科创中国

本发明公开了一种基于直线扩展收缩模式的图像缩放方法，其包括如下步骤：步骤一、对于由图像像素组成的原始图像矩阵采用Linearlization或OptimalPLR压缩方法逐行进行压缩处理获得线段分割形式；步骤二、在放大或缩小倍数下，通过Policy I或Policy II策略实现拉长线段，通过重新采样实现缩短线段，获得在行上的放大或缩小图像；步骤三、对步骤二中行放大的数据，采用步骤二逐列进行放大处理，达到在列上的放大图像，得到整体放大的图像；或对步骤二中行缩小的数据，采用步骤二逐列进行缩短处理，达到在列上的缩小图像，得到整体缩小的图像。本发明直接基于PLA压缩数据的图像缩放技术，不仅可针对静态图像数据，而且可针对动态数据流的图像数据进行压缩，速度快，占用内存小。

一种基于直线扩展收缩模式的图像缩放方法，其特征在于:其采用如下步骤： 步骤一、对于由图像像素组成的原始图像矩阵⑴采用Linearlization或OptimalPLR 压缩方法逐行进行压缩处理从而获得线段分割形式，所述线段分割形式即为压缩后的数 据;假设原始图像矩阵⑴如下：其中，imn为原始图像矩阵中第m行第η列的像素值； 单行数据表示为Ii= Uii, ii2,…，iin}，i是表示第i行的角标，将Ii看作时间序列的数 值，时间序列，其中k=l，2,…，η; 通过Linear lizat ion或OptimalPLR压缩方法对时间序列SI进行压缩，得到压缩结果序 列Sc; 步骤二、在相应的放大或缩小倍数下，通过Policy I或Policy II策略来实现拉长线 段，通过重新采样实现缩短线段，以获得在行方向上的放大或缩小图像； 步骤三、对步骤二中行方向放大的数据，采用步骤二的过程逐列进行放大处理，达到在 列上的放大图像，从而得到整体放大的图像;或者，对步骤二中行方向缩小的数据，采用步 骤二的过程逐列进行缩小处理，达到在列上的缩小图像，从而得到整体缩小的图像。

图像缩放是指对原始图像进行放大或者缩小的操作。实际上，图像放大是对原始图像像素的扩充，而图像缩小是对原始图像像素的删减。性能卓越的图像缩放方法要在保证缩放后图像质量的前提下尽可能的快速,并要同时防止图像缩小操作造成的走样现象。事实上，图像的缩放问题可以转化为优化问题，并采用机器学习技术加以解决，其输出的图像结果可以有效的避免走样、过度平滑等现象。然而，机器学习算法均为多项式级的时间复杂度，故难以保证缩放的时间消耗。基于重采样插值技术，譬如bilinear、bicubic、boxsampling等，具有线性的时间复杂度，但在保证输出图像质量方面有所欠缺。图像压缩技术可以大幅度的减少图像的存储，更为重要的是压缩后的数据是对原始像素信息的知识表示转换，这种转换的数据有利于后期的图像处理。目前已经存在大量的图像压缩技术，包括离散小波变换、符号映射、直方图、分段线性拟合(pla)等。因为pla具有简单性和直观性，所以该方法一直被广泛使用。分段线性拟合(pla)将原始的像素点表示成线段的形式(连续的、非连续的以及半连续的)，这可以高效的处理和近似原始数据。从现有的文献看，大部分的早期技术，先设定固定的分段表示数量(或均方误差)，通过极小化重构像素和原始像素的均方误差(或者分段表示数量)，来达到压缩的目的。但是，均方误差的度量标准(l2norm)并不能保证恢复后的像素在可控的误差范围之内，这一缺点限制了基于该度量的压缩技术在很多领域的应用。针对该问题，近期基于最大误差标准(maximum-error)的众多压缩技术被提出。

