分形和向量量化优化混合的图像压缩算法.pdfVIP

文章编号： （ ） !#$!#% % ’$%($)! 分形和向量量化优化混合的图像压缩算法 郭 洋，李水根，白 涛 （西安交通大学理学院，陕西西安 ） *!)# 摘 要：介绍了对图像块的聚类分类方法和分形+ ,- 优化混合算法的实现原理和实现过程， 设计了先横向后纵向优化的具体实现方案，并给出了算法描述，最后通过实验得到了很好的结 果。 关键词：分形编码；向量量化；聚类；优化；主类 中图分类号： ； 文献标识码： ./%#!0)! .1#!!0*% 2 ! 引 言 在文献［ ］提出了基于块匹配的分形图像压缩方法：对于每个子块，搜索能使拼贴误差达最小的 3456789 % 父块，建立起映射关系，再根据压缩映射不动点原理解压出近似图像。目前，多将分形与其他图像处理方法 （如小波变换）相结合。向量量化（ ， ），尤其是较为实用的分离均值 形状 增益向量量 ,:5;= -749;84;89 ,- ? + 化器（@ABC + ,- ），同分形联系密切，前者中用的码本是从一组训练图像得到的固定码本；后者的码本来自 于具体待编码图像自身。基于这种联系，将二者结合起来编码是可行的。同时，一般而言， 方法比分形 ,- 方法节省比特位开销，但分形方法可以弥补,- 方法因码字较少带来的误差增大问题。为综合考虑图像压 缩的压缩率和信噪比指标，有必要将二者结合起来。下文将介绍分形编码与向量量化按优化准则相结合的 方法。 分形# $% 优化混合算法 $ 规定标记如下。 ：子块； ：第 个父块； ：父块 的数目； ， ，，… ：旋转 反射变换； ：将 ! # # $ % D ! ( + ’ ( $ E $ 的图像块通过邻近的四个象素求平均，变成 $ + ! E $ + ! 的块； ：四叉树上最大分块尺寸的子块数 $! F4G ! （，，…，） $ 目；（）： 的特征向量，是 在 ! ! ! 的正交补空间上的规范化投影； ：第 个聚类 ! ) ) ) HI49( $ ) *+ + ! 的中心； , , $ ：聚类中心的数目； （）：与 的距离第 近的聚类中心； （）：以 （）为中心的聚类。 ) ) ,