基于皮尔逊相关系数与核密度估计的低秩稀疏分形图像压缩算法

摘要

分形图像压缩算法具有较高压缩比，但存在压缩时间长和重构图像质量不高的问题。为解决以上问题，提出一种基于皮尔逊相关系数与核密度估计的低秩稀疏分形图像压缩算法。该算法提取R块(值域块)和D块(定义域块)的皮尔逊相关系数作为特征量，并对提取的皮尔逊相关系数特征量进行最优带宽核密度估计，再利用分形图像编码的低秩稀疏分解实现R块和D块的匹配。将本文算法分别与基本分形编码(basic fractal image coding, BFIC)、稀疏分形图像压缩算法(sparse fractal image coding, SFIC)、双层非负矩阵分解算法(double-layer non-negative matrix factorization, DLNMF)和正交稀疏分形编码算法(orthogonal sparse fractal coding, OSFC)进行比较，实验结果表明，图像的重构质量和编码速度都得到了提高，减少了图像的存储空间和传输带宽，重构后能够保持图像细节，在医疗图像、媒体数据传输、遥感监测等工程领域有较好的应用前景。

关键词

图像压缩 / 分形编码 / 皮尔逊相关系数 / 核密度估计