基于低速率鏈路的圖像感興趣區壓縮研究*

羅 航 許 彩 江忠英

(1.海軍駐景德鎮地區航空軍事代表室 景德鎮 333002)(2.海軍駐武漢七一九所軍事代表室 武漢 430205)

?

基于低速率鏈路的圖像感興趣區壓縮研究*

羅 航1許 彩2江忠英1

(1.海軍駐景德鎮地區航空軍事代表室 景德鎮 333002)(2.海軍駐武漢七一九所軍事代表室 武漢 430205)

論文采用基于提升小波的改進SPIHT算法對圖像壓縮傳輸進行論證研究,得出在低數據鏈路條件下,壓縮/解壓縮之后的圖像會發生嚴重的失真。為了提高目標的可識別性,提出了對圖像進行基于感興趣區壓縮傳輸。經過分析和對比實驗后得出基于Maxshift方法的感興趣區編碼方法最優,具有一定的應用潛力和實際價值。

直升機; 感興趣區; 作戰仿真

Class Number TN911

1 引言

隨著科技不斷進步,信息獲取手段不斷增多。利用戰術數據鏈無縫鏈接,將高空偵察機、無人機、預警機等信息獲取系統形成了一個不同高度、不同層次的立體信息偵察網。戰場態勢信息不再是以單純的目標信息為主,而是以多頻譜圖像(靜止或視頻圖像、雷達成像、紅外圖像)信息等為主,信息量大;而戰術數據鏈,經過幾十年的發展仍有相當一部分屬于低速率數據鏈路,如果用其進行傳輸,必然造成很大的時間延遲。若能將可能存在目標的感興趣區域(Region of Interest,ROI)與背景區域分別進行壓縮編碼,既能較好地保留感興趣區域中的目標信息,又能提高壓縮比,并且能降低編碼運算的復雜度。因此需要在保證實時性的基礎上開展基于低速率數據鏈路感興趣圖像壓縮方法研究。

現階段的感興趣區域編碼技術研究主要基于小波變換,利用小波多分辨率的屬性,對編碼方式進行改進。目前,基于感興趣區的圖像壓縮研究中,小波系數的編碼方法又主要集中在SPIHT和EBCOT兩種算法上。文獻[1～2]將小波變換、位平面提升法與SPIHT算法相結合,提出了一種基于SPIHT算法的感興趣區域圖像壓縮的編碼方案,取得了較好的效果。本文進行了基于低速率鏈路整幅圖像壓縮傳輸論證和感興趣區編碼問題的研究。

2 提升小波的改進SPIHT壓縮算法

2.1 基于S+P小波變換

傳統的小波變換產生的都是浮點數,在進行圖像量化編碼時就會產生誤差,而且浮點數運算所需要的計算機內存也很大。另外,在進行DWT時,不可避免地遇到邊界延拓問題,這勢必造成數據的增加,變換后數據的長度會超過原信號的數據長度。在此背景下,由Sweldens提出一種基于空間域的小波構造方法-提升方法(lifting scheme)[3],提升的實現形式給出了小波完全的空間域解釋,它具有優良的特性:結構簡單、運算量低、原位運算、節省存儲空間、逆變換可直接反轉實現,以及可逆的整數到整數變換,便于實現。其提升變換過程如圖1所示。

圖1 提升小波變換過程

2.2 基于狀態位圖的SPIHT壓縮算法

基于小波變換的SPIHT圖像壓縮算法是目前公認性能較好的一種實用高性能圖像壓縮編碼算法,但原始的SPIHT算法中又忽略了基于同頻帶內相鄰小波系數值往往相近的兄弟相關性以及當排序掃描過程利用集合鏈表LIP和LIS確定小波系數重要性時,僅有一小部分比特用于編碼重要信息的兩大缺點。由于篇幅限制,這里僅列出改進的算法,做出改進部分如下:

1) 進行兄弟相關性的假設

在父節點系數值一般大于子節點系數值的同時,兄弟節點系數值又往往相近,這種由樹結構體現的父子相關性和兄弟相關性是小波變換域內的兩種主要相關性。現提出一假設,即在最低頻子帶中一個系數相對于門限T是不重要的,則其鄰近的系數相對于門限T也是不重要的。

2) 重新定義零樹結構

SPIHT算法中LL_N是沒有子結點的,繼續沿用SPIHT算法關于C(i,j)、D(i,j)和L(i,j)的定義,而在改進零樹結構中,所有具有直接后繼節點(i,j)的子集合O(i,j)定義如下:

若(i,j)=C(0,0),則O(i,j)={(0,1)(1,0),(1,1)};

若(i,j)≠C(0,0),則O(i,j)={(2i,2j),(2i,2j+1),(2i+1,2j),(2i+1,2j+1)}。

3) 引入狀態位圖的思想[4]

采用位圖FC、FD來分別表示系數C(i,j)和集合D(i,j)的重要性,同時增加了位圖FL來控制當前門限下子集是否進行編碼。如果FL(i,j)=0,則D(i,j)或L(i,j)必須進行重要性判斷;如果FL(i,j)=1,表示D(i,j)和L(i,j)不必進行重要性判斷或已經在前一個門限判斷過了。位圖FC(i,j)的大小與原圖像大小相同,而FD、FL的大小僅為原圖像大小的1/4,即圖像一級分解LL_1的區域。則改進的提升SPIHT算法流程為:

Step2:對系數C(0,0)編碼,如果FC(0,0)=1,輸出C(0,0)的第n個比特位;否則輸Sn(C(0,0)),如果Sn(C(0,0))=1,那么輸出C(0,0)的符號位,并置FC(0,0)=1;

Step3:掃描FD,如果FD(i,j)=1,則對每個(k,l)∈O(i,j),如果FC(k,l)=1,輸出C(k,l)的第n個比特位;否則輸出Sn(C(k,l)),如果Sn(C(k,l))=1,輸出C(k,l)的符號位,并置FC(k,l)=1;

Step4:掃描FL,如果FL(i,j)=0且FD(i,j)=O,則輸出Sn(D(i,j));如果Sn(D(i,j))=1,首先,對每個(k,l)∈O(i,j),輸出Sn(C(k,l));如果Sn(C(k,l))=1,輸出C(k,l)的符號位并置FC(k,l)=1,然后判斷L(i,j),若是空集,置FL(i,j)=1,否則輸出Sn(L(i,j));如果Sn(L(i,j))=1,對每個(k,l)∈O(i,j),置FL(i,j)=0;

Step5:更新量化步長;并轉Step2。

3 低速率鏈路整幅圖像壓縮傳輸論證

對于目前成熟可用的數據鏈而言,傳輸速率一般為2400bps、4800bps、9600bps,而一幅典型的紅外導引頭圖像至少為幾百K,設分辨率為320×240,8位灰度,那么一幅圖像容量為614K。若考慮在低速率鏈路條件下,傳輸圖像的實時性,即使每秒只傳一幅圖像,壓縮位率也需要0.015625bpp。若傳輸多幅圖像,壓縮位率還要更低,壓縮位率為0.008是相對符合數據鏈實際情況的壓縮位率。現以1000m艦船紅外圖像(768×576)和紅外飛機圖像(256×200)為研究對象,分別基于SPIHT算法、改進的SPIHT算法進行低速率鏈路整圖壓縮傳輸論證實驗,壓縮位率分別選取1.0、0.25、0.0625、0.008。實驗過程中,直接將圖像3級小波分解后,進行簡單傳輸并進行圖像重構。這里選擇峰值信噪比PSNR為比較參數,衡量兩種算法在不同壓縮位率的性能,PSNR實驗數據如表1所示。在壓縮位率為0.0625、0.008情況下,整圖壓縮/傳輸/重構時間數據如表2所示。在壓縮位率為0.008情況下,重構圖像效果如圖2所示。

表1 兩種圖像壓縮算法峰值信噪比分析

圖2 在壓縮位率為0.008bpp條件下壓縮重構圖像

壓縮位率(bpp)1000艦船紅外圖像飛機紅外圖像壓縮時間傳輸時間重構時間壓縮時間傳輸時間重構時間0．06250．646523．040．15230．33612．670．13960．0080．56762．94870．15270．31990．34280．1372

從表1實驗數據可以看出,針對不同實驗對象,在不同的比特率下改進的SPIHT算法比原始的SPIHT算法在PSNR上均有明顯的提高。表2中反映出改進的SPIHT算法的編碼/傳輸/重構時間都比原始SPIHT算法所用時間少,尤其在低壓縮位率下表現更為明顯。然而其在低壓縮位率條件下(如0.008)進行整圖壓縮后,重構的圖像已完全損失了信息的可讀性。基于感興趣區域的圖像壓縮編碼技術,是一種能對一幅圖像的不同部分實現不同強度壓縮的新興技術,由于它能在不丟失重要信息的同時有效壓縮數據量,具有很大的應用潛力和實際價值。

