjcohizOp.qK为不同方向带通滤波器；丨2和丨2分别表示下采样和上采样的过程；Χ(ω)和力 分别为原始图像和重构图像；空心圆圈表示该系统的嵌套。由图6 可知，首先该算法被分解为高通和低通两个子带，信号经过互补的高低通滤波器并且不进行下抽样计算。随后低频子带被进一步分解为一组带通子带的图像和一个(更)低通的子带图像。经过带通滤波器&( )处理得到的带通子带具有不同的方向性。把这些作为基函数子带，通过调整它们的频率响应的线性组合就可以得到任意方向的方向子带。带通子带不进行下抽样计算。实际应用中，可以设计个数K的基函数方向子带，这些基函数的方向分别为i =0，...，Κ-1，例如，若1( = 4，则基函数的4个方向分别为0° ,45° ,90°，135°。分解后的(更)低通子带进行下采样后再进行分解，重复以上过程，实现多分辨率分解算法。同样，经过内插、滤波和叠加每个子带的处理，可以恢复不同尺度上的细节信息， 可以完全重构出原始图像。
图7给出了方向金字塔三个尺度(即三个层)四个方向分解的频谱表示。其中频率轴为[-π，π]。在频域中，方向金字塔分解的各子带都是极性可分的。第一步预处理分解，高频子带对应于空间频率域的四个角，低频子带对应于大圆区域；第二步的分解过程， 阴影区域对应其中一个方向的基函数带通子带；最中心的小圆区域对应于分解之后第三尺度上的最终的低频子带。
图8显示了对于一个输入(e)，通过计算得到该图像的方向金字塔表示(a)-(d)， 并通过(a)-(d)重构出(f)的过程。图(a)-(c)为三尺度四方向(O。，45°，90°，135° ) 的方向金字塔分解的子带，(d)为低通量，高频量没有显示。
方向金字塔主要的不足是它的过完备性，它的过完备度为f，其中K为方向子带的个数。这相当于，若输入一副6x6的图像，金字塔的方向个数为4，不限制分解的尺度个数(即层数)，输出的方向金字塔将含有192个像素点，远超出原输入图像的36个像素点。 尽管过完备性会限制金字塔算法的计算效率和储存成本，但也给许多图像处理方法提供了方便。
4基于嵌入式小波变换的图像编码方法
由于小波变换的多分辨率性质，图像经小波变换后得到的系数在空域和频域都有良好的分布特性，因此各种基于小波变换的图像压缩技术取得了很大成功。目前比较有效的小波变换压缩方法有两种一种是1993年由J. M. Shapiro根据一副图像的小波变换在不同级之间的相似性，提出了嵌入式零树小波编码方法(EZW :Embedded Zerotree Wavelet)； 另一种是1996年A. Said根据EZW算法的基本思想，提出了一种新的实现方法，即多级树集合分裂算法(SPIHT Set Partitioning in Hierarchical Trees)。
EZW编码思想是基于不同级小波系数之间仍然有很强相关性的假设，这种相关性以小波树的父子系数关系表现出来。实际上，如果位于较低频率层的小波系数小于某一阈值，则位于较高频率层同方向和空间位置的小波系数小于该阈值的可能性极大。如果在较低频率层上的一个系数小于某阈值，而下一较高频率层以及更高频率层上该系数所对应的后代系数集内有若干系数大于该阈值，就把较 低频率层上的这个系数定义为零树，然后阈值减半，再对图像扫描，如此往复下去，不断生成零树。在整个逐次逼近量化过程中，通过不断减半当前阈值，重复扫描和符号编码，直到满足目标比特率需要。
EZW是一种构建在小波变换基础上的嵌入式零树编码方案。其编码器可以将待编 码的比特流按重要性的不同进行排序，根据目标码率或失真度大小要求随时结束编码；同 样，对于给定码流解码器随时结束解码，并可以得到相应码流截断处的目标码率的重建图像。
小波系数的分布特点是越往低频子带系数值越大，包含信息量越多，越往高频子 带系数值越小，包含信息量越少。EZW算法充分利用了小波分解后系数分布特点，先传较低 频的系数的重要比特，然后传输较高频系数的重要比特。
EZff首先对零树结构进行了定义任选一个小波变换后的图像系数Ci,」，对于给定 门限T，如果有ICyl 3T，则称小波系数Cy是重要系数，反之定义为不重要系数。如果一 个小波系数在一个粗的尺度上关于给定门限T不重要，在较细的尺度上与该系数对应的同 样空间位置中的所有小波系数关于门限T也不重要，则称这些小波系数形成了一个零树， 并规定粗尺度上的小波系数为父亲或零树根。较细尺度上相应位置上的小波系数为子孙。
