图像压缩是图像处理中的重要环节,它广泛应用于现代科学技术的多个领域。经过多年的研究,人们已经提出了多种图像压缩方法,并在许多领域取得了良好的应用结果。现有的图像压缩技术通常是基于正交变换的压缩方法,在图像低压缩比压缩,即高比特率图像压缩时,这些方法可以取得良好的压缩效果;但在图像高压缩比压缩,即低比特率图像压缩时,压缩图像的恢复效果往往不尽人意。因此需要发展一种在低比特率情况下有效的图像压缩方法。 稀疏分解是近几年信号处理领域研究的热点,它可以将信号表示成为一种稀疏的形式,从而引起研究人员的重视。基于其良好特性,一维信号的稀疏分解被很快推广应用到图像处理技术中。本文重点研究了稀疏分解在图像压缩领域中的应用,并提出了一种基于图像稀疏分解结果数据的压缩编码方案。 文中首先分析了图像稀疏分解的思想,指出了图像稀疏分解的特点和急待解决的问题。同时介绍了图像稀疏分解结果的表示形式——图像稀疏表示。 接下来,本文介绍了图像稀疏分解最常用的算法——匹配跟踪算法。与其它稀疏分解算法相比,图像的匹配跟踪算法易于理解,便于实现,但是依然存在计算量大的问题。所以本文使用遗传算法来实现图像基于匹配跟踪的稀疏分解。单纯的遗传算法依然无法有效减少图像稀疏分解的计算量,所以根据图像稀疏分解的特点,本文采用的算法使用了多种优化方法对遗传算法做了改进,从而在计算量和重建图像质量之间取得了一个较好的平衡。 基于对图像稀疏分解的分析,本文首先研究了图像稀疏分解结果数据的分布规律,并在此基础上提出了针对结果数据的量化、编码方案。根据此量化、编码方案,实现了基于稀疏分解的图像压缩编码。在低比特率条件下,当压缩比相同时,本文方法压缩后重建图像质量优于常规图像压缩编码方法的重建图像质量。 针对以上方案进行分析,发现仍存在着一定缺点。特别是图像稀疏表示中投影分量的编码占用了较长的位长,造成编码效率不是非常高。因此,若能有效提高投影分量的编码效率,就能明显提高整体结果数据的编码效率。据此,本文根据投影分量对图像稀疏分解结果数据进行排序,然后使用差分的方法对排序后的投影分量进行预处理,从而大幅度降低了投影分量的取值范围。对结果数据做这样的预处理能够大幅度提高图像稀疏分解结果数据的编码效率。 最后,试验结果证明本文提出的编码方案能够有效的减少稀疏分解结果数