一種基于自適應(yīng)稀疏域編碼的指紋圖像壓縮方法
【技術(shù)領(lǐng)域】
[0001] 本發(fā)明設(shè)及圖像壓縮和圖像稀疏編碼技術(shù)，具體設(shè)及一種基于自適應(yīng)稀疏變換的 指紋圖像壓縮方法，屬于圖像通信領(lǐng)域。
【背景技術(shù)】
[0002] 指紋具有終生不變性、唯一性和方便性的特征，因此指紋識(shí)別技術(shù)已經(jīng)成為最為 流行的身份識(shí)別技術(shù)之一。在實(shí)際生產(chǎn)生活應(yīng)用中，指紋識(shí)別的廣泛應(yīng)用導(dǎo)致每天都有大 量的指紋圖像數(shù)據(jù)被收集和存儲(chǔ)。大量的指紋圖像數(shù)據(jù)消耗大量的存儲(chǔ)空間，在存儲(chǔ)空間 受限的情況下，對(duì)指紋圖像的壓縮算法提出了更高的要求。傳統(tǒng)的圖像壓縮技術(shù)可分為有 損壓縮和無(wú)損壓縮。無(wú)損壓縮雖然能完整保留圖像信息，但壓縮率有限，并不能完全滿足實(shí) 際應(yīng)用的需要。有損壓縮能夠保證指紋圖像在同等識(shí)別率的前提下，W可接受范圍內(nèi)的失 真為代價(jià)換取更高的壓縮率，傳統(tǒng)的JPEG,JPEG2000 ,WSQ算法均能實(shí)現(xiàn)對(duì)指紋圖像的有損 壓縮。
[0003] JPEG編解碼中，圖像被分塊處理，圖像單元塊變換到DCT域后進(jìn)行量化和賭編碼。 然而JPEG編碼標(biāo)準(zhǔn)的缺點(diǎn)在于圖像的分塊量化導(dǎo)致壓縮圖像在低碼率段出現(xiàn)較為明顯的 塊效應(yīng)。肝EG2000放棄了JPEG編解碼中的分塊策略，而是通過(guò)全圖的小波變換實(shí)現(xiàn)圖像壓 縮。相對(duì)于肝EG編碼標(biāo)準(zhǔn)JPEG2000率失真性能更好，而且不會(huì)出現(xiàn)由于分塊離散余弦變換 產(chǎn)生的模糊塊效應(yīng)。上述算法均是對(duì)于一般圖像的壓縮標(biāo)準(zhǔn)，而針對(duì)指紋運(yùn)類特殊圖像，也 有一些針對(duì)性的壓縮算法，其中最具代表性的是FBI提出的WSQ(WaveletScalar Quantization)，它采用了小波變換，標(biāo)量量化和霍夫曼編碼等技術(shù)，一直是國(guó)際上較為流 行的指紋圖像壓縮算法。然而上述算法均不具備學(xué)習(xí)能力，不能很好地實(shí)現(xiàn)對(duì)指紋圖像的 壓縮。