SPIHT (Set Partitioning in Hierarchical Trees)算法也是通过构建零树来实 现小波图像压缩的，利用渐进式传输的理论进行编码。渐进式传输理论是将数值的绝对值 由大到小排列，然后将最重要的数值先传输，还原时图像的恢复质量将渐渐变好。SPIHT的 输出是一连串比特流，并且SPIHT可以在任意点处停止传输而不影响解码的正确性。SPIHT 使用的系数重要性的判断标准和EZW类似。它有阈值T1，表示矩阵元素的最大值，但其采用 的是位编码，先编码重要元素的高比特位，其编码参数Ii1 = [l0g2I\。
SPIHT使用叫做空间方向树的结构生成和分解系数集合，该结构利用了图像金字 塔不同层间小波系数的空间关系经验表明，金字塔每一层的子带都呈现出空间相似性，任 何特别之处，如直线边缘或均匀区域，在所有层的同一位置都可以看到。
SPIHT使用的数据结构(即空间方向树)如图9所示。图中LLl和HL2标识分别 代表第一层的LL子带和第二层的HL子带，其他标识以此类推。图中画除了第二层(高通) 和第一层(低通)两层，每一层又分成四个子带(LL、LH、HL、HH)，子带LLl又被分成四个系 数组，其中阴影区域部分是位于左上角的那组。每组4个系数中的每一个(除了左上角的 用黑色实心圆点所在的正方型区域外)都变成空间方向树的树根。箭头示意了这些数的不 同层是如何关联在一起的，箭头指向的是该子带的孩子。图像中位置(i，j)的系数的孩子 的位置是(2i，2j)，(2i+l，2j)，(2i，2j+l)，(2i+l，2j+l)。由于靠近左上角的数据代表着重 要的低频量，所以应该优先编码。发明内容
本发明的目的在于，针对图像的方向金字塔数据结构极高的冗余性给传输和储存 带来的困难，研究一种方法进行有效的编码存储。
本发明的图像方向金字塔的编码方法的实现步骤如下
第一步，将图像分解成任意给定方向个数和尺度个数的方向金字塔的形式，图像 金字塔按照方向个数向和尺度个数分层储存；
第二步，可以任意给定在第一步分解完成的方向金字塔的一个方向基函数，在第 三步中会对该方向所对应的子带优先的编码；
第三步，采用SPIHT算法进行图像方向金字塔的低频和带频分量进行编码，但对 低频和带频量采用不同的阈值。
本发明的有益效果是
1.通过改变传统SPIHT算法的传统数据结构，使得该算法编码方向金字塔成为可 倉泛。
2.针对方向金字塔这种冗余度高的数据结构，对SPIHT进行了优化，使得方向导 数的编码和整体的重建效果有了较大的提升。
3.可以选定一个优先编码方向，减少表达冗余信息的比特位数，从而达到更好的 数据压缩效果。


图1是自然图像及其局部变化直方图2是频带的理想划分；
图3是图像金字塔的结构；
图4是一级二维小波分解流程图5是多级小波分解频谱图6是拥有K个方向的方向金字塔系统框图7是一个3层，4个方向的理想方向性分解的频谱图8是图像的金字塔分解和重构例子；原图像为(e)，通过计算得到该图像的方向金字塔表示(a)-(d)，通过(a)-(d)重构图像(f)。
图9是SPIHT数据结构示意图10是本发明的可编码图像方向金字塔的数据结构示意图11是本发明的带有优先编码方向的数据结构的示意图12是本发明测试SPIHT算法采用的原图像(a)，重构的图像(b)，以及编码及量化后方向金字塔(C)，第一排是第一层的带通量，第二排是第二层的带频分量；
图13是本发明测试的原图像(a)，SPIHT重构效果(b)，使用方向金字塔SPIHT算法重构效果(c)，使用优先方向金字塔SPIHT算法重构效果(d)，其中左面为重构的图像，右 面为重构的方向金字塔，第一排是第一层的带通量，第二排是第二层的带通量；
图14是不同算法重构图像的效果比较；
图15是使用三种不同数据结构重构图像的效果比较，总体重构效果(a)以及对不 同层，不同方向的方向导数的重构(b)。
具体实施方式
为了使本发明技术方案的内容和优势更加清楚明了，以下结合附图，对本发明的 针对图像方向金字塔的编码系统及方法进行进一步的详细说明。
本发明的针对方向金字塔图像分解的编码系统及方法，是一种基于SPIHT的图像 方向金字塔的编码系统及方法，主要针对SPIHT在图像方向金字塔编码部分的空白，以及 处理图像的过冗余表示方面的缺陷，基于图像方向金字塔数据结构特点，提出一种新的数 据结构和一种结合该数据结构构成的图像方向金字塔的编码系统。
