专利名称：一种数字图像信号矢量量化码书设计方法
一种数字图像信号矢量量化码书设计方法技术领域
本发明属于数字图像压缩编码领域，具体涉及一种新的矢量量化码书设计方 法。
背景技术：
随着多媒体通信技术的快速发展，寻求有效的数字和数据处理手段变得越来越 重要了，由于数据量的巨大，采用多维的处理方法成为一种有效的途径。基于多维处理 的矢量量化技术，由于具有压缩比高，编解码速度快的特点，广泛的应用于语音和图像 压缩编码和模式识别系统中，是一种高效的有损数据压缩方法。目前，在基于内容的图 像检索领域和超谱图像压缩领域中，矢量量化是一种非常有效的技术。尤其在超谱图像 压缩中，采用矢量量化技术既能保持良好的图像质量，又能较大地减少超谱图像的数据 量，从而能够有效地解决存储和传输超谱图像的困难。
矢量量化是先把图像分成大小为k个像素值的图像块，并且将每个图像块的k个 像素值看成空间中的一个点，即看成维数为k的一个矢量，然后对这个矢量进行量化。 矢量量化主要包含以下两个操作
1)将待编码矢量所在的矢量空间(图像)分割成彼此不相交的有限个子区间(图 像块)，且这些子区间(图像块)能够覆盖整个矢量空间(图像)，即确定一种分割方法 或编码准则；
2)对每一个子区间(图像块)选择一个代表矢量，即码矢量(码字)，作为落入 该子区间(图像块)的矢量的代表(量化结果)，即寻找一组码矢量(码书)。
因此，矢量量化问题归结为选择一种分割方法和一组码矢量，使得待编码矢量 序列的总体失真最小。总体失真可用失真测度的统计平均值来描述，本发明方法将采用平方误差测度，其定义为(不U，其中又为让维训练矢量，Yj为/=1k维码字。
矢量量化的码书设计是矢量量化的核心技术之一。研究码书设计方法的根本目 的是寻求一种有效的算法来尽可能的找到全局最优或接近全局最优的码书来编码图像使 得编码后的图像总体失真最小。设计码书的两个必要条件是最优划分条件和质心条件。 最优划分条件是对于给定的码书，通过最优划分训练矢量集把每个训练矢量映射为离它 最近的码字。质心条件是对于给定的分割方法，最优码字必须是相应胞腔的质心。总 之，设计最优码书的主要过程为①将一幅图像划分成M个大小为k的图像块，即M个 k维矢量，在M个矢量中随机选取N个矢量作为初始码书，根据最优化划分条件和初始 码书重新确定一种分割方法；②根据已确定的分割和质心条件，选出每个分割块的质心 来更新码书中的码字。
传统的码书设计算法是LBG算法，其为矢量量化技术的发展奠定了基础。LBG 算法的步骤如下
步骤1:初始化。采用训练矢量集随机抽取法选定初始码书拉。)=代;7· = !，··.^}， 设置迭代次数n = 0，平均失真c ，给定相关门限ε (0< ε < 1)。
步骤2:聚类。根据最优划分条件，把训练集X= {xm|m= 1，2，…，Μ} 中的矢量？cm划入到N不同的子区间R1Cn) (i = 1，2，...N)中χ e R ，ifd(x, Yi(n))<d (χ, Yj (η)), V/ ^ i
步骤3:求平均失真。仏二^；5^1^辨\，>0，若最近两次的平均失真满足 (Dlri-DnVDn^或达到给定的迭代次数，则停止算法，得到最终码书疗、否则转到第4步。
步骤4:码字更新。通过计算子区间中训练矢量的矩心巧= Σ &更新 每个子区间的码字，并且置n = n+l，转到步骤2。
初始码书的选取一般采用随机法，典型的随机法是训练矢量集随机抽取法。它 的原理是将M个训练矢量平均分成N组，在每组中选取一个训练矢量作为初始码矢，即 每隔ρ = M/N个训练矢量选取一个训练矢量作为初始码书中的码字。
虽然LBG算法已经被广泛使用，但其存在三大缺点一是对初始码书非常敏 感；二是利用LBG算法生成码书需要相当大的运算量；三是码书自适应能力不强，不能 自适应地跟踪图像信源的统计特性，因此训练时间比较长，码书性能不高。其后多年中 的矢量量化技术的研究，便主要集中在改进这些缺点的各种方法。
