CN104869425A - 一种基于纹理图像相似性的压缩和解压缩方法 - Google Patents

Abstract

本发明公开了一种基于纹理图像相似性的压缩和解压缩方法，由判断纹理图像相似性、压缩纹理图像、解压纹理图像组成，经过图像灰度化步骤、特征向量提取、相似度计算、相似度判断纹理图像相似性；获取待压缩纹理图像、输入待压缩纹理图像块、获取代表图像块的索引值、将输入待压缩纹理图像块和代表图像块进行差分，生成残差图像块并将其作为压缩模型字典的下一层输入的图像块，输出待压缩纹理图像经压缩后的码流；在已压缩的待压缩纹理图像的码流中提取数据，查找与索引值对应的代表图像块；经过线性加和，重建出一个待压缩纹理图像块。本发明提高图像相似度计算结果的准确性，且算法简单，提高压缩率与图像质量。

Description

一种基于纹理图像相似性的压缩和解压缩方法

技术领域

本发明涉及图像压缩技术领域，具体是一种基于纹理图像相似性的压缩和解压缩方法。

背景技术

图像压缩目的是减少图像数据中的冗余信息从而用实现高效的数据存储和数据传输。目前，图像压缩主要分为有损压缩和无损压缩，比较流行的编码标准有如JPEG，MPEG等。在大型的场景渲染中需要纹理图像调入显存，这一过程不能一次性快速地完成，所以需要研究纹理图像的压缩和解压算法，以减少纹理图像的存储空间，降低传输延迟，同时降低纹理数据的损失。实现纹理图像的压缩以传统图像压缩方法为基础，因纹理图像本身呈现出很高的相似度所以两者有一定的区别。

比较图像相似度的方法有很多，比较常用的为基于像素点比较方法和统计图像基本特征的方法。基于像素点比较的方法是将目标图像与原图像的所有像素点按照先后顺序直接逐个像素进行比较，再通过求欧氏距离得到目标图像与原图像的相似度。这种方法需要将图像中的像素点逐个进行比较，耗时比较长，算法的复杂度高。而基于统计图像的基本特征的比较方法，是通过提取原图像与目标图像的基本特征，比如灰度统计特征(灰度直方图)和图像纹理特征(对灰度共生矩阵统计的能量、熵，惯性矩，局部平稳性等)，然后将得到的原图像与目标图像的基本特征值进行比较得到图像间的相似度。这种比较图像相似度的方法是基于统计的特征，反映出来的是图像的全局性，不能很好的反映出图像的局部特征，所以比较结果会存在较大的误差。因此，如何提高图像相似度判断结果的准确性且简化算法是目前急需解决的一大课题。

目前纹理压缩已经有很多的解决方案，主要手段是产生图像的码书，然后根据码书来实现图像的重构。近来年，效果比较好的有增量式码书生成算法，该算法可以动态增加码书，而且生成步骤简单，压缩速度也较快。但这种算法中通过随机的方式生成码书，很有可能造成一些更具代表的码字被排除在外，这样会造成码字数量的增加，降低纹理图像的压缩比，重构得到的图像的视觉效果也会降低。为了提高图像的压缩比和重构图像的质量，另一种比较流行的算法是基于神经网络的自组织映射算法，这种算法是通过两层结构网络进行无监督的学习，最终的效果比较好，但该算法需要经过很多次的迭代，计算量非常大，压缩过程很慢。

发明内容

本发明的目的在于提供一种速度快、图像质量好的基于纹理图像相似性的压缩和解压缩方法，以解决上述背景技术中提出的问题。

为实现上述目的，本发明提供如下技术方案：

一种基于纹理图像相似性的压缩和解压缩方法，由判断纹理图像相似性、压缩纹理图像、解压纹理图像组成，具体的步骤如下所述：

1)判断纹理图像相似性

a)图像灰度化步骤，将纹理图像A以及纹理图像B分别进行灰度化处理，得到灰度纹理图像A和灰度纹理图像B；

b)特征向量提取步骤，根据灰度纹理图像A与灰度纹理图像B提取纹理图像A与纹理图像B的特征向量，该纹理图像A与纹理图像B的特征向量为每一灰度值的像素点占总像素点的比例的集合；

c)相似度计算步骤，根据纹理图像A的特征向量与纹理图像B的特征向量计算纹理图像A与纹理图像B之间的相似度；

d)相似度判断步骤，将纹理图像A与纹理图像B之间相似度与预设阈值作比较，根据比较结果判断纹理图像A与纹理图像B是否相似并输出判断结果；当相似度大于或等于该预设阈值时，该纹理图像A与纹理图像B相似，将二者相同之处、不同之处分别进行压缩，并将二者相同之处作为二者的共同模板；当相似度小于该预设阈值时，该纹理图像A与纹理图像B不相似，则均进行压缩；