从SPIHT的数据结构图(图9)可以看出，阴影区域(即最高层LL子带)的树只能沿着元素2，3，4对应的三个方向伸展，从而无法满足对编码任意个数的方向金字塔的要求。需要对这种数据结构进行修改。
本算法首先去掉对图像整体效果和特征提取贡献较小的高频部分，只编码低频和带频部分。图10是本发明的可编码图像方向金字塔的数据结构示意图，该数据结构突破了传统SPIHT编码将不同层系数都放在一个正方型的不同区域的数据结构，将不同的层、不同的方向的系数分别放置到大小不同的正方型中。并且为了方便表示，在图10中定义“第一层”为图像金字塔数据结构的低频分量(对应图7中圆L内部)；“第二层”为图像金字塔频率最低的带频分量，对应图7中BI所在的圆环内部；“第三层”对应图7中B2所在的圆环内部，以此类推。对每一层，每一方向的系数逐一进行编码。低频量位于第一层，含有图像的重要信息，需要先进行编码。然后再编码第二层、第三层，以此类推。每一层对应的下一层均是该层的孩子，孩子系数储存在另一个正方型里。例如，第一层(低频部分)中左上部分系数在两个方向上的孩子用第二层中点填充的正方型表示。在所示的孩子中，右下角系数的孩子(也就是低频左上部分系数的孙子)用第三层中线填充的正方型表示。实际应用中，可以设计个数K的基函数方向子带，这些基函数的方向分别为i = 0,..., K-1,K例如，若K = 4，则基函数的4个方向分别为0° ,45° ,90° ,135°。该数据结构可以编码任意数量的方向带频分量，因此可以满足编码方向金字塔的需要。
图11是本发明的带有优先编码方向的数据结构的示意图。该数据结构改变原来的带频分量的数据结构关系，先选择一个优先编码的方向子带B(本例中为方向I)的作为金字塔的第二层，然后将其余的带频分量以及B的更高一层作为第三层，以此类推。实验表示，编码前事先选择优先方向，可以节约用来表示不重要信息的比特位。
此外，针对方向金字塔分解的图像的方向带频部分的值会比低频分量小很多的特点，将低频分解的阈值与带频分解的阈值分开，使用两个阈值1\、Th分别表示，T1, Th分别表示低频量和带频量的最大值。从而确定出两个编码参数^气化^彳和 =!]4^:^。
最后，该算法生成一个比特位流(即一连串的比特位)表示该图像，如果接收的位流在任意点被中断，都可以无错误地解码并重构图像。
该算法引入的有序表和集合标记与SPIHT算法相同。编码时先选择一个优先编码的方向子带B的作为金字塔的第二层，然后将其余的带频分量以及B的更高一层作为第三层。
我们称使用图10的数据结构的图像方向金字塔编码算法为方向金字塔SPIHT算法，把使用图11的数据结构的图像方向金字塔编码算法为优先方向金字塔SPIHT算法。
由于方向金字塔SPIHT 算法和优先方向金字塔SPIHT算法只有数据结构的不同， 具体实现的伪代码都是相同的。它们的伪代码如下
⑴初始化
输入初始两个阈值I\、Th，分别表示低频量和带频量的最大值。从而确定出两个编码参数Ii1和nh ；
初始坐标集为LIP = {(r, c) | (r, c) e H}, LIS = {Dr>c (r, c) e H}。
(2)排序扫描
I)扫描LIP队列
对LIP队列的每个表项(r，c)判断重要性；
若(r，c)重要
向Sn输出‘r’和(r, c)的符号位；
将(r，c)从LIP队列中删除，添加到LSP队列的尾部。
若(r，c)不重要
向Sn输出‘O’。
2)扫描LIS队列
若是‘D’型表项，即^,。，判断重要性；
若Dr,。重要
向Sn输出‘I，；
对每个(r0，c0) e Or,y判断重要性
若重要，向Sn输出‘1’和(r0，c0)的符号位，并将。添到LIS尾部；
若不重要，则将(r0，c O )添加到LIP的尾部。
判断Ι。是否为空集
若非空，则将L,。添加到LIS的尾部；
若为空集，则将DmWLIS中删除。
若Dr,。不重要
向Sn输出‘O’。
若是‘L’型表项，即L。，判断重要性；
若k,。重要
向Sn输出‘ 1’并将IV w添加到LIS的尾部，将L,。从LIS中删除；
若L,。不重要
向Sn输出‘O’。
(3)精细扫描
将LSP中系数的绝对值转换为二进制表示并输出第η个最重要的位到Rn。
(4)更新阈值指数
将阈值指数Ii1减至Ii1-1, nh减至Iv1，返回到步骤(2)进行下一级编码扫描。
实际效果
由于方向金字塔是过完备的，为防止误解，我们不用压缩率作为实施和评价指标，而是限制其位流的比特数。我们首先使用标准SPIHT算法利用IO7比特对测试图像Girl (256X 256)图12 (a)进行编码得到的重构的图像(图12 (b))与相应的方向金字塔(图12(c))。
