基于低速率链路的图像感兴趣区压缩研究*

罗 航 许 彩 江忠英

(1.海军驻景德镇地区航空军事代表室 景德镇 333002)(2.海军驻武汉七一九所军事代表室 武汉 430205)



基于低速率链路的图像感兴趣区压缩研究*

罗 航1许 彩2江忠英1

(1.海军驻景德镇地区航空军事代表室 景德镇 333002)(2.海军驻武汉七一九所军事代表室 武汉 430205)

论文采用基于提升小波的改进SPIHT算法对图像压缩传输进行论证研究,得出在低数据链路条件下,压缩/解压缩之后的图像会发生严重的失真。为了提高目标的可识别性,提出了对图像进行基于感兴趣区压缩传输。经过分析和对比实验后得出基于Maxshift方法的感兴趣区编码方法最优,具有一定的应用潜力和实际价值。

直升机; 感兴趣区; 作战仿真

Class Number TN911

1 引言

随着科技不断进步,信息获取手段不断增多。利用战术数据链无缝链接,将高空侦察机、无人机、预警机等信息获取系统形成了一个不同高度、不同层次的立体信息侦察网。战场态势信息不再是以单纯的目标信息为主,而是以多频谱图像(静止或视频图像、雷达成像、红外图像)信息等为主,信息量大;而战术数据链,经过几十年的发展仍有相当一部分属于低速率数据链路,如果用其进行传输,必然造成很大的时间延迟。若能将可能存在目标的感兴趣区域(Region of Interest,ROI)与背景区域分别进行压缩编码,既能较好地保留感兴趣区域中的目标信息,又能提高压缩比,并且能降低编码运算的复杂度。因此需要在保证实时性的基础上开展基于低速率数据链路感兴趣图像压缩方法研究。

现阶段的感兴趣区域编码技术研究主要基于小波变换,利用小波多分辨率的属性,对编码方式进行改进。目前,基于感兴趣区的图像压缩研究中,小波系数的编码方法又主要集中在SPIHT和EBCOT两种算法上。文献[1～2]将小波变换、位平面提升法与SPIHT算法相结合,提出了一种基于SPIHT算法的感兴趣区域图像压缩的编码方案,取得了较好的效果。本文进行了基于低速率链路整幅图像压缩传输论证和感兴趣区编码问题的研究。

2 提升小波的改进SPIHT压缩算法

2.1 基于S+P小波变换

传统的小波变换产生的都是浮点数,在进行图像量化编码时就会产生误差,而且浮点数运算所需要的计算机内存也很大。另外,在进行DWT时,不可避免地遇到边界延拓问题,这势必造成数据的增加,变换后数据的长度会超过原信号的数据长度。在此背景下,由Sweldens提出一种基于空间域的小波构造方法-提升方法(lifting scheme)[3],提升的实现形式给出了小波完全的空间域解释,它具有优良的特性:结构简单、运算量低、原位运算、节省存储空间、逆变换可直接反转实现,以及可逆的整数到整数变换,便于实现。其提升变换过程如图1所示。

图1 提升小波变换过程

2.2 基于状态位图的SPIHT压缩算法

基于小波变换的SPIHT图像压缩算法是目前公认性能较好的一种实用高性能图像压缩编码算法,但原始的SPIHT算法中又忽略了基于同频带内相邻小波系数值往往相近的兄弟相关性以及当排序扫描过程利用集合链表LIP和LIS确定小波系数重要性时,仅有一小部分比特用于编码重要信息的两大缺点。由于篇幅限制,这里仅列出改进的算法,做出改进部分如下:

1) 进行兄弟相关性的假设

在父节点系数值一般大于子节点系数值的同时,兄弟节点系数值又往往相近,这种由树结构体现的父子相关性和兄弟相关性是小波变换域内的两种主要相关性。现提出一假设,即在最低频子带中一个系数相对于门限T是不重要的,则其邻近的系数相对于门限T也是不重要的。

2) 重新定义零树结构

SPIHT算法中LL_N是没有子结点的,继续沿用SPIHT算法关于C(i,j)、D(i,j)和L(i,j)的定义,而在改进零树结构中,所有具有直接后继节点(i,j)的子集合O(i,j)定义如下:

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

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

3) 引入状态位图的思想[4]

采用位图FC、FD来分别表示系数C(i,j)和集合D(i,j)的重要性,同时增加了位图FL来控制当前门限下子集是否进行编码。如果FL(i,j)=0,则D(i,j)或L(i,j)必须进行重要性判断;如果FL(i,j)=1,表示D(i,j)和L(i,j)不必进行重要性判断或已经在前一个门限判断过了。位图FC(i,j)的大小与原图像大小相同,而FD、FL的大小仅为原图像大小的1/4,即图像一级分解LL_1的区域。则改进的提升SPIHT算法流程为:

