一种基于支持向量机的小波图像压缩方法

摘要：

提出了一种结合支持向量机(SVM,Support Vector Machines)回归与小波变换的新的静态图像压缩方法.SVM回归方法可以学习原始数据之间的相关性,并采用小部分训练样本,即支持向量来稀疏表示原始数据集,利用这一特性来逼近和约减小波系数,可以达到数据压缩的效果.首先采用小波变换把原始图像分解成不同尺度的多个子带,由于最低频子带系数非常重要,采用DPCM直接编码,然后对其它频带系数采用SVM回归进行压缩.由于不同尺度和方向的小波系数特征不同,为尽可能去除小波系数间的各种相关性,给出了适合SVM回归的小波系数的有效组织方式.最后研究了支持向量及其相应权重的混合编码方法.实验结果表明:与同类压缩方法相比,本算法获得的恢复图像的主客观质量有明显提高.

关键词：图像压缩、支持向量机、小波变换、熵编码

所属期刊栏目：32

分类号：TP391.41(计算技术、计算机技术)

资助基金：应用基础研究项目;新世纪优秀人才支持计划

在线出版日期：2006-06-14（万方平台首次上网日期，不代表论文的发表时间）

页数：共5页

页码：598-602