2)压缩纹理图像

a)获取待压缩纹理图像，并对待压缩纹理图像进行预处理，生成压缩纹理图像的多个不相互重叠的待压缩纹理图像块；

b)输入待压缩纹理图像块，在预先建立的压缩模型的第p层的字典中，根据最近邻策略，获取第p层字典中与输入的图像块最相似的代表图像块，p∈[1，L]，L为压缩模型中字典的层数，p为层数的序号；

c)获取代表图像块的索引值，加入待压缩纹理图像经压缩后的码流；

d)将输入待压缩纹理图像块和代表图像块进行差分，生成残差图像块；

e)对于残差图像块，将残差图像块作为压缩模型字典的下一层输入的图像块，跳转至b)，重复执行b)至d)，直至到达最后一层压缩字典；

f)对于多个待压缩纹理图像块，将待压缩纹理图像块作为压缩模型字典的第一层输入的图像块，跳转至b)，重复执行b)至e)，执行完毕后，输出待压缩纹理图像经压缩后的码流；

3)解压纹理图像

a)在已压缩的待压缩纹理图像的码流中提取S位的数据，在数据中依次提取长度为C的数据Sp，其中，S为已压缩的待压缩纹理图像中的一个待压缩纹理图像块的索引值的码流位数，S位的数据为已压缩的待压缩纹理图像中的一个待压缩纹理图像块的索引值，C为已压缩的待压缩纹理图像中一个代表图像块的索引值的码流位数，Sp为已压缩的待压缩纹理图像第p个代表图像块的索引值，p∈[1，L]，L为压缩模型中字典的层数，p为层数的序号；

b)在压缩模型中，查找与索引值Sp对应的代表图像块；

c)将代表图像块进行线性加和，重建出一个待压缩纹理图像块；

d)跳转至步骤a)，重复步骤a)至c)，直到在码流中提取完所有的数据，

e)重建出多个待压缩纹理图像块，形成待压缩纹理图像块的集合，重建出压缩前的待压缩纹理图像。

作为本发明进一步的方案：所述特征向量提取步骤将灰度纹理图像A与灰度纹理图像B分为n个灰度级的灰度直方图，n＝2^m-1，m为大于零的正整数，由灰度直方图提取纹理图像A的特征向量V_ai＝{g_a0，g_a1，g_a2，g_a3...g_an}，g_ai(0≤i≤n)：灰度纹理图像A中灰度值为i像素点占总像素点的比例，由灰度直方图提取纹理图像B的特征向量V_bi＝{g_b0，g_b1，g_b2，g_b3...g_bn}，g_bj(0≤j≤n)：灰度纹理图像B中灰度值为j像素点占总像素点的比例。

作为本发明进一步的方案：所述相似度计算步骤计算所述相似度的公式为： 其中，S(Ia，Ib)为纹理图像A与纹理图像B之间的相似度， $D(\mathrm{Ia},$ $\mathrm{Ib})=\underset{i=0}{\overset{n}{\mathrm{\Σ}}}|g_{\mathrm{ai}}-g_{\mathrm{bi}}|.$

与现有技术相比，本发明的有益效果是：

本发明根据每一灰值像素点数目占像素点总数目的比例作为两个图像的特征向量，然后针对两个图像的特征向量计算相似度。提高了图像相似度计算结果的准确性，且算法简单。采用多层次结构并直接使用图像块为基本单位进行压缩，解决了压缩率较低且缺乏分辨率渐进的传输机制的问题，从而提高了压缩率，并使得图像在重建时可以根据接收到数据码流，渐进地增加图像的质量。

