本发明专利技术公布了一种基于自适应稀疏域编码的指纹图像压缩方法。主要包括以下步骤：在离线状态下提取指纹图像库特征训练超完备字典，将字典存储在编码端和解码端用于稀疏编码和稀疏重建；将一幅待压缩指纹图像分块处理，并分离为块平均灰度值和高频残差图两部分独立编码；使用方向自适应算法选择块平均灰度值的最优差分预测模式；基于量化误差最小化的稀疏表示将高频残差图转换到稀疏域；对灰度平均值和高频残差图的稀疏表达系数量化和熵编码从而实现图像信息的压缩。实验表明，在中低码率段，该方法相比于JPEG，JPEG2000等主流压缩算法表现出更优越的率失真性能，在相同码率时，该方法的解码图像具有很好的主观视觉效果。该发明专利技术可应用于当前大数据环境下的大量指纹图像数据的存储和传输。
【技术实现步骤摘要】
本专利技术设及图像压缩和图像稀疏编码技术，具体设及一种基于自适应稀疏变换的 指纹图像压缩方法，属于图像通信领域。
技术介绍
指纹具有终生不变性、唯一性和方便性的特征，因此指纹识别技术已经成为最为 流行的身份识别技术之一。在实际生产生活应用中，指纹识别的广泛应用导致每天都有大 量的指纹图像数据被收集和存储。大量的指纹图像数据消耗大量的存储空间，在存储空间 受限的情况下，对指纹图像的压缩算法提出了更高的要求。传统的图像压缩技术可分为有 损压缩和无损压缩。无损压缩虽然能完整保留图像信息，但压缩率有限，并不能完全满足实 际应用的需要。有损压缩能够保证指纹图像在同等识别率的前提下，W可接受范围内的失 真为代价换取更高的压缩率，传统的JPEG,JPEG2000 ,WSQ算法均能实现对指纹图像的有损 压缩。 JPEG编解码中，图像被分块处理，图像单元块变换到DCT域后进行量化和赌编码。 然而JPEG编码标准的缺点在于图像的分块量化导致压缩图像在低码率段出现较为明显的 块效应。肝EG2000放弃了JPEG编解码中的分块策略，而是通过全图的小波变换实现图像压 缩。相对于肝EG编码标准JPEG2000率失真性能更好，而且不会出现由于分块离散余弦变换 产生的模糊块效应。上述算法均是对于一般图像的压缩标准，而针对指纹运类特殊图像，也 有一些针对性的压缩算法，其中最具代表性的是FBI提出的WSQ(WaveletScalar Quantization)，它采用了小波变换，标量量化和霍夫曼编码等技术，一直是国际上较为流 行的指纹图像压缩算法。然而上述算法均不具备学习能力，不能很好地实现对指纹图像的 压缩。
技术实现思路
本专利技术提出的，该方法通过更新 超完备字典的方式从而具备了学习能力。相对于经典的肝EGJPEG2000等压缩算法，本方法 表现出更为优越的率失真性能;在相同码率时，本文算法的解码图像具有更好的主观视觉 效果。 本专利技术所提出的，主要包括W下 操作步骤： (1)对原始待压缩图像分块，然后将各块分为块平均灰度值的低频预测图和高频 残差图两部分； (2)通过稀疏度自适应选择算法确定各块高频残差图的稀疏度；[000引（3)根据各块选定的稀疏度，采用基于量化误差最小化的稀疏分解将高频残差图 转换到稀疏域； (4)通过自适应的方向选择方法，确定各块平均灰度值的最优预测编码模式； (5)使用量化表映射函数生成量化表，然后对平均灰度值和稀疏系数量化并编码； (6)利用解码数据中的块平均灰度值约束图像的重构过程，对解码后的图像块分 别进行平均灰度校正，将校正后的图像块按照原始顺序组合成最终解码图像。【附图说明】 图1是本专利技术基于自适应稀疏域编码的指纹图像压缩方法的框图 图視立种"矩阵-向量'转换模式示意图 图3是本专利技术及肝EG、肝EG2000压缩算法对'finger2〇r测试图像的率失真性能比 较 图4是本专利技术及肝EG、肝EG2000压缩算法对'finger204'测试图像的率失真性能比 较 图5是'finger2〇r原图与码率同为0.