張林娜+袁和金

摘要：針對(duì)現(xiàn)有分形算法存在的編碼時(shí)間過(guò)長(zhǎng)問(wèn)題，對(duì)HV分割算法進(jìn)行改進(jìn)，提出一種基于HV分割的快速分形圖像編碼算法。該算法首先通過(guò)條件限制策略約束R塊分割方向及位置，然后采用局部碼本尋找分割塊的最優(yōu)匹配，最終得到圖像的分形碼。在ORL人臉庫(kù)上的編碼實(shí)驗(yàn)顯示，相對(duì)于無(wú)策略HV分割算法，該方法的編碼速度提高了7%。與現(xiàn)有方法相比，該方法減少了分割塊數(shù)，在保證解碼質(zhì)量的前提下提高了編碼效率。

關(guān)鍵詞關(guān)鍵詞：HV分割；圖像編碼；分形碼

DOIDOI：10.11907/rjdk.172514

中圖分類(lèi)號(hào)：TP312

文獻(xiàn)標(biāo)識(shí)碼：A文章編號(hào)文章編號(hào)：16727800（2017）011003303

0引言

分形圖像編碼是一種相對(duì)較新的圖像壓縮技術(shù)，該技術(shù)通過(guò)存儲(chǔ)圖像的量化參數(shù)代替原始圖像的像素值，實(shí)現(xiàn)圖像數(shù)據(jù)的高倍壓縮。基于分形的圖像編碼技術(shù)的優(yōu)點(diǎn)在于：在保證圖像較好解碼質(zhì)量前提下能獲得較高壓縮比。與此同時(shí)，編碼時(shí)間長(zhǎng)的缺點(diǎn)也尤為明顯。針對(duì)該問(wèn)題，人們提出了許多加快分形編碼的方法。劉維勝等[1]提出分?jǐn)?shù)盒維數(shù)作為子類(lèi)的分類(lèi)標(biāo)準(zhǔn)，利用圖像子塊分類(lèi)法提高編碼效率；相較于文獻(xiàn)[24]中提出的基于三均值特征、相似比特征和可選特征的快速分形圖像編碼算法，李高平在文獻(xiàn)[5]中通過(guò)實(shí)驗(yàn)證明了子塊特征匹配的快速分形編碼算法在解碼質(zhì)量降低了約0.73dB的情況下，編碼速度均優(yōu)于上述算法；文獻(xiàn)[6]提出的編碼算法將原始圖像的近似圖像進(jìn)行改進(jìn)，雖然提高了圖像解碼質(zhì)量，但影響了編碼時(shí)間；文獻(xiàn)[7]在此基礎(chǔ)上提出預(yù)測(cè)解碼質(zhì)量的編碼算法，在編碼過(guò)程中減少了約1/3的計(jì)算量，但預(yù)測(cè)算法提高了算法復(fù)雜度；文獻(xiàn)[8]將蟻群算法應(yīng)用于分形圖像編碼算法中，雖然減少了編碼時(shí)間，但大大增加了算法復(fù)雜度。

針對(duì)上述算法雖然加快了編碼時(shí)間但降低了解碼質(zhì)量以及圖像特征提取過(guò)程中算法復(fù)雜等問(wèn)題，本文提出基于HV分割的快速分形圖像編碼算法，具體包括兩大策略：

（1）HV分割方案改進(jìn)。提出條件限制策略約束R塊分割方向及位置，降低分割塊數(shù)，提高圖像自適應(yīng)性能，并加快分形碼提取速度。

（2）局部碼本匹配策略。尋找分割塊的最優(yōu)匹配時(shí)采用局部碼本，降低匹配時(shí)間，提取更符合圖像特征的分形碼，從而在保證解碼質(zhì)量的前提下提高編碼效率。

3實(shí)驗(yàn)結(jié)果及分析

為驗(yàn)證本文算法效果，對(duì)ORL人臉庫(kù)中的圖像進(jìn)行實(shí)驗(yàn)和分析。ORL人臉庫(kù)包括400幅人臉圖像，來(lái)自不同年齡、不同性別和不同種族的40個(gè)人，每個(gè)人10幅圖像。所有圖像均為8位灰度圖，大小為256*256。最初分割大小為32*32像素。實(shí)驗(yàn)硬件環(huán)境為雙核CPU，4G內(nèi)存的計(jì)算機(jī)，使用VS2015對(duì)提出的算法進(jìn)行編程實(shí)現(xiàn)。本文在編碼效率、解碼質(zhì)量?jī)蓚€(gè)方面進(jìn)行對(duì)比測(cè)試，將本文提出的算法與四叉樹(shù)分割的分形算法、無(wú)限制策略的HV分割的分形算法進(jìn)行比較分析。