具体实施方式

下面将结合本发明实施例，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。

实施例1

本发明实施例中，一种基于纹理图像相似性的压缩和解压缩方法，由判断纹理图像相似性、压缩纹理图像、解压纹理图像组成，具体的步骤如下所述：

1)判断纹理图像相似性

a)图像灰度化步骤，将纹理图像A以及纹理图像B分别进行灰度化处理，得到灰度纹理图像A和灰度纹理图像B；

b)特征向量提取步骤，根据灰度纹理图像A与灰度纹理图像B提取纹理图像A与纹理图像B的特征向量，该纹理图像A与纹理图像B的特征向量为每一灰度值的像素点占总像素点的比例的集合；所述特征向量提取步骤将灰度纹理图像A与灰度纹理图像B分为n个灰度级的灰度直方图，n＝2^m-1，m为大于零的正整数，由灰度直方图提取纹理图像A的特征向量V_ai＝{g_a0，g_a1，g_a2，g_a3...g_an}，g_ai(0≤i≤n)：灰度纹理图像A中灰度值为i像素点占总像素点的比例，由灰度直方图提取纹理图像B的特征向量V_bi＝{g_b0，g_b1，g_b2，g_b3...g_bn}，g_bj(0≤j≤n)：灰度纹理图像B中灰度值为j像素点占总像素点的比例；

c)相似度计算步骤，根据纹理图像A的特征向量与纹理图像B的特征向量计算纹理图像A与纹理图像B之间的相似度；所述相似度计算步骤计算所述相似度的公式为： 其中，S(Ia，Ib)为纹理图像A与纹理图像B之间的相似度， $D(\mathrm{Ia},$ $\mathrm{Ib})=\underset{i=0}{\overset{n}{\mathrm{\Σ}}}|g_{\mathrm{ai}}-g_{\mathrm{bi}}|;$

d)相似度判断步骤，将纹理图像A与纹理图像B之间相似度与预设阈值作比较，根据比较结果判断纹理图像A与纹理图像B是否相似并输出判断结果；

当相似度S(Ia，Ib)大于或等于该预设阈值时，该纹理图像A与纹理图像B相似，将二者相同之处、不同之处分别进行压缩，并将二者相同之处作为二者的共同模板；当相似度S(Ia，Ib)小于该预设阈值时，该纹理图像A与纹理图像B不相似，则均进行压缩；

2)压缩纹理图像

a)获取待压缩纹理图像，并对待压缩纹理图像进行预处理，生成压缩纹理图像的多个不相互重叠的待压缩纹理图像块；

b)输入待压缩纹理图像块，在预先建立的压缩模型的第p层的字典中，根据最近邻策略，获取第p层字典中与输入的图像块最相似的代表图像块，p∈[1，L]，L为压缩模型中字典的层数，p为层数的序号；

c)获取代表图像块的索引值，加入待压缩纹理图像经压缩后的码流；

d)将输入待压缩纹理图像块和代表图像块进行差分，生成残差图像块；

e)对于残差图像块，将残差图像块作为压缩模型字典的下一层输入的图像块，跳转至b)，重复执行b)至d)，直至到达最后一层压缩字典；

f)对于多个待压缩纹理图像块，将待压缩纹理图像块作为压缩模型字典的第一层输入的图像块，跳转至b)，重复执行b)至e)，执行完毕后，输出待压缩纹理图像经压缩后的码流；

3)解压纹理图像

a)在已压缩的待压缩纹理图像的码流中提取S位的数据，在数据中依次提取长度为C的数据Sp，其中，S为已压缩的待压缩纹理图像中的一个待压缩纹理图像块的索引值的码流位数，S位的数据为已压缩的待压缩纹理图像中的一个待压缩纹理图像块的索引值，C为已压缩的待压缩纹理图像中一个代表图像块的索引值的码流位数，Sp为已压缩的待压缩纹理图像第p个代表图像块的索引值，p∈[1，L]，L为压缩模型中字典的层数，p为层数的序号；

b)在压缩模型中，查找与索引值Sp对应的代表图像块；

c)将代表图像块进行线性加和，重建出一个待压缩纹理图像块；

d)跳转至步骤a)，重复步骤a)至c)，直到在码流中提取完所有的数据，

e)重建出多个待压缩纹理图像块，形成待压缩纹理图像块的集合，重建出压缩前的待压缩纹理图像。

对于本领域技术人员而言，显然本发明不限于上述示范性实施例的细节，而且在不背离本发明的精神或基本特征的情况下，能够以其他的具体形式实现本发明。因此，无论从哪一点来看，均应将实施例看作是示范性的，而且是非限制性的，本发明的范围由所附权利要求而不是上述说明限定，因此旨在将落在权利要求的等同要件的含义和范围内的所有变化囊括在本发明内。