Step2:对系数C(0,0)编码,如果FC(0,0)=1,输出C(0,0)的第n个比特位;否则输Sn(C(0,0)),如果Sn(C(0,0))=1,那么输出C(0,0)的符号位,并置FC(0,0)=1;

Step3:扫描FD,如果FD(i,j)=1,则对每个(k,l)∈O(i,j),如果FC(k,l)=1,输出C(k,l)的第n个比特位;否则输出Sn(C(k,l)),如果Sn(C(k,l))=1,输出C(k,l)的符号位,并置FC(k,l)=1;

Step4:扫描FL,如果FL(i,j)=0且FD(i,j)=O,则输出Sn(D(i,j));如果Sn(D(i,j))=1,首先,对每个(k,l)∈O(i,j),输出Sn(C(k,l));如果Sn(C(k,l))=1,输出C(k,l)的符号位并置FC(k,l)=1,然后判断L(i,j),若是空集,置FL(i,j)=1,否则输出Sn(L(i,j));如果Sn(L(i,j))=1,对每个(k,l)∈O(i,j),置FL(i,j)=0;

Step5:更新量化步长;并转Step2。

3 低速率链路整幅图像压缩传输论证

对于目前成熟可用的数据链而言,传输速率一般为2400bps、4800bps、9600bps,而一幅典型的红外导引头图像至少为几百K,设分辨率为320×240,8位灰度,那么一幅图像容量为614K。若考虑在低速率链路条件下,传输图像的实时性,即使每秒只传一幅图像,压缩位率也需要0.015625bpp。若传输多幅图像,压缩位率还要更低,压缩位率为0.008是相对符合数据链实际情况的压缩位率。现以1000m舰船红外图像(768×576)和红外飞机图像(256×200)为研究对象,分别基于SPIHT算法、改进的SPIHT算法进行低速率链路整图压缩传输论证实验,压缩位率分别选取1.0、0.25、0.0625、0.008。实验过程中,直接将图像3级小波分解后,进行简单传输并进行图像重构。这里选择峰值信噪比PSNR为比较参数,衡量两种算法在不同压缩位率的性能,PSNR实验数据如表1所示。在压缩位率为0.0625、0.008情况下,整图压缩/传输/重构时间数据如表2所示。在压缩位率为0.008情况下,重构图像效果如图2所示。

表1 两种图像压缩算法峰值信噪比分析

图2 在压缩位率为0.008bpp条件下压缩重构图像

压缩位率(bpp)1000舰船红外图像飞机红外图像压缩时间传输时间重构时间压缩时间传输时间重构时间0．06250．646523．040．15230．33612．670．13960．0080．56762．94870．15270．31990．34280．1372

从表1实验数据可以看出,针对不同实验对象,在不同的比特率下改进的SPIHT算法比原始的SPIHT算法在PSNR上均有明显的提高。表2中反映出改进的SPIHT算法的编码/传输/重构时间都比原始SPIHT算法所用时间少,尤其在低压缩位率下表现更为明显。然而其在低压缩位率条件下(如0.008)进行整图压缩后,重构的图像已完全损失了信息的可读性。基于感兴趣区域的图像压缩编码技术,是一种能对一幅图像的不同部分实现不同强度压缩的新兴技术,由于它能在不丢失重要信息的同时有效压缩数据量,具有很大的应用潜力和实际价值。

4 基于感兴趣区域的图像压缩编码

ROI编码(感兴趣区域编码)就是JPEG2000支持的新特性之一。JPEG2000允许用户在图像上自定义ROI图像区域,并对这些区域的图像数据实现优先、优质的编码处理。具体流程如图3所示。

图3 JPEG2000编解码流程

4.1 Maxshift方法

Maxshift[5～7]方法是JPEG2000 Part Ⅰ所采用的ROI编码方法。适当改进后的关键步骤如下:

Step1:ROI掩模计算。ROI掩模实际上是一个比特面,它指示出了所有恢复感兴趣区域的小波系数,其定义为

(1)

Step2:ROI编码。由于精度限制,考虑到放大小波系数可能会导致溢出,一般采用按比例缩小背景区域系数来代替原来的按比例增大ROI系数。这种方法有时会丢失背景中不太重要的位平面,但是ROI在该图像中却得到了较好的保留,并且得到了优先的处理。其步骤为:

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为背景区域所有小波系数的最大值。使用S值提升后,将属于ROI的小波系数置于比所有属于背景的小波系数更高的位平面上,最小的ROI非零系数也大于最大的背景区域系数。

3) 给子带内各个小波系数|qb(u,v)|增加S个低位位平面。此时,表示系数大小的总位平面数为

(3)

其中,Mb为表示小波系数大小所必须的位平面数。通过增加S个低位位平面的提升操作而改变的系数值可以由下式给出:

|qb(u,v)|=|qb(u,v)|·2S

(4)

4) 根据按比例缩小ROI掩模M(x,y)指示的所有背景区域系数,即:

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

(5)