4 基于感興趣區域的圖像壓縮編碼

ROI編碼(感興趣區域編碼)就是JPEG2000支持的新特性之一。JPEG2000允許用戶在圖像上自定義ROI圖像區域,并對這些區域的圖像數據實現優先、優質的編碼處理。具體流程如圖3所示。

圖3 JPEG2000編解碼流程

4.1 Maxshift方法

Maxshift[5～7]方法是JPEG2000 Part Ⅰ所采用的ROI編碼方法。適當改進后的關鍵步驟如下:

Step1:ROI掩模計算。ROI掩模實際上是一個比特面,它指示出了所有恢復感興趣區域的小波系數,其定義為

(1)

Step2:ROI編碼。由于精度限制,考慮到放大小波系數可能會導致溢出,一般采用按比例縮小背景區域系數來代替原來的按比例增大ROI系數。這種方法有時會丟失背景中不太重要的位平面,但是ROI在該圖像中卻得到了較好的保留,并且得到了優先的處理。其步驟為:

1) 按回溯法或衍生法生成掩模M(x,y);

2) 求平移因子

S≥|log2(Cmax)|

(2)

其中,Cmax為背景區域所有小波系數的最大值。使用S值提升后,將屬于ROI的小波系數置于比所有屬于背景的小波系數更高的位平面上,最小的ROI非零系數也大于最大的背景區域系數。

3) 給子帶內各個小波系數|qb(u,v)|增加S個低位位平面。此時,表示系數大小的總位平面數為

(3)

其中,Mb為表示小波系數大小所必須的位平面數。通過增加S個低位位平面的提升操作而改變的系數值可以由下式給出:

|qb(u,v)|=|qb(u,v)|·2S

(4)

4) 根據按比例縮小ROI掩模M(x,y)指示的所有背景區域系數,即:

|qb(u,v)|=|qb(u,v)|/2S

(5)

5) 將值S寫入碼流內。執行完這五個步驟后,用通常的方法對量化子帶系數進行熵編碼。在縮小背景區域系數的操作后,增加的編碼比特面個數與最大位移法的平移因子相同。

Step3:ROI解碼。按以下步驟進行:

1) 從碼流中獲得平移因子S;

2) 設變換系數大小的位數為Nb(u,v)。此時,如果Nb(u,v)

(1)丟棄初始的S個MSB,對i=1,…,Mb,按式(6)將其余MSB按比例縮小到S大小;

(6)

(2)按式(7)修正Nb(u,v)。

Nb(u,v)=max(0,Nb(u,v)-S)

(7)

4.2 基于率失真斜率提升的感興趣區域編碼

基于率失真斜率提升的感興趣區域編碼方法不需要給解碼器傳送ROI掩模信息,而且還可以靈活控制感興趣區域和背景區域的相對解碼質量,能夠避免在位平面提升中需要增加位平面數來表示圖像信息的不足,近年來逐漸引起了人們的重視。率失真斜率是EBCOT算法的主要依據,其定義為[8～9]

(8)

(9)

其中:

(10)

(11)

(12)

現在需要找到集合{zi},使得滿足L≤Lmax時D最小。解決這種條件極值問題可以通過Lagrange算法來解決,對于某個λ>0,設{zi,λ}為使式(14)最小的任意截斷點集合。容易看出,不增加長度L:

(13)

(14)

4.3 極低壓縮位率情況下ROI編碼方法的選擇

為了研究上述兩種ROI編碼方法在極低壓縮位率情況下性能,進行相應的對比實驗。實驗對象選擇900m處艦艇的紅外圖像(圖像大小為768×576,如圖4(a),圖4(b)是對其定義的感興趣區域,圖5(a)、5(b)是分別運用Maxshift方法和率失真斜率最大提升方法,在壓縮位率為0.009bpp時對圖像感興趣區域進行壓縮重構的結果。小波變換采用的小波基為bior4.4。從這兩幅圖可以明顯看出采用率失真斜率提升方法時的感興趣區域擴大化效果。

