仅用于解释本发明，而不能解释为对本发明的限制。
[0056] 本技术领域技术人员可以理解，除非特意声明，这里使用的单数形式"一"、"一 个"、"所述"和"该"也可包括复数形式。应该进一步理解的是，本发明的说明书中使用的措 辞"包括"是指存在所述特征、整数、步骤、操作、元件和/或组件，但是并不排除存在或添加 一个或多个其他特征、整数、步骤、操作、元件、组件和/或它们的组。应该理解，当我们称元 件被"连接"或"耦接"到另一元件时，它可以直接连接或耦接到其他元件，或者也可以存在 中间元件。此外，这里使用的"连接"或"耦接"可以包括无线连接或耦接。这里使用的措辞 "和/或"包括一个或更多个相关联的列出项的任一单元和全部组合。
[0057]本技术领域技术人员可以理解，除非另外定义，这里使用的所有术语(包括技术术 语和科学术语)具有与本发明所属领域中的普通技术人员的一般理解相同的意义。还应该 理解的是，诸如通用字典中定义的那些术语应该被理解为具有与现有技术的上下文中的意 义一致的意义，并且除非像这里一样定义，不会用理想化或过于正式的含义来解释。
[0058]为便于对本发明实施例的理解，下面将结合附图以几个具体实施例为例做进一步 的解释说明，且各个实施例并不构成对本发明实施例的限定。
[0059] 如图1所示，为本发明所述的一种图像集中的图像的编码方法，包括：
[0060] 步骤11，获取图像集中的待编码的当前原始图像In的前一幅原始图像?Η,η 2 2;
[0061] 步骤12,生成所述前一幅原始图像的解码图像1^' ；
[0062] 步骤13,将所述当前原始图像1"与所述前一幅原始图像Ih的解码图像Ih'求差 值，生成差值图像Dn;
[0063] 步骤14,对所述差值图像0"进行矩阵变化，生成所述差值图像0"对应的差值矩阵 Rn;
[0064] 步骤15,对所述前一幅原始图像的解码图像'进行矩阵变化，生成所述前一 幅原始图像In-l的解码图像In-l '对应的矩阵Xn-l;
[0065] 步骤16,使用非负矩阵分解法，将所述前一幅原始图像Ιη的解码图像Ιη '对应的 矩阵Χη分解为字典矩阵Uh和系数矩阵Vh ;
[0066] 步骤17,使用最小二乘法，得到所述差值矩阵匕在所述字典矩阵Uh下的系数矩阵 Vn；
[0067] 步骤18,对所述系数矩阵￥"进行量化和熵编码处理，生成所述当前原始图像In的编 码图像。
[0068] 步骤14包括：
[0069] 步骤141，将所述差值图像0"进行分块，生成块矩阵；
[0070] 步骤142，将每一个所述块矩阵转化为一个列向量；
[0071] 步骤143,根据各个所述列向量，组成差值矩阵Rn。
[0072] 步骤12为：
[0073]当所述前一幅原始图像1^在所述图像集中的序号为1时，对所述前一幅原始图像 1^进行编码，并进行解码处理，生成所述前一幅原始图像1^的解码图像InV。其中，所述 对所述前一幅原始图像In-i进行编码的步骤为:使用JPEG或JPEG2000进行编码处理;所述进 行解码处理的步骤为:使用JPEG或JPEG2000解码处理。
[0074] 步骤12为：
[0075] 步骤121，当所述前一幅原始图像在所述图像集中的序号大于1时，获取待解码的 前一幅编码图像In-l·'；
[0076] 步骤122,获取所述前一幅编码图像Ih '反量化后的系数矩阵Vh'；
[0077] 步骤123,获取当前原始图像In的前二幅原始图像In-2的解码图像I n-2'对应的字典 矩阵Un-2 ;
[0078] 步骤124,根据所述前二幅原始图像In-2对应的字典矩阵1]"-2和所述前一幅编码图 像Ih'对应的系数矩阵V nV，生成前一幅编码图像Ih'对应的重建矩阵Rh' ；