近年来，神经网络方法由于具有高效的非线性逼近或聚类的特点，已经成功的 运用到矢量量化码书设计中。学习矢量量化是一种简单的判决聚类算法，在学习过程中 只更新获胜的神经元(码字)，并不断地调整学习率，使算法逐渐收敛。目前，基于神经 网络的竞争学习(CLVQ)算法，能够取得较好的编码效果，其步骤如下
步骤1:设定最大迭代次数T，门限值ε，采用训练矢量集随机抽取法选取N个 初始码本构成初始码书Y1(O),置迭代次数t=l，学习率初值C^e (0, 1)。
步骤2:对于训练矢量X，按下列步骤训练tools] ①计算训练矢量χ与各个码字的平方误差测度D1W = ι|χω-Yl(t-DH2α = 1， 2，…，N)。
②从上述误差测度中找出最小误差测度所对应的码字，即当前竞争获胜码字。
③按右式调整竞争获胜码字j Yj (t) = yj(t-l) + a (t)[XW-yj(t-l)]，其中 a (t) 为学习速率，即a (t) = IAi1 (t)，Ii1 (t)为第i个区域在第t次迭代时获胜的次数。
④计算误差减少率
权利要求
1.一种数字图像信号矢量量化码书设计方法，其特征在于，该方法包括以下步骤， 获取图像信号，图像处理单元采用双正交9/7小波做图像的二级小波分解；图像分解获 得的小波系数构成图像信号的16维训练矢量；将训练矢量按照前3维范数的大小进行升 序排列，并平均分成组，选择单元选取每组中的第一个矢量作为初始码书中的码字构成 初始码书；计算初始码书中各个码字的后4维范数，设置最大迭代次数T并初始化迭代次 数t，设置胞腔矢量计数器R和胞腔矢量存储器Cel;查询单元采用快速排除法根据失真 测度寻找当前矢量X的最近邻码字，利用求质心的方法调整当前矢量X的最近邻码字， 获得它的最优码字，从而得到所需的码书。
2.根据权利要求1所述的方法，其特征在于，所述采用双正交9/7小波对图像进行二 级小波分解，获得7个子带，它们从低到高分别为LL2, HL2, LH2, HH2, HL1, LH1和 HH1子带，利用子带构造16维输入矢量，在子带LL2、HL2, LH2及HH2中各取一个数据 用于构造矢量的1-4维分量，子带HL1W数据用于构造矢量的5-8维分量，子带!^压用于 构造矢量的9-12维分量，子带HH1用于构造矢量的13-16维分量。
3.根据权利要求1或2所述的方法，其特征在于，所述快速排除算法具体为计算码字 X的失真测度D'(X，Yj),并与当前最小失真Dmm进行比较，若D'(X，Y^Dmin,贝U码 字X被排除。
4.根据权利要求1或2所述的方法，其特征在于，所述获取最优码字的方法为，①将 一幅图像划分成M个大小为k的图像块，建立M个k维矢量，在M个矢量中随机选取N 个矢量作为初始码书；②根据已确定的分割和质心条件，选出每个分割块的质心更新码 书中的码字。
5.根据权利要求1或2所述的方法，其特征在于，训练矢量X和码字χ的后4维范数 分别为12Z= IfiXl1，Llj =JtlyZ，且 l2x 和 l2j 满足D (X2, Y2) = (L2x-L2p2，V /=13Y /=13其中X1, Yy分别为矢量X和X的第i维分量，D(X2，Y2P为后4维分量的平方误差测度。
6.根据权利要求3所述的方法，其特征在于，所述当前最小失真为以低维特征值 匹配获得的当前最好码字与编码矢量的失真为当前最小失真。
全文摘要
本发明请求保护一种数字图像信号矢量量化码书设计方法，属于数字图像压缩编码领域。本发明的技术方案为，图像处理单元采用双正交9/7小波做图像的二级小波分解；用变换后的小波系数构成图像信号的16维训练矢量；将训练矢量按照前3维范数的大小进行升序排列，并平均分成组，选取每组中的第一个矢量作为初始码书中的码字构成初始码书码字；查询单元采用快速排除法根据失真测度寻找当前矢量X的最近邻码字，利用求质心的方法调整X的最近邻码字，获得它的最优码字，从而得到所需的码书。本发明广泛用于对数字图像信号的处理。
文档编号H04N7/26GK102025998SQ20101061297
公开日2011年4月20日 申请日期2010年12月28日 优先权日2010年12月28日
发明者吴立彬, 周淑贤, 姚小凤, 王佳果, 陈善学 申请人:重庆邮电大学