基于HV分割的快速分形图像编码算法

张林娜+袁和金

摘要：针对现有分形算法存在的编码时间过长问题，对HV分割算法进行改进，提出一种基于HV分割的快速分形图像编码算法。该算法首先通过条件限制策略约束R块分割方向及位置，然后采用局部碼本寻找分割块的最优匹配，最终得到图像的分形码。在ORL人脸库上的编码实验显示，相对于无策略HV分割算法，该方法的编码速度提高了7%。与现有方法相比，该方法减少了分割块数，在保证解码质量的前提下提高了编码效率。

关键词关键词：HV分割；图像编码；分形码

DOIDOI：10.11907/rjdk.172514

中图分类号：TP312

文献标识码：A文章编号文章编号：16727800（2017）011003303

0引言

分形图像编码是一种相对较新的图像压缩技术，该技术通过存储图像的量化参数代替原始图像的像素值，实现图像数据的高倍压缩。基于分形的图像编码技术的优点在于：在保证图像较好解码质量前提下能获得较高压缩比。与此同时，编码时间长的缺点也尤为明显。针对该问题，人们提出了许多加快分形编码的方法。刘维胜等[1]提出分数盒维数作为子类的分类标准，利用图像子块分类法提高编码效率；相较于文献[24]中提出的基于三均值特征、相似比特征和可选特征的快速分形图像编码算法，李高平在文献[5]中通过实验证明了子块特征匹配的快速分形编码算法在解码质量降低了约0.73dB的情况下，编码速度均优于上述算法；文献[6]提出的编码算法将原始图像的近似图像进行改进，虽然提高了图像解码质量，但影响了编码时间；文献[7]在此基础上提出预测解码质量的编码算法，在编码过程中减少了约1/3的计算量，但预测算法提高了算法复杂度；文献[8]将蚁群算法应用于分形图像编码算法中，虽然减少了编码时间，但大大增加了算法复杂度。

针对上述算法虽然加快了编码时间但降低了解码质量以及图像特征提取过程中算法复杂等问题，本文提出基于HV分割的快速分形图像编码算法，具体包括两大策略：

（1）HV分割方案改进。提出条件限制策略约束R块分割方向及位置，降低分割块数，提高图像自适应性能，并加快分形码提取速度。

（2）局部码本匹配策略。寻找分割块的最优匹配时采用局部码本，降低匹配时间，提取更符合图像特征的分形码，从而在保证解码质量的前提下提高编码效率。

3实验结果及分析

为验证本文算法效果，对ORL人脸库中的图像进行实验和分析。ORL人脸库包括400幅人脸图像，来自不同年龄、不同性别和不同种族的40个人，每个人10幅图像。所有图像均为8位灰度图，大小为256*256。最初分割大小为32*32像素。实验硬件环境为双核CPU，4G内存的计算机，使用VS2015对提出的算法进行编程实现。本文在编码效率、解码质量两个方面进行对比测试，将本文提出的算法与四叉树分割的分形算法、无限制策略的HV分割的分形算法进行比较分析。

（1）编码效率测试。为验证本文算法的编码效率，对ORL图库中的400幅人脸图像进行编码，设定阈值Ppre=20，最小分割尺寸为2*2，计算得出的平均编码时间如图4所示。本文提出的带限制策略的HV分割算法相对于四叉树分割算法，平均编码时间提高了45%左右，相对于无策略的HV分割算法提高了7%左右。可以看出，本文提出的带策略的HV分割算法，对图像的适应性更强，分块更少，编码优势较大。

图43种算法平均编码时间

（2）解码效果测试。重构图像质量由峰值信噪比（PSNR）度量，PSNR值越大，图像失真越小，在图像相似度匹配时准确率越高。从ORL人脸库中随机抽取50张不同的图像利用本文方法进行10次迭代解码，得到平均PSNR值随迭代次数的变化曲线如图5所示。本算法的PSNR曲线图优于文献[10]中基于四叉树分割的分形算法的PSNR曲线图，由此说明，该算法能够在快速编码的同时，保证图像解码质量。

图5PSNR曲线

4结语

本文提出了一种基于HV分割的快速图像编码算法，算法首先将分割位置限制在中部区域，避免了分割块长宽比例过大影响图像特征提取的情况。采用局部码本策略，将匹配块固定在正包R块的位置，大大减少了匹配时间。在ORL人脸库上的实验表明，本算法在编码速度上相对于四叉树分形编码算法和基本HV分形编码算法分别提高了45%和7%。与现有方法相比，该方法减少了分割块数，在保证解码质量的前提下提高了编码效率。

参考文献参考文献：

[1]刘维胜，高占国，李力.分形图像编码的快速算法[J].计算机工程与应用，2009，45（9）：182185.

[2]李高平.三均值特征的快速分形图像编码算法[J].中国图象图形学报，2011，16（1）：17.

[3]张爱华，盛飞，杨培，等.基于相似比的快速分形编码算法[J].计算机技术与发展，2012，22（11）：176178.

[4]袁宗文，鲁业频，杨汉生.可选特征的快速分形图像编码[J].中国图象图形学报，2015，20（2）：177182.

[5]李高平，刘莉.图像子块特征匹配的快速分形编码算法[J].计算机工程与应用，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]张思思，刘宇，赵志滨.一种基于相邻匹配的分形图像检索算法[J].计算机科学，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.

责任编辑（责任编辑：孙娟）endprint