基于KPCA的图像压缩方法
2018-11-22蔡楠,李萍
蔡 楠,李 萍
(宁夏大学 物理与电子电气工程学院,宁夏 银川 750021)
0 引言
图像压缩是图像存储、处理和传输的基础,可以减轻图像存储和传输的负担,使图像在网络上实现快速传输和实时处理。图像具有庞大的数据量,在面对高维数据的处理中往往使得图像所包含的有用信息得不到有效的挖掘、提取和利用,因此有必要对图像数据进行压缩。
在图像压缩领域中存在大量的算法,其中文献[1]在介绍了基于DCT的图像压缩编码基础上对一种新的DCT系数分层传输的方法进行研究,通过分层压缩达到了较好的峰值信噪比;文献[2]提出了JPEG-HVS算法通过CSF生成了新的量化表,达到了高压缩比并且解码质量更好;文献[3]采用多级小波变换提高了图像压缩的时间;文献[4]采用主成分分析算法(Principal Component Analysis,PCA)通过提取图像的线性特征达到较好的压缩效果,但是在非线性特征提取上仍有很大的缺陷。为此,本文采用基于核的非线性特征提取算法——核主成分分析算法(Kernel Principal Component Analysis,KPCA)[5-6]。Scholkopf 等人最早将核方法思想应用于特征提取中,于1999年借鉴SVM 的核方法思想,将PCA拓展到非线性情形,提出了核主成分分析[7-8]。KPCA是PCA的改进算法,能够提取非线性特征,可以将原输入空间下线性不可分的数据映射至高维特征空间使其线性可分,从而实现了对非线性特征的提取[9]。通过实验仿真,表明KPCA在继承传统PCA优点的基础上弥补了PCA对非线性特征提取能力差的缺点。
1 KPCA原理
KPCA的基本原理是通过非线性映射φ将输入空间变换到高维特征空间使其线性可分,在高维特征空间下使用PCA完成特征提取[10]。……