化卵时，肝EG、JPEG2000及本专利技术的解码图 像的视觉效果比较【具体实施方式】 下面结合附图对本专利技术作进一步说明： 图1中，，包括W下步骤： (1)对原始待压缩图像分块，然后将各块分为块平均灰度值的低频预测图和高频 残差图两部分； (2)通过稀疏度自适应选择算法确定各块高频残差图的稀疏度； (3)根据各块选定的稀疏度，采用基于量化误差最小化的稀疏分解将高频残差图 转换到稀疏域； (4)通过自适应的方向选择方法，确定各块平均灰度值的最优预测编码模式； (5)使用量化表映射函数生成量化表，然后对平均灰度值和稀疏系数量化并编码。 (6)利用解码数据中的块平均灰度值约束图像的重构过程，对解码后的图像块分 别进行平均灰度校正。将校正后的图像块按照原始顺序组合成最终解码图像。 具体地，所述步骤(1)中，我们首先将待编码的图像分为大小的8*8的图像块，图像 块之间互不重叠;然后对每个8*8的图像块分别求取平均灰度值，然后对小图双S次8倍插 值，得到与原始图像尺寸同等大小的低频预测图，原始图像减去低频预测图得到高频残差 图。 所述步骤(2)中，通过稀疏度自适应算法(算法一)确定各块高频残差图的稀疏度， 该算法的主要思想是先用一个较大的稀疏度LO稀疏分解信号Y，得到稀疏表示系数后，利用 稀疏系数量化因子QPsparse对稀疏系数量化取整对部分较小系数置0，从而减小稀疏度，并通 过"分解-量化"的迭代过程，得到最终稀疏度的收敛值，该收敛值即为求解的最佳稀疏度。 所述步骤(3)中，在已经通过稀疏度自适应算法得到最佳稀疏度为L前提下，采用 迭代求解法求解稀疏系数。将迭代次数设置为L，每次迭代过程中只保留权值最大的原子， 然后对权值量化反量化，最后用原始信号减去反量化结果继续做下一次的稀疏分解。运样 前一个原子权值的量化误差会在后一次迭代中继续稀疏分解，避免了量化误差在传统mp算 法或者omp算法中的累积。量化误差最小化的稀疏分解(算法二）主要在经典稀疏表示的数 学模型中引入了量化损失环节Q(公式1)，使稀疏分解过程充分兼顾了图像压缩的量化特 性，减小了 "稀疏分解-量化"的总体误差。所述步骤(4)中，大小为比，W]的输入图像被分割成8X8的小块，每个块取出灰度 平均值，构成比/8，w/引的灰度值矩阵，将该矩阵拉伸成一维向量，然后进行差分编码。因此 本文按照图像平均灰度的排列规律，提供立种可选择的"矩阵-向量'转换模式（图2) :a横向 差分，b纵向差分，C左上角加权预测差分。模式判决准则:对A，B，C=种模式的差分结果向量 计算当前第1页1 2 本文档来自技高网...
【技术保护点】
一种基于自适应稀疏域编码的指纹图像压缩方法，其特征在于包括以下步骤：步骤一：对原始待压缩图像分块，然后将各块分为块平均灰度值的低频预测图和高频残差图两部分；步骤二：通过稀疏度自适应选择算法确定各块高频残差图的稀疏度；步骤三：根据各块选定的稀疏度，采用基于量化误差最小化的稀疏分解将高频残差图转换到稀疏域；步骤四：通过自适应的方向选择方法，确定各块平均灰度值的最优预测编码模式；步骤五：使用量化表映射函数生成量化表，然后对平均灰度值和稀疏系数量化并编码。步骤六：利用解码数据中的块平均灰度值约束图像的重构过程，对解码后的图像块分别进行平均灰度校正，将校正后的图像块按照原始顺序组合成最终解码图像。
【技术特征摘要】
【专利技术属性】
技术研发人员：何小海，马名浪，滕奇志，陈洪刚，卿粼波，吴小强，熊淑华，
申请(专利权)人：四川大学，
类型：发明
国别省市：四川;51
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。