【技术实现步骤摘要】
本专利技术涉及图像压缩领域，具体为一种基于稀疏编码的图像压缩方法及系统。
技术介绍
1、随着信息时代的到来，图像数据的数量和规模急剧增加，存储和传输图像面临巨大的挑战。图像压缩技术通过去除图像数据中的冗余信息，显著降低图像文件的大小，从而节省存储空间和带宽，提高传输效率。在互联网上，图像压缩可以加快网页加载速度，改善用户体验；在移动设备上，图像压缩可以减少存储占用，延长电池寿命。在卫星通信和远程探测中，图像压缩能够提高数据传输速率和有效性，确保高质量的图像数据能够及时传回地面。此外，图像压缩还在多媒体通信、视频会议、数字图书馆等方面发挥着不可替代的作用。
2、与传统压缩方法（如jpeg）相比，稀疏编码具有高效表示、适应性强和抗噪能力强等优点。在稀疏编码中，图像被分解为若干小块，每个小块通过学习得到的字典基进行稀疏表示，仅存储少量非零系数和基向量，从而实现压缩。这种方法不仅能够显著降低图像数据的存储和传输成本，还能在低压缩比下保持高质量的图像重建，特别是在高频细节和边缘信息的保留上表现出色。然而，稀疏编码的计算复杂度高，而且压缩效果和字典等很相关。
技术实现思路
1、为了解决上述问题，本专利技术提供了一种基于稀疏编码的图像压缩方法，所述方法包括以下步骤：
2、将一组待压缩图像中的每个图像分割为多个相同大小的图像块，根据图像块的相似度对图像块进行聚类，计算每个聚类中图像块相同灰度的点数的变化情况以及聚类中心图像块不同灰度的点数的变化情况，基于所述变化情况确定聚类
3、若所述字典为过完备字典，利用所述聚类中的图像块初始化所述字典，基于初始化后的字典计算得到聚类的字典和每个图像块的稀疏矩阵；否则，从所述聚类中的图像块中提取出字典，基于所述字典得到每个图像块的稀疏矩阵。
4、在图像存储或者发送中，存储或者发送每个图像块的稀疏矩阵和每个聚类的字典实现对数据的压缩。
5、优选地，所述计算每个聚类中图像块相同灰度的点数的变化情况以及聚类中心图像块不同灰度的点数的变化情况，基于所述变化情况确定聚类的复杂度，利用所述复杂度得到聚类对应的字典的基向量数量，具体为：
6、计算聚类中图像块所有灰度值的像素点数的标准差。
7、累加所有灰度值的标准差得到累加结果。
8、根据所述累加结果和所述聚类中心对应的图像块不同灰度值的点数的标准差得到聚类的复杂度。
9、判断所述复杂度所处的区间，根据所处区间确定字典的基向量数量。
10、优选地，所述利用所述聚类中的图像块初始化所述字典，具体为：
11、计算聚类中所有图像块的平均值，将所述平均值构成的图像块作为字典初始化图像块，基于所述字典初始化图像块初始化所述字典。
12、或者，计算聚类中每个图像块的灰度变化情况，将变化情况最大的图像块作为字典初始化图像块，基于所述字典初始化图像块初始化所述字典。
13、优选地，所述基于所述字典初始化图像块初始化所述字典，具体为：
14、对所述字典初始化图像块进行dct变换得到完备字典，按照聚类中每个图像块的灰度变化情况对所述图像块进行排序，从排序后的图像块中选取至少一个图像块，将所述至少一个图像块展平为一维向量，将所述完备字典和所述至少一个图像块对应的一维向量拼接得到初始化后的字典。
15、优选地，所述从所述聚类中的图像块中提取出字典，具体为：
16、若所述基向量个数等于基向量维度，则将聚类的中心对应的图像块进行dct变换得到的完备字典作为提取的字典。
17、若所述基向量个数小于基向量维度，则对聚类的中心对应的图像块进行dct变换得到完备字典，从完备字典中选取所述基向量个数的列组成字典，将组成的字典作为提取出字典。
18、此外，本专利技术还提供了一种基于稀疏编码的图像压缩系统，所述系统包括以下模块：
19、字典确定模块，用于将一组待压缩图像中的每个图像分割为多个相同大小的图像块，根据图像块的相似度对图像块进行聚类，计算每个聚类中图像块相同灰度的点数的变化情况以及聚类中心图像块不同灰度的点数的变化情况，基于所述变化情况确定聚类的复杂度，利用所述复杂度得到聚类对应的字典的基向量数量。
20、图像稀疏编码模块，若所述字典为过完备字典，利用所述聚类中的图像块初始化所述字典，基于初始化后的字典计算得到聚类的字典和每个图像块的稀疏矩阵；否则，从所述聚类中的图像块中提取出字典，基于所述字典得到每个图像块的稀疏矩阵。
21、压缩模块，用于在图像存储或者发送中，存储或者发送每个图像块的稀疏矩阵和每个聚类的字典实现对数据的压缩。