5) 将值S写入码流内。执行完这五个步骤后,用通常的方法对量化子带系数进行熵编码。在缩小背景区域系数的操作后,增加的编码比特面个数与最大位移法的平移因子相同。

Step3:ROI解码。按以下步骤进行:

1) 从码流中获得平移因子S;

2) 设变换系数大小的位数为Nb(u,v)。此时,如果Nb(u,v)

(1)丢弃初始的S个MSB,对i=1,…,Mb,按式(6)将其余MSB按比例缩小到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兴趣区域编码

基于率失真斜率提升的感兴趣区域编码方法不需要给解码器传送ROI掩模信息,而且还可以灵活控制感兴趣区域和背景区域的相对解码质量,能够避免在位平面提升中需要增加位平面数来表示图像信息的不足,近年来逐渐引起了人们的重视。率失真斜率是EBCOT算法的主要依据,其定义为[8～9]

(8)

(9)

其中:

(10)

(11)

(12)

现在需要找到集合{zi},使得满足L≤Lmax时D最小。解决这种条件极值问题可以通过Lagrange算法来解决,对于某个λ>0,设{zi,λ}为使式(14)最小的任意截断点集合。容易看出,不增加长度L:

(13)

(14)

4.3 极低压缩位率情况下ROI编码方法的选择

为了研究上述两种ROI编码方法在极低压缩位率情况下性能,进行相应的对比实验。实验对象选择900m处舰艇的红外图像(图像大小为768×576,如图4(a),图4(b)是对其定义的感兴趣区域,图5(a)、5(b)是分别运用Maxshift方法和率失真斜率最大提升方法,在压缩位率为0.009bpp时对图像感兴趣区域进行压缩重构的结果。小波变换采用的小波基为bior4.4。从这两幅图可以明显看出采用率失真斜率提升方法时的感兴趣区域扩大化效果。

图4 红外舰艇及对应的ROI区域

图5 ROI感兴趣区压缩重构效果

为了比较Maxshift和率失真斜率最大提升这两种ROI编码方法在极低压缩位率条件下的性能,分别用距离400m、900m、1400m、2500m处的军舰红外图像作为测试图像,图像大小为768×576。在Maxshift方法中,码块大小为64×64;为了控制率失真斜率提升方法中的感兴趣区扩大效果,将该方法的码块大小取为16×16。两种方法都在JPEG2000的框架下实现,采用三级小波变换,小波基选择bior4.4,压缩位率从0.005bpp～0.1bpp以0.005bpp的步长变化,每一幅测试图像在两种ROI编码方法下得到的PSNR-rate对比图如图6～图9所示。

图6 比较结果1(400m)

在给出的四幅测试图像中,距离越小目标占据图像的相对面积就越大。从图5～图8的结果可以得到以下结论:1)无论是采用Maxshift方法还是采用率失真斜率提升的方法,在给定压缩位率的条件下,ROI面积越小图像恢复质量越好;2)无论是大目标还是小目标,在相同的压缩位率下,Maxshift方法都能得到比率失真斜率提升方法更高的图像恢复质量,目标较小时尤其明显。从上面的结论可以看出,在极低压缩位率条件下,基于Maxshift方法的感兴趣区域编码方法是最优的。

图7 比较结果2(900m)

图8 比较结果3(1400m)

图9 比较结果4(2500m)

5 结语

本文在低数据链路条件下,通过基于提升小波的改进SPIHT算法对整幅图压缩传输论证研究,说明了在低压缩位率条件下通过整图压缩/解压缩之后的图像会发生严重的失真。为了提高目标的可识别性,提出了对图像进行基于感兴趣区压缩传输。经过分析和对比实验后得出基于Maxshift方法的感兴趣区域编码方法最优,具有一定的应用潜力和实际价值。

[1] 张烨.静态图像的感兴趣区域压缩编码研究[D].苏州:苏州大学学位论文,2003:5-50.

[2] 李晓飞,马大玮,等.一种基于SPIHT算法的感兴趣区域编码新方法[J].计算机应用研究,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图像压缩基础、标准和实践[M].魏江力,柏正尧,等译.北京:电子工业出版社,2004:307-311.

[6] 朱向军,朱善安.基于小波变换的嵌入式图像编码算法综述[J].信号处理,2004,20(1):54-58.

[7] 邓家先,吴成柯,等.基于率失真斜率提升感兴趣区域编码[J].西安电子科技大学学报(自然科学版),2004,31(2):205-208.

[8] 肖江,邓家先,吴成柯,等.一种支持干涉多光谱图像ROI的压缩编码方法[J].光学学报,2003,32(4):481-484.

[9] 周有喜,吴成柯,等.自适应率失真跟踪ROI编码方法[J].系统工程与电子技术,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

罗航,男,助理工程师,研究方向:航空机械。许彩,女,助理工程师,研究方向:惯性技术及应用。江忠英,男,助理工程师,研究方向:航空特设。

TN911

10.3969/j.issn.1672-9730.2015.09.026