编码后的比特分配为RnList 25930比特；SnList :975672比特。其中总比特数比IO7多了一些是由于比特流的分隔符造成的。可见到图像的恢复效果不错，但是耗费的比特太多。
使用的测试图像Lena (64X64)(图13(a)),经计算T1 = 816,Th= 105。对三种算法=SPIHT算法，方向金字塔SPIHT算法和优先方向金字塔SPIHT算法分别进行测试，利用不同的算法均使用5X104比特进行编码，得到的重构图像与方向金字塔如图13(b)-(d)所示，其中算法II的优先方向为0°。由于0°为优先编码的方向，所以与其他方向相比，使 用算法II对0°的重建效果比使用算法I有了更大提升，图像整体的重建效果也有了很大 程度的提高。
对三种算法对Lena(64X64)分别使用不同的比特开销进行比较(比特开销从 5X103bit直到8X104bit)，使用算法II的优先的编码方向为0°。具体的PSNR曲线见图 14。可以看到，算法I，算法II相对SPIHT对于方向金字塔的重建效果，尤其是对于方向导 数的重建效果的提升是显著的。另外，由于0°为优先方向，算法II优先将其编码，所以可 以发现低比特率时算法II对0°方向的重构效果要明显高于测试的其他数据结构。
权利要求
1.一种图像方向金字塔的编码方法，其特征在于，包括以下步骤A.将图像分解成任意给定方向个数和尺度个数的金字塔的形式，对个数K的基函数方向子带，这些基函数的方向分别为i = 0，. . .，K-1 ;KB.图像金字塔按照方向个数和尺度个数分层储存；C.从步骤A中的K个基函数方向中确立一个优先编码的基函数方向；D.采用优先方向金字塔SPIHT算法，对低频和带频分量采用不同的阈值；E.利用位流进行编码，生成一个比特位流表示该图像的低频量和带频量。
2.根据权利要求1所述的方法，在步骤A把所述的方向金字塔把图像分解成高频量、低频量和不同层的若干带频分量；生成方向金字塔的每一层需要下列滤波器高通滤波器， 不同尺度的低通滤波器，不同尺度、不同方向的带通滤波器。
3.根据权利要求1所述的方法，所述的优先方向金字塔SPIHT算法引入了两个阈值 !\、Th ;使用三个有序表来存放重要信息重要系数表LSP ;不重要系数表LIP ;不重要子集表LIS ;并且引入下面的集合符号所有树根的坐标集H，为金字塔的低频以及最接近低频段的一层；树为树根的子孙且树必须拥有孩子；节点(r，c)所有孩子的集合I。；节点(r， c)所有子孙的集合比,。，称为D类树；节点(r，c)所有非直系子孙的集合L,。，称为L类树； 如果上述的树集合中有至少一个系数是重要的，则称该树是重要的；SPIHT的嵌入位流分为排序位流Sn和精细位流Rn。
4.根据权利要求3的方法，其中所述的优先方向金字塔SPIHT算法的步骤如下 第一步设定阈值T1Jh ;令LIP为所有树根坐标集的系数；LIS为D类树；LSP为空集； 第二步检测LIP中所有系数的重要性；如果重要，则输出I和符号位，并将系数移入LSP ;如果不重要，则输出O ;第三步根据树的类型检查LIS中所有树的重要性，具体如下对于D类树如果重要，则输出1，并编码它的孩子；如果孩子重要，则输出1，再输出一位比特表示该系数的符号，并将这个孩子加入到 LSP 中；如果孩子不重要，则输出0，将其加到LIP的末尾；如果该孩子有子孙，则将该D类树更改为L类树移到LIS的最后，否则从LIS中删除； 如果不重要，则输出O ;对于L类树如果重要，则输出I，并将每个孩子的D类树加到LIS末尾，并从LIS中移去原来的L类树；如果不重要，则输出O ;第四步改变阈值1\、Th，判定是否符合停机条件，如果不符合则转移到第二步。
全文摘要
本发明公开了一种图像方向金字塔的编码方法。通过改变传统SPIHT算法的数据结构，使得该算法编码方向金字塔成为可能。对于其冗余度高且实际应用的特点，提出方向金字塔SPIHT算法和优先方向金字塔SPIHT算法，使得对整体、尤其是图像边缘等特征的重建效果有了较大的提升。本文提出的算法可以有效的对应用于机器视觉领域的图像进行编码和压缩。
文档编号G06T9/00GK103065336SQ20131002443
公开日2013年4月24日 申请日期2013年1月23日 优先权日2013年1月23日
发明者孙继平, 王洪俊 申请人:中国矿业大学(北京)