[0079] 步骤125,将所述前一幅编码图像'对应的重建矩阵Rrrf '反变换为前一幅编码 图像In-l'对应的差值矩阵Dr^' ；
[0080] 步骤126,根据所述前一幅编码图像'对应的差值矩阵Dn-i'和所述前二幅原始 图像In-2的解码图像In- 2'，生成前一幅编码图像的解码图像In-l·'。
[0081] 如图2所示，为本发明所述的一种图像集中的图像的解码方法，包括：
[0082] 步骤21，获取待解码的当前编码图像；
[0083] 步骤22,获取所述当前编码图像反量化后的系数矩阵乂/ ;
[0084] 步骤23,获取当前原始图像In的前一幅原始图像1^的解码图像'对应的字典 矩阵Un-i;
[0085] 步骤24,根据所述字典矩阵Uh和所述系数矩阵￥"'，生成重建矩阵Rn' ；
[0086] 步骤25,将所述重建矩阵匕'反变换为差值矩阵Dn' ；
[0087] 步骤26,根据所述差值图像Dn'和所述前一幅原始图像的解码图像1^'，生成 当前编码图像的解码图像In'。
[0088] 步骤 24:
[0089] Rn，=Un-iXVn，。
[0090] 步骤25包括：
[0091 ]步骤251，将所述重建矩阵匕'的每一列的向量转化为一个块矩阵；
[0092]步骤252,根据所有所述块矩阵，组成差值矩阵0"'。
[0093]步骤26根据以下公式计算：
[0094] In，= In-i'+Dn，。
[0095] 本发明具有以下有益效果：
[0096] 本发明的基于非负矩阵分解的图像集压缩方法，不同于现存的两类图像集压缩算 法，本发明主要是基于非负矩阵分解(Nonnegative Matrix Factorization，NMF)来去除图 像集冗余信息。通过使用非负矩阵分解和相邻图像间字典矩阵共用的方法，使图像集压缩 方法在一种新的压缩框架和更低的复杂度下取得较好的压缩效果。本发明的图像集压缩方 法，与基于代表性信息的图像集压缩方法相比，本方法不需要增加图像数目，而与基于图的 图像集压缩方法相比，本方法的复杂度更低。
[0097]以下描述本发明的应用场景。
[0098] 以下结合图3和图4描述本发明的一实施例。
[0099] 本发明的基于非负矩阵分解的图像集压缩方法，其具体实现步骤如下：
[0100]步骤1，将图像集中的第一幅图像使用JPEG或JPEG2000编码，并本地解码，将解码 后的图像作为下一幅图像的参考图像；
[0101] 步骤2,将当前待编码图像与前一幅参考图像的编码图像求差值，得到差值图像；
[0102] 步骤3,将差值图像分块，并将每一个块矩阵转化为一个列向量，所有的列向量组 成一个新的差值矩阵；
[0103] 步骤4,将参考图像同样做分块和重排的变换处理，并使用非负矩阵分解，将变换 后的参考图像分解为一个字典矩阵和一个系数矩阵，然后使用最小二乘法得到步骤(3)中 新的差值矩阵在该字典矩阵下的系数矩阵；
[0104] 步骤5,对最小二乘法得到的系数矩阵量化和熵编码；
[0105] 步骤6,将当前编码图像本地解码，作为下一幅图像的参考图像。再从步骤(2)开 始，直到图像集中的所有图像编码完毕。
[0106] 以下描述本发明的另一实施例。
[0107] 本方法的编码的【具体实施方式】为：
[0108] 步骤1，假设一个图像集为3=(1^12, ???.u，将图像集中的第一幅图像使用JPEG 或JPEG2000编码，并本地解码，得到解码后的图像；
[0109] 步骤2,对于图像集中的图像In(n 2 2)，计算其与前一幅图像的解码后的图像 的差值，BPDn=In-In-Λ
[0110] 步骤3，将差值图像Dn分为1个8 X 8大小的块，然后将每个8 X