河北省科学院成立于1978年，是河北省政府直属的综合性自然科学研究与技术开发机构，全院占地13.8万m2，建筑面积8.3万m2，总资产1.76亿元，固定资产1.29亿元。院机关设有8个处室，下辖地理科学研究所、应用数学研究所、生物研究所、能源研究所、自动化研究所、激光研究所、微生物研究所和机电一体化中试基地（机电研究所）等8个研究开发单位。全院共有职工700余人，专业技术人员530余人，高级职称人员170余人，博士31人，硕士98人，博士生导师14人，硕士生导师18人，享受国务院特殊津贴专家2人，享受河北省政府特殊津贴专家10人，河北省“百人计划”（省政府特聘专家）2人，入选河北省“三三三人才工程”第二层次人选15人、第三层次人选41人。 近年来，省科学院先后承担了“863”、“973”等国家、省部级重点项目和基金课题430余项，取得各类科研成果 1480余项，获省部级以上奖励697项，授权发明专利100项、软件著作权85项。

这些缩放方法往往在图像局部信息损失和时间消耗两个方面进行折中处理。具体来说，在2013年的综述分析《performanceevaluationofedge-directedinterpolationmethodsfornoise-freeimages》中，dcci(directionalcubicconvolutioninterpolation定向立方卷积插值)方法《imagezoomingusingdirectionalcubicconvolutioninterpolation》具有较好的应用效果，此可从实验上的峰值信噪比(psnr)和结构相似性度量(ssim)的评分得出。

《fastdigitalzoomingsystemusingdirectionallyadaptiveimageinterpolationandrestoration》的方法类似于《imagezoomingusingdirectionalcubicconvolutioninterpolation》，时间上的消耗更少。《content-adaptiveimagedownscaling》中提出一种过滤方法根据图像内容调节核滤波器以取得较好的图像质量，而《rapid,detail-preservingimagedownscaling》使用卷积滤波器来进行图像缩小。

《perceptuallybaseddownscalingofimages》中以结构相似度度量为目标来优化得到缩小的图像。《imageinterpolationviacollagingitsnon-localpatches》中提出一种空间插值方法，通过拼接低分辨率的子图来重构形成高分辨率结果。相比于其他结构化的空间表示方法《optimizedimageresizingusingseamcarvingandscaling》和《singleimageinterpolationviaadaptivenonlocalsparsity-basedmodeling》，该方法非常高效，并且不需要求解复杂的优化问题。近期基于事例和基于学习的方法被验证具有高效性，因为对于图像的细节部分可以进行精确的重构。

根据权利要求1所述的一种基于直线扩展收缩模式的图像缩放方法，其特征在于:所 述步骤一中，通过Linear lizat ion或OptimalPLR压缩方法对时间序列SI进行压缩，得到压 缩结果序列Sc，其中，利用OptimalPLR压缩方法具体如下： 指定一个最大误差 5，SI= {(l，iii)，（2，ii2)，···，（k，iik)，···，（n，iin)}从第一个点（1， in)开始，其中/<=1,2…，；?，每一点在纵坐标上加或减最大误差δ，利用两个点（IJ11-S)， (2, ii2+S)构成最大直线Lmax，利用两个点（1，iil+δ)，（2, ii2-S)构成最小直线Lmin，然后进行 两种判断:其一、判断第三个点（3，il3)所对应的两个点（3，ίι3+δ)，（3，ίι3-δ)组成的线段是 否包含在最大直线Lmax和最小直线Lmin相交组成的夹角空间中；其二、判断第三个点（3，ii3) 所对应的两个点（3, ίι3+δ)，（3, ίι3-δ)组成的线段是否相交于最大直线Lmax或相交于最小直 线Lmin，如果上述两种判断中任一种成立是，说明存在一条直线使得当前处理过的点（1， in)，（2, il2)，（3, il3)在δ的误差限定内，则按照下述公式(2)更新最大直线Lmax和最小直线 Lmin的斜率：

其中，Lmin [ I，k+1 ]、Lmax [ I，k+1 ]表示判断第k个点(k，i ik)成立是时的Lmir^PLmax的斜率； q和w遍历[I，k]区间内的所有整数值，且Kq〈w

结 束； 经过上述压缩过程，得到对每一行的压缩结果序列Sc= {ci，C2,…，Ci，…cP}，其中p