22、优选地，所述计算每个聚类中图像块相同灰度的点数的变化情况以及聚类中心图像块不同灰度的点数的变化情况，基于所述变化情况确定聚类的复杂度，利用所述复杂度得到聚类对应的字典的基向量数量，具体为：
23、计算聚类中图像块所有灰度值的像素点数的标准差。
24、累加所有灰度值的标准差得到累加结果。
25、根据所述累加结果和所述聚类中心对应的图像块不同灰度值的点数的标准差得到聚类的复杂度。
26、判断所述复杂度所处的区间，根据所处区间确定字典的基向量数量。
27、优选地，所述利用所述聚类中的图像块初始化所述字典，具体为：
28、计算聚类中所有图像块的平均值，将所述平均值构成的图像块作为字典初始化图像块，基于所述字典初始化图像块初始化所述字典；
29、或者，计算聚类中每个图像块的灰度变化情况，将变化情况最大的图像块作为字典初始化图像块，基于所述字典初始化图像块初始化所述字典。
30、优选地，所述基于所述字典初始化图像块初始化所述字典，具体为：
31、对所述字典初始化图像块进行dct变换得到完备字典，按照聚类中每个图像块的灰度变化情况对所述图像块进行排序，从排序后的图像块中选取至少一个图像块，将所述至少一个图像块展平为一维向量，将所述完备字典和所述至少一个图像块对应的一维向量拼接得到初始化后的字典。
32、优选地，所述从所述聚类中的图像块中提取出字典，具体为：
33、若所述基向量个数等于基向量维度，则将聚类的中心对应的图像块进行dct变换得到的完备字典作为提取的字典。
34、若所述基向量个数小于基向量维度，则对聚类的中心对应的图像块进行dct变换得到完备字典，从完备字典中选取所述基向量个数的列组成字典，将组成的字典作为提取出字典。
35、最后，本专利技术还提供了一种计算机可读存储介质，所述可读存储介质上存储有计算机程序，所述计算机程序在被处理器执行时实现如上所述的方法。
36、针对现有技术中压缩率低而且稀疏编码中字典确定困难的问题，本专利技术对一组相似的图像进行压缩，并且对一组图像中所有的图像块进行聚类，根据聚类本文档来自技高网...
【技术保护点】
1.一种基于稀疏编码的图像压缩方法，其特征在于，所述方法包括以下步骤：
2.如权利要求1所述的方法，其特征在于，所述计算每个聚类中图像块相同灰度的点数的变化情况以及聚类中心图像块不同灰度的点数的变化情况，基于所述变化情况确定聚类的复杂度，利用所述复杂度得到聚类对应的字典的基向量数量，具体为：
3.如权利要求1所述的方法，其特征在于，所述利用所述聚类中的图像块初始化所述字典，具体为：
4.如权利要求3所述的方法，其特征在于，所述基于所述字典初始化图像块初始化所述字典，具体为：
5.如权利要求1所述的方法，其特征在于，所述从所述聚类中的图像块中提取出字典，具体为：
6.一种基于稀疏编码的图像压缩系统，其特征在于，所述系统包括以下模块：
7.如权利要求6所述的系统，其特征在于，所述计算每个聚类中图像块相同灰度的点数的变化情况以及聚类中心图像块不同灰度的点数的变化情况，基于所述变化情况确定聚类的复杂度，利用所述复杂度得到聚类对应的字典的基向量数量，具体为：
8.如权利要求6所述的系统，其特征在于，所述利用
9.如权利要求8所述的系统，其特征在于，所述基于所述字典初始化图像块初始化所述字典，具体为：
10.一种计算机存储设备，所述存储设备上存储有计算机程序，其特征在于，所述计算机程序在被处理器执行时实现如权利要求1-5任一项所述的方法。
...【技术特征摘要】
1.一种基于稀疏编码的图像压缩方法，其特征在于，所述方法包括以下步骤：
2.如权利要求1所述的方法，其特征在于，所述计算每个聚类中图像块相同灰度的点数的变化情况以及聚类中心图像块不同灰度的点数的变化情况，基于所述变化情况确定聚类的复杂度，利用所述复杂度得到聚类对应的字典的基向量数量，具体为：
3.如权利要求1所述的方法，其特征在于，所述利用所述聚类中的图像块初始化所述字典，具体为：
4.如权利要求3所述的方法，其特征在于，所述基于所述字典初始化图像块初始化所述字典，具体为：
5.如权利要求1所述的方法，其特征在于，所述从所述聚类中的图像块中提取出字典，具体为：
6.一种基于稀疏编码...
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。