王怀光，张培林，张云强，任国全

(军械工程学院，河北 石家庄 050003)

随着图像采集和计算机技术的快速发展，图像数据广泛用于机械故障诊断和状态监测。目前故障诊断与状态监测的发展方向是智能化、系统化、网络化和高速化，如何将大量图像数据进行存储和传输成为亟待解决的“瓶颈”问题[1]。因此，为了使采集的图像能够实时连续传输，并减小数据存储空间，对图像进行数据压缩非常必要。

图像压缩的目的是通过一定的方式或手段用比原图像少的数据来代替原始图像信息。图像压缩可分为有损压缩和无损压缩两类。无损压缩利用数据的统计冗余进行压缩，可完全恢复图像而不引起任何失真，但压缩比有限。有损压缩利用人类视觉对图像中的某些频率成分不敏感的特性，允许压缩过程损失一定的信息，从而获得较大的压缩比，如离散余弦变换和小波变换等[2]。在有损压缩算法中，小波变换压缩算法效果较好，应用领域最为广泛。然而二维小波是一维小波的张量积，只有有限个方向，不能很好地表达图像中的曲线奇异性特征[3]，从而导致压缩后的图像边缘和纹理可能出现明显失真。奇异值分解(SVD)是一种简单的矩阵变换方法。文献[4]和文献[5]将SVD分别应用于储粮害虫和遥感图像压缩，取得了较好的压缩效果。SVD压缩具有图像重建误差小，无方块效应，以及计算复杂度和压缩比有较好的折中等优点。另外，图像的奇异向量构成的矩阵没有明显的曲线奇异性特征，如果进行小波变换压缩，可以避免小波变换在图像压缩方面的不足。……