（1）編碼效率測(cè)試。為驗(yàn)證本文算法的編碼效率，對(duì)ORL圖庫(kù)中的400幅人臉圖像進(jìn)行編碼，設(shè)定閾值Ppre=20，最小分割尺寸為2*2，計(jì)算得出的平均編碼時(shí)間如圖4所示。本文提出的帶限制策略的HV分割算法相對(duì)于四叉樹(shù)分割算法，平均編碼時(shí)間提高了45%左右，相對(duì)于無(wú)策略的HV分割算法提高了7%左右?？梢钥闯?，本文提出的帶策略的HV分割算法，對(duì)圖像的適應(yīng)性更強(qiáng)，分塊更少，編碼優(yōu)勢(shì)較大。

圖43種算法平均編碼時(shí)間

（2）解碼效果測(cè)試。重構(gòu)圖像質(zhì)量由峰值信噪比（PSNR）度量，PSNR值越大，圖像失真越小，在圖像相似度匹配時(shí)準(zhǔn)確率越高。從ORL人臉庫(kù)中隨機(jī)抽取50張不同的圖像利用本文方法進(jìn)行10次迭代解碼，得到平均PSNR值隨迭代次數(shù)的變化曲線如圖5所示。本算法的PSNR曲線圖優(yōu)于文獻(xiàn)[10]中基于四叉樹(shù)分割的分形算法的PSNR曲線圖，由此說(shuō)明，該算法能夠在快速編碼的同時(shí)，保證圖像解碼質(zhì)量。

圖5PSNR曲線

4結(jié)語(yǔ)

本文提出了一種基于HV分割的快速圖像編碼算法，算法首先將分割位置限制在中部區(qū)域，避免了分割塊長(zhǎng)寬比例過(guò)大影響圖像特征提取的情況。采用局部碼本策略，將匹配塊固定在正包R塊的位置，大大減少了匹配時(shí)間。在ORL人臉庫(kù)上的實(shí)驗(yàn)表明，本算法在編碼速度上相對(duì)于四叉樹(shù)分形編碼算法和基本HV分形編碼算法分別提高了45%和7%。與現(xiàn)有方法相比，該方法減少了分割塊數(shù)，在保證解碼質(zhì)量的前提下提高了編碼效率。

參考文獻(xiàn)參考文獻(xiàn)：

[1]劉維勝，高占國(guó)，李力.分形圖像編碼的快速算法[J].計(jì)算機(jī)工程與應(yīng)用，2009，45（9）：182185.

[2]李高平.三均值特征的快速分形圖像編碼算法[J].中國(guó)圖象圖形學(xué)報(bào)，2011，16（1）：17.

[3]張愛(ài)華，盛飛，楊培，等.基于相似比的快速分形編碼算法[J].計(jì)算機(jī)技術(shù)與發(fā)展，2012，22（11）：176178.

[4]袁宗文，魯業(yè)頻，楊漢生.可選特征的快速分形圖像編碼[J].中國(guó)圖象圖形學(xué)報(bào)，2015，20（2）：177182.

[5]李高平，劉莉.圖像子塊特征匹配的快速分形編碼算法[J].計(jì)算機(jī)工程與應(yīng)用，2017，53（1）：195200

[6]KUN ZOU，QIANG WANG，ZHAOXIA ZHAI.A novel method to improve the quality of decoded images in fractal image coding[C].International Congress on Image and Signal Processing，2015：184188.

[7]QIANG WANG，SHENG BI，GUOHUA JIN.An accelerated method to predict the quality of decoded images in fractal image coding[J].International Congress on Image and Signal Processing，2015：189193.

[8]LI LOU，YONG LI.Research of neighborhood searching fractal image coding algorithm based on ant colony optimization[C].SAI Intelligent Systems Conference，2015：761764.

[9]張思思，劉宇，趙志濱.一種基于相鄰匹配的分形圖像檢索算法[J].計(jì)算機(jī)科學(xué)，2015，42（12）：292311.

[10]Y LIU，M ZHANG， F YUAN.Fast fractal image retrieval algorithm based on contiguousmatches[J].International Conference on Machine Learning & Cybernetics，2010，45（9）：20472052.

責(zé)任編輯（責(zé)任編輯：孫娟）endprint