基于分类DCT域快速分形编码方法.docVIP

基于分类DCT域快速分形编码方法 　　[摘要] 该文提出了一种基于分类的DCT域快速分形编码方法。考虑到人眼视觉系统的特点,应用视觉亮度掩蔽特性来确定DCT域中的均匀块,直接将其直流分量编码输出,无需分形编码。为进一步缩短编码时间,对于非均匀块,利用两个低频DCT系数分为三类:平滑类、对角线类和水平/垂直类,使匹配搜索在同类内进行。实验表明,该方法解码图像质量无明显下降,编码时间和压缩比均有所提高。 　　[关键词] 分形编码 DCT 分类 　　 　　1、引言 　　分形压缩编码借助于编码效率高、解码速度快、与分辨率无关等潜力,成为当今国际上图像编码领域中令人瞩目的研究方向。其中,减少搜索范围、加快编码速度一直是分形编码的研究热点之一。 　　为了在降低DCT域分形编码的复杂度的同时保证恢复图像的视觉效果,本文提出应用视觉亮度掩蔽特性确定DCT域内的均匀块;同时,为了进一步加快分形匹配搜索的时间,依据低频DCT系数将非均匀的图像块分类,只在类内进行匹配查找,使得编码时间大大降低。而且由于本文方法考虑到人眼的视觉特性,恢复图像的视觉效果也较好,图像质量有保证。 　　2、分形编码的基本思想 　　分形编码方法一般首先在空间域内把图像分为不同大小的图像块:值域块R和定义域块D,其中R块较小且各块之间互不重叠,而D块较大(边长一般为R块的2倍),各块之间可以有重叠。然后D块经过像素平均收缩为R块的大小,子块的全体构成定义域块池;对每一个R块,在定义域块池内找到其最佳匹配的D块,使得,其中s是比例因子,o是亮度调整因子,1是亮度均值为1的常值块。此外,为了改进图像的质量,一般还要对定义域块D进行8种等距变换。因为每一个R块的分形压缩码只需记录s、o、D块的位置等数据,所以可以达到较高的压缩比,非常适合有限带宽的应用场合。但是由于在搜索匹配时,一个值域块要搜索全部的定义域块池来寻找最佳匹配块,大量的比较与计算浪费了时间,所以耗时过长限制了经典分形压缩编码(PIFS)[1]的实用性发展。 　　3、基于分类的DCT域快速分形编码方法 　　任何图像经过DCT后具有能量紧缩的特性,而且每一个图像经过DCT后都具有明显的相似性,这正好符合分形编码的基本思想,从而出现了DCT域分形编码方法,使得编码速度大为提高[2、3]。同时研究人员发现,利用图像本身所具有的某一属性为特征将图像块分类,只需在同一类内进行匹配搜索的编码思想,也缩短了编码的时间。一些文献中利用方差或信噪比将图像块分类。这些方法虽然缩短了编码时间,但没有考虑到人眼的视觉特性,所以解码图像有时与人的主观视觉效果并不匹配。 　　3.1基于视觉亮度掩蔽特性进行均匀块的确定 　　不同的图像具有不同的特征,对于这些特征人眼具有不同的响应。本文主要考虑视觉的亮度掩蔽特性,亮度掩蔽特性是指人眼阈值随图像局部平均亮度的不同而不同。 　　设在均匀照度的背景I上,眼睛刚刚能够分辨出亮度变化的门限值为:0.02。一个图像块可以看成为在均匀背景上叠加了一个变化的信号,该信号的幅度必须达到一定的强度()才能够被人眼视觉系统所看到。因此,如果叠加信号的幅度小于门限值,则该图像块可以被认为是均匀的。 　　图像块经过DCT后,其直流分量可以认为是图像块的平均灰度,看作是背景照度I,而将交流分量看作是,利用上述思想将图像块分为均匀块和非均匀块。分类的准则为: 　　(1) 　　其中,AC代表交流分量,DC代表直流分量。由于能量主要集中在DCT矩阵的左上角,即直流分量和低频区,而这部分区域恰恰是人眼的敏感部分,因此可以只考虑少数几个低频系数,这样可以进一步缩短编码时间[5]。 　　3.2 基于DCT低频系数的非均匀块快速分类方法 　　为了进一步加快分形编码的速度,本文提出了一种基于图像块边缘特性进行分类的方法,分为三类:平滑类、对角线类和水平/垂直类。然后在具有相同类别的定义域块中搜索与非均匀的值域块最相似的图像块。由于限定了匹配搜索的范围,分类可以提高编码的速度,而且也可以保证解码图像的质量。 　　设是尺寸为图像块中点的亮度值()。是DCT系数矩阵中处的值(),则有: 　　 (2) 　　其中:。 　　通过对图像进行DCT变换后的系数研究我们可以知道。如果两个图像块之间的低频系数相近,由于能量的集中,两个图像块的相似度不会相差很大。如果两个图像块除了内容上有细节不同之外很相似,那么他们将具有相近的低频DCT系数值。因此,低频的DCT系数足以用于两个图像块之间的相似度测量。 　　对于一个图像块,DCT矩阵的两个低频分量F(0,1)和F(1,0)分别反映了水平和垂直两个不同走向的边缘。当和的值都很小时,图像块含有较少的边缘结构可以分到平滑类中,记为S类;如果图像块的和值都比较大,就可以把它