【發(fā)明內(nèi)容】

[0004] 本發(fā)明提出的一種基于自適應(yīng)稀疏域編碼的指紋圖像壓縮方法，該方法通過(guò)更新 超完備字典的方式從而具備了學(xué)習(xí)能力。相對(duì)于經(jīng)典的肝EGJPEG2000等壓縮算法，本方法 表現(xiàn)出更為優(yōu)越的率失真性能;在相同碼率時(shí)，本文算法的解碼圖像具有更好的主觀視覺(jué) 效果。
[0005] 本發(fā)明所提出的一種基于自適應(yīng)稀疏域編碼的指紋圖像壓縮方法，主要包括W下 操作步驟：
[0006] (1)對(duì)原始待壓縮圖像分塊，然后將各塊分為塊平均灰度值的低頻預(yù)測(cè)圖和高頻 殘差圖兩部分；
[0007] (2)通過(guò)稀疏度自適應(yīng)選擇算法確定各塊高頻殘差圖的稀疏度；
[000引（3)根據(jù)各塊選定的稀疏度，采用基于量化誤差最小化的稀疏分解將高頻殘差圖 轉(zhuǎn)換到稀疏域；
[0009] (4)通過(guò)自適應(yīng)的方向選擇方法，確定各塊平均灰度值的最優(yōu)預(yù)測(cè)編碼模式；
[0010] (5)使用量化表映射函數(shù)生成量化表，然后對(duì)平均灰度值和稀疏系數(shù)量化并編碼；
[0011] (6)利用解碼數(shù)據(jù)中的塊平均灰度值約束圖像的重構(gòu)過(guò)程，對(duì)解碼后的圖像塊分 別進(jìn)行平均灰度校正，將校正后的圖像塊按照原始順序組合成最終解碼圖像。
【附圖說(shuō)明】
[0012] 圖1是本發(fā)明基于自適應(yīng)稀疏域編碼的指紋圖像壓縮方法的框圖 [OOK]圖視立種"矩陣-向量'轉(zhuǎn)換模式示意圖
[0014] 圖3是本發(fā)明及肝EG、肝EG2000壓縮算法對(duì)'finger2〇r測(cè)試圖像的率失真性能比 較
[0015] 圖4是本發(fā)明及肝EG、肝EG2000壓縮算法對(duì)'finger204'測(cè)試圖像的率失真性能比 較
[0016] 圖5是'finger2〇r原圖與碼率同為0.化卵時(shí)，肝EG、JPEG2000及本發(fā)明的解碼圖 像的視覺(jué)效果比較
【具體實(shí)施方式】
[0017] 下面結(jié)合附圖對(duì)本發(fā)明作進(jìn)一步說(shuō)明：
[0018] 圖1中，一種基于自適應(yīng)稀疏域編碼的指紋圖像壓縮方法，包括W下步驟：
[0019] (1)對(duì)原始待壓縮圖像分塊，然后將各塊分為塊平均灰度值的低頻預(yù)測(cè)圖和高頻 殘差圖兩部分；
[0020] (2)通過(guò)稀疏度自適應(yīng)選擇算法確定各塊高頻殘差圖的稀疏度；
[0021] (3)根據(jù)各塊選定的稀疏度，采用基于量化誤差最小化的稀疏分解將高頻殘差圖 轉(zhuǎn)換到稀疏域；
[0022] (4)通過(guò)自適應(yīng)的方向選擇方法，確定各塊平均灰度值的最優(yōu)預(yù)測(cè)編碼模式；
[0023] (5)使用量化表映射函數(shù)生成量化表，然后對(duì)平均灰度值和稀疏系數(shù)量化并編碼。
[0024] (6)利用解碼數(shù)據(jù)中的塊平均灰度值約束圖像的重構(gòu)過(guò)程，對(duì)解碼后的圖像塊分 別進(jìn)行平均灰度校正。將校正后的圖像塊按照原始順序組合成最終解碼圖像。
[0025] 具體地，所述步驟(1)中，我們首先將待編碼的圖像分為大小的8*8的圖像塊，圖像 塊之間互不重疊;然后對(duì)每個(gè)8*8的圖像塊分別求取平均灰度值，然后對(duì)小圖雙S次8倍插 值，得到與原始圖像尺寸同等大小的低頻預(yù)測(cè)圖，原始圖像減去低頻預(yù)測(cè)圖得到高頻殘差 圖。
[0026] 所述步驟(2)中，通過(guò)稀疏度自適應(yīng)算法(算法一)確定各塊高頻殘差圖的稀疏度， 該算法的主要思想是先用一個(gè)較大的稀疏度LO稀疏分解信號(hào)Y，得到稀疏表示系數(shù)后，利用 稀疏系數(shù)量化因子QPsparse對(duì)稀疏系數(shù)量化取整對(duì)部分較小系數(shù)置0，從而減小稀疏度，并通 過(guò)"分解-量化"的迭代過(guò)程，得到最終稀疏度的收斂值，該收斂值即為求解的最佳稀疏度。

[0029]所述步驟(3)中，在已經(jīng)通過(guò)稀疏度自適應(yīng)算法得到最佳稀疏度為L(zhǎng)前提下，采用 迭代求解法求解稀疏系數(shù)。將迭代次數(shù)設(shè)置為L(zhǎng)，每次迭代過(guò)程中只保留權(quán)值最大的原子， 然后對(duì)權(quán)值量化反量化，最后用原始信號(hào)減去反量化結(jié)果繼續(xù)做下一次的稀疏分解。運(yùn)樣 前一個(gè)原子權(quán)值的量化誤差會(huì)在后一次迭代中繼續(xù)稀疏分解，避免了量化誤差在傳統(tǒng)mp算 法或者omp算法中的累積。量化誤差最小化的稀疏分解(算法二）主要在經(jīng)典稀疏表示的數(shù) 學(xué)模型中引入了量化損失環(huán)節(jié)Q(公式1)，使稀疏分解過(guò)程充分兼顧了圖像壓縮的量化特 性，減小了 "稀疏分解-量化"的總體誤差。
[0032]所述步驟(4)中，大小為比，W]的輸入圖像被分割成8X8的小塊，每個(gè)塊取出灰度 平均值，構(gòu)成比/8，w/引的灰度值矩陣，將該矩陣?yán)斐梢痪S向量，然后進(jìn)行差分編碼。因此 本文按照?qǐng)D像平均灰度的排列規(guī)律，提供立種可選擇的"矩陣-向量'轉(zhuǎn)換模式（圖2) :a橫向 差分，b縱向差分，C左上角加權(quán)預(yù)測(cè)差分。模式判決準(zhǔn)則:對(duì)A，B，C=種模式的差分結(jié)果向量 計(jì)算