此外，应当理解，虽然本说明书按照实施方式加以描述，但并非每个实施方式仅包含一个独立的技术方案，说明书的这种叙述方式仅仅是为清楚起见，本领域技术人员应当将说明书作为一个整体，各实施例中的技术方案也可以经适当组合，形成本领域技术人员可以理解的其他实施方式。

Claims (3)

1.一种基于纹理图像相似性的压缩和解压缩方法，由判断纹理图像相似性、压缩纹理图像、解压纹理图像组成，其特征在于，具体的步骤如下所述：

1)判断纹理图像相似性

a)图像灰度化步骤，将纹理图像A以及纹理图像B分别进行灰度化处理，得到灰度纹理图像A和灰度纹理图像B；

b)特征向量提取步骤，根据灰度纹理图像A与灰度纹理图像B提取纹理图像A与纹理图像B的特征向量，该纹理图像A与纹理图像B的特征向量为每一灰度值的像素点占总像素点的比例的集合；

c)相似度计算步骤，根据纹理图像A的特征向量与纹理图像B的特征向量计算纹理图像A与纹理图像B之间的相似度；

d)相似度判断步骤，将纹理图像A与纹理图像B之间相似度与预设阈值作比较，根据比较结果判断纹理图像A与纹理图像B是否相似并输出判断结果；当相似度大于或等于该预设阈值时，该纹理图像A与纹理图像B相似，将二者相同之处、不同之处分别进行压缩，并将二者相同之处作为二者的共同模板；当相似度小于该预设阈值时，该纹理图像A与纹理图像B不相似，则均进行压缩；

2)压缩纹理图像

a)获取待压缩纹理图像，并对待压缩纹理图像进行预处理，生成压缩纹理图像的多个不相互重叠的待压缩纹理图像块；

b)输入待压缩纹理图像块，在预先建立的压缩模型的第p层的字典中，根据最近邻策略，获取第p层字典中与输入的图像块最相似的代表图像块，p∈[1，L]，L为压缩模型中字典的层数，p为层数的序号；

c)获取代表图像块的索引值，加入待压缩纹理图像经压缩后的码流；

d)将输入待压缩纹理图像块和代表图像块进行差分，生成残差图像块；

e)对于残差图像块，将残差图像块作为压缩模型字典的下一层输入的图像块，跳转至b)，重复执行b)至d)，直至到达最后一层压缩字典；

f)对于多个待压缩纹理图像块，将待压缩纹理图像块作为压缩模型字典的第一层输入的图像块，跳转至b)，重复执行b)至e)，执行完毕后，输出待压缩纹理图像经压缩后的码流；

3)解压纹理图像

a)在已压缩的待压缩纹理图像的码流中提取S位的数据，在数据中依次提取长度为C的数据Sp，其中，S为已压缩的待压缩纹理图像中的一个待压缩纹理图像块的索引值的码流位数，S位的数据为已压缩的待压缩纹理图像中的一个待压缩纹理图像块的索引值，C为已压缩的待压缩纹理图像中一个代表图像块的索引值的码流位数，Sp为已压缩的待压缩纹理图像第p个代表图像块的索引值，p∈[1，L]，L为压缩模型中字典的层数，p为层数的序号；

b)在压缩模型中，查找与索引值Sp对应的代表图像块；

c)将代表图像块进行线性加和，重建出一个待压缩纹理图像块；

d)跳转至步骤a)，重复步骤a)至c)，直到在码流中提取完所有的数据，

e)重建出多个待压缩纹理图像块，形成待压缩纹理图像块的集合，重建出压缩前的待压缩纹理图像。

2.根据权利要求1所述的基于纹理图像相似性的压缩和解压缩方法，其特征在于，所述特征向量提取步骤将灰度纹理图像A与灰度纹理图像B分为n个灰度级的灰度直方图，n＝2^m-1，m为大于零的正整数，由灰度直方图提取纹理图像A的特征向量V_ai＝{g_a0，g_a1，g_a2，g_a3...g_an}，g_ai(0≤i≤n)：灰度纹理图像A中灰度值为i像素点占总像素点的比例，由灰度直方图提取纹理图像B的特征向量V_bi＝{g_b0，g_b1，g_b2，g_b3...g_bn}，g_bj(0≤j≤n)：灰度纹理图像B中灰度值为j像素点占总像素点的比例。

3.根据权利要求1所述的基于纹理图像相似性的压缩和解压缩方法，其特征在于，所述相似度计算步骤计算所述相似度的公式为：其中，S(Ia，Ib)为纹理图像A与纹理图像B之间的相似度，