圖4 紅外艦艇及對應的ROI區域

圖5 ROI感興趣區壓縮重構效果

為了比較Maxshift和率失真斜率最大提升這兩種ROI編碼方法在極低壓縮位率條件下的性能,分別用距離400m、900m、1400m、2500m處的軍艦紅外圖像作為測試圖像,圖像大小為768×576。在Maxshift方法中,碼塊大小為64×64;為了控制率失真斜率提升方法中的感興趣區擴大效果,將該方法的碼塊大小取為16×16。兩種方法都在JPEG2000的框架下實現,采用三級小波變換,小波基選擇bior4.4,壓縮位率從0.005bpp～0.1bpp以0.005bpp的步長變化,每一幅測試圖像在兩種ROI編碼方法下得到的PSNR-rate對比圖如圖6～圖9所示。

圖6 比較結果1(400m)

在給出的四幅測試圖像中,距離越小目標占據圖像的相對面積就越大。從圖5～圖8的結果可以得到以下結論:1)無論是采用Maxshift方法還是采用率失真斜率提升的方法,在給定壓縮位率的條件下,ROI面積越小圖像恢復質量越好;2)無論是大目標還是小目標,在相同的壓縮位率下,Maxshift方法都能得到比率失真斜率提升方法更高的圖像恢復質量,目標較小時尤其明顯。從上面的結論可以看出,在極低壓縮位率條件下,基于Maxshift方法的感興趣區域編碼方法是最優的。

圖7 比較結果2(900m)

圖8 比較結果3(1400m)

圖9 比較結果4(2500m)

5 結語

本文在低數據鏈路條件下,通過基于提升小波的改進SPIHT算法對整幅圖壓縮傳輸論證研究,說明了在低壓縮位率條件下通過整圖壓縮/解壓縮之后的圖像會發生嚴重的失真。為了提高目標的可識別性,提出了對圖像進行基于感興趣區壓縮傳輸。經過分析和對比實驗后得出基于Maxshift方法的感興趣區域編碼方法最優,具有一定的應用潛力和實際價值。

[1] 張燁.靜態圖像的感興趣區域壓縮編碼研究[D].蘇州:蘇州大學學位論文,2003:5-50.

[2] 李曉飛,馬大瑋,等.一種基于SPIHT算法的感興趣區域編碼新方法[J].計算機應用研究,2007(2):189-191.

[3] Sweldens W. The lifting scheme: A custom-design construction of biorthogonal wavelets[J]. Appl. Comut. Harmon. Appl.,2006,3(2):186-200.

[4] Lin W K, Burgress N. Low memory color image zerotree coding[J]. Information, Decision and Control,2009(2):91-95.

[5] David S. Taubman, Michael W. Marcellin. JPEG2000圖像壓縮基礎、標準和實踐[M].魏江力,柏正堯,等譯.北京:電子工業出版社,2004:307-311.

[6] 朱向軍,朱善安.基于小波變換的嵌入式圖像編碼算法綜述[J].信號處理,2004,20(1):54-58.

[7] 鄧家先,吳成柯,等.基于率失真斜率提升感興趣區域編碼[J].西安電子科技大學學報(自然科學版),2004,31(2):205-208.

[8] 肖江,鄧家先,吳成柯,等.一種支持干涉多光譜圖像ROI的壓縮編碼方法[J].光學學報,2003,32(4):481-484.

[9] 周有喜,吳成柯,等.自適應率失真跟蹤ROI編碼方法[J].系統工程與電子技術,2006,28(7):1070-1073.

Research of Image Region of Interest Compression Based on the Low Rate Link

LUO Hang1XU Cai2JIANG Zhongying1

(1. Navy Representative Office of Jing Dezhen, Jingdezhen 333002) (2. Navy Representative Office in the 719th Research Institute, Wuhan 430205)

In this paper, image compression transmission is demonstrated by using the improved SPIHT algorithm which is based on super wavelet. It is concluded that under the condition of low speed links, after compression/decompression images are serious distorted. In order to improve target identification, the image transfer method based on region of interest compression is proposed. After analysis and experiment comparison it is concluded that the ROI coding method based on Maxshift is the most optimal and has certain application potential and practical value.

helicopter, region of interest, combat simulation

2015年3月5日,

2015年4月27日

羅航,男,助理工程師,研究方向:航空機械。許彩,女,助理工程師,研究方向:慣性技術及應用。江忠英,男,助理工程師,研究方向:航空特設。

TN911

10.3969/j.issn.1672-9730.2015.09.026