一种优化的小波变换图像压缩方法
【技术领域】
[0001]本发明属于数字图像压缩技术领域，具体涉及一种优化的小波变换图像压缩方法。
【背景技术】
[0002]图像在现代多媒体技术中具有重要的地位，随着计算机技术的发展和普及，数字化的图像信息相比较于模拟图像更加便于传输、存储。尤其是近年来无论是商业领域、还是军事用途对图像分辨率的要求日益增加，高清图像(FHD 1080P)、超高强图像(UHD 4K电视等)的应用与日倶增，给用户带来高清视觉体验的同时，巨大的数据量为传输带宽、存储容量提出了更高的要求，因此有必要对图像进行压缩处理，最大限度的压缩数据量，使其便于信道传输和介质存储。
[0003]目前静态图像压缩的最新国际标准为JPEG2000算法，JPEG2000标准作为一种新型的图像静态压缩技术标准，具有很多技术优势，如支持渐进传输、码流的随机访问与处理，感兴趣区域编码等，但是以小波变换编码为代表的处理流程计算量及复杂度较大，对硬件平台要求较高。目前迫切需要在不降低压缩质量的前提下，减小运算量和算法复杂度，提高系统的实时性。
【发明内容】
[0004](一 )要解决的技术问题
[0005]本发明要解决的技术问题是:如何提供一种优化的小波变换图像压缩方法。
[0006]( 二)技术方案
[0007]为解决上述技术问题，本发明提供一种优化的小波变换图像压缩方法，其包括如下步骤:
[0008]步骤1:将原图1。进行小波变换，得到I Λ低频子带和I Λ行高频、I f列高频、1:对角高频三个高频子带，为了简化图像压缩端的运算量，高频系数信息忽略，只选取ΙΛ低频子带的信息进行量化、编码步骤，并将处理后的数据通过信道进行传输或存储；
[0009]步骤2:通过信道后的数据信息，经过解码、反量化步骤后得到恢复图像的第一级小波分解的低频子带ΙΛ’;此时的像素分辨率仍为原图像的1/4 ;
[0010]步骤3:对第一级小波分解的低频子带If’进行第二级的二维小波变换，得到第二级小波分解的低频子带Ι2α’、行高频子带1^’、列高频子带If ’和对角高频子带1广’；
[0011]步骤4:由于该小波系数在相邻量级分辨率之间存在较强的位置相关性，通过多分辨率标识，根据第二级分解的高频小波子带系数，使用线性插值算法得到其他三个高频子带的小波系数I广’、1^、1广’，反映出图像的部分边缘信息；
[0012]步骤5:为了进一步提高插值精度，提高图像恢复效果，在高频子带部分使用时域上前几幅图像相同位置的像素信息，再一次使用线性插值算法进行系数估计，得到本幅图像的ΙΛ”、I厂、1广”；
[0013]步骤6:对估计后的ΙΛ’’、1^’、1广”子带系数进行小波逆变换，得到恢复图像I。’ ;
[0014]其中，
[0015]I。表示原图像；
[0016]If表示原图像的第一级小波分解的低频子带；
[0017]ΙΛ表示原图像的第一级小波分解的行高频子带；
[0018]If表示原图像的第一级小波分解的列高频子带；
[0019]1^表示原图像的第一级小波分解的对角高频子带；
[0020]1^表示恢复图像的第一级小波分解的低频子带；
[0021]I2ll'表示恢复图像的第二级小波分解的低频子带；
[0022]I2hl'表示恢复图像的第二级小波分解的行高频子带；
[0023]I,表示恢复图像的第二级小波分解的列高频子带；
[0024]I,表示恢复图像的第二级小波分解的对角高频子带；
[0025]ΙΛ’表示恢复图像通过第二级小波通过空域估计出的第一级小波的行高频子带；
[0026]1^表示恢复图像通过第二级小波通过空域估计出的第一级小波的列高频子带；
[0027]1^’表示恢复图像通过第二级小波通过空域估计出的第一级小波的对角高频子带；
[0028]ΙΛ”表示恢复图像的第一级小波分解经过时域插值后的行高频子带；
[0029]If’’表示恢复图像的第一级小波分解经过时域插值后的列高频子带；
[0030]1^’’表示恢复图像的第一级小波分解经过时域插值后的对角高频子带；
[0031]10’表示最终恢复图像。
[0032](三)有益效果
[0033]与现有技术相比较，本发明针对传统的JPEG2000图像压缩算法中小波变换算法运算量大的问题，提出了一种新型的小波子带外推的算法，该算法综合利用图像的时域、空域和小波域的信息，在压缩端只需要处理低频子带的相关信息，在解压缩端根据本帧及前帧图像的低频子带和高频子带信息，对图像进行恢复处理，简化了小波变化的运算量，提高了图像恢复的质量和信噪比。
【附图说明】
[0034]图1及图2为本发明技术方案实施过程示意图。
【具体实施方式】
[0035]为使本发明的目的、内容、和优点更加清楚，下面结合附图和实施例，对本发明的【具体实施方式】作进一步详细描述。
[0036]本发明的涉及思想如下:
[0037]JPEG2000的编码端包括:图像预处理、正向小波变换、量化、EBC0T编码等，核心算法是离散小波变换，有损图像压缩采用9/7提升小波变换。利用二维小波变换可将图像分解为4个子带，依次为低频LL、行高频HL、列高频LH以及对角高频HH子带。图像经过小波变换后生成的小波系数具有的特点如下:
[0038](1)小波系数的能量与原图像能量相等，绝大多数能量集中在低频LL子带，其余较小能量分布在行高频HL、列高频LH以及对角高频HH子带中，不同级的子图系数反映的是图像在不同尺度下的低频和高频分量；利用此特性能够在压缩端只处理第一级低频子带的信息，数据大小变换为原图像的1/4，低频系数能量占据原图95%以上，恢复图像时对信噪比影响不大。
[0039](2)在高频子带中能量集中在高频显著系数上，该区域包含图像的边缘或纹理信息。高频显著簇的位置具有相关性，由于显著簇分布在与图像边缘或纹理相对应的位置附近，因此不同子带同一空间方向的各个显著簇之间，在空间位置上存在着一定的相关性。利用此特性可以在解压缩端使用低频LL子带使用空域子带外推算法，利用低频子带信息外推出行高频、列高频以及对角高频子带的估计值。
[0040](3)相邻帧图像在相同空间位置处在空域和小波域都均有较强的相关性。传统的小波变换步骤只使用了图像的空间冗余信息，没有充分利用多幅图像间的时间冗余信息，在工程应用中可以充分利用在时域上多幅图像间的相关信息，把行高频、列高频及对角高频子带信息在时域上进行插值，大大减小小波变换的计算量和复杂度，同时能够保证图