不規(guī)則區(qū)域圖像編碼綜述

1、收稿日期:2005-12-12;修訂日期:2006-03-09基金項(xiàng)目:國(guó)家自然科學(xué)基金資助項(xiàng)目(60572011;985特色項(xiàng)目計(jì)劃基金資助項(xiàng)目(LZ985-231-58262作者簡(jiǎn)介:馬義德(1963-,男,甘肅臨夏人,教授,博士生導(dǎo)師,主要研究方向:計(jì)算機(jī)應(yīng)用系統(tǒng)、生物醫(yī)學(xué)圖像處理、DSP 與信號(hào)處理;張北斗(1980-,男,江蘇徐州人,碩士研究生,主要研究方向:圖像處理、嵌入式系統(tǒng)設(shè)計(jì);齊春亮(1971-,男,天津人,碩士研究生,主要研究方向:圖像處理、神經(jīng)網(wǎng)絡(luò)等.文章編號(hào):1001-9081(200606-1351-03不規(guī)則區(qū)域圖像編碼綜述馬義德1,張北斗1,齊春亮1,2(1.蘭州

2、大學(xué)信息科學(xué)與工程學(xué)院,甘肅蘭州730000;2.中國(guó)酒泉衛(wèi)星發(fā)射中心,甘肅酒泉732750(yd malzu .edu .cn 摘要:將已有的各類(lèi)不規(guī)則區(qū)域編碼方法與傳統(tǒng)方法進(jìn)行比較,綜述了此領(lǐng)域已取得的成果,提出了自己特有的處理方法,并分析所面臨的難點(diǎn)與對(duì)策,最后進(jìn)行了展望。關(guān)鍵詞:圖像編碼;彩色編碼;不規(guī)則區(qū)域;脈沖耦合神經(jīng)網(wǎng)絡(luò)中圖分類(lèi)號(hào):TP391.41文獻(xiàn)標(biāo)識(shí)碼:ASummar i za ti on of i m age cod i n g ba sed on i rregul ar reg i onMA Yi 2de 1,Z HANG Bei 2dou 1,Q I Chun 2li

3、ang1,2(1.College of Infor m ation Science &Engineering,L anzhou U niversity,L anzhou Gansu 730000,China;2.China J iuquan Satellite L aunch Center ,J iuquan Gansu 732750,China Abstract:The irregular regi on i m age coding methods,as the ne wer ones in this field,have obvi ous potential of comp re

4、ssing regi ons of i m age,maintaining the i m age edges and textures,and enhancing the quality of the reconstructed i m age .After comparing these methods with the old ones,our techniques were p resented,and the difficulties confr onted were analyzed .I n the end,p r os pects were put for ward .Key

5、words:i m age coding;col or coding;irregular regi on;pulse 2coup led neural net w ork0引言“第一代”圖像編碼技術(shù)在去除圖像數(shù)據(jù)的線性相關(guān)性方面進(jìn)行了深入的研究,其出發(fā)點(diǎn)是消除圖像數(shù)據(jù)的統(tǒng)計(jì)冗余信息,如信息熵冗余、空間冗余等。行程編碼、霍夫曼編碼、算術(shù)編碼等便是其中杰出的經(jīng)典算法。目前為止,這類(lèi)技術(shù)已十分成熟,研究空間極其有限。1985年,Kunt 等人提出了利用人眼視覺(jué)特性發(fā)展“第二代”圖像編碼技術(shù);1988年,Barnsley M 提出基于迭代系統(tǒng)的分形圖像編碼技術(shù);1989年,Mallat S 首先將小波

6、變換用于多分辨率圖像的描述。第二代編碼技術(shù)不再局限于信息論的框架,而是要求充分利用人的視覺(jué)、生理、心理及圖像信源的各種特征,進(jìn)一步提高壓縮比。編碼時(shí)首先將圖像中諸如邊界、輪廓、紋理等結(jié)構(gòu)特征提取出來(lái)予以編碼,解碼時(shí)再根據(jù)結(jié)構(gòu)和參數(shù)信息進(jìn)行圖像重建,在獲得更高壓縮比的同時(shí)消除了JPEG 等方法存在的重建圖像失真,比如方塊效應(yīng)。傳統(tǒng)的方法很少考慮圖像的內(nèi)容含義及人眼視覺(jué)系統(tǒng)(HVS ,用規(guī)則的方塊分割處理后再編碼,因此容易導(dǎo)致高壓縮時(shí)出現(xiàn)嚴(yán)重的圖像失真?；诜指畹摹暗诙本幋a技術(shù)不再局限于簡(jiǎn)單的方塊編碼,其出發(fā)點(diǎn)是,先讓分割區(qū)域(或紋理與原始圖像對(duì)應(yīng)部分之間在視覺(jué)意義下最大地接近,然后再對(duì)這些區(qū)

7、域(紋理進(jìn)行編碼。當(dāng)然,這種突破常規(guī)的做法必然帶來(lái)處理上的問(wèn)題。比如,使用何種方案分割圖像,才能使分割簡(jiǎn)單且適用范圍廣泛;使用何種基函數(shù)壓縮圖像區(qū)域;如何定位分割出的圖像內(nèi)容等。本文綜述了人們?cè)谶@些方面的研究成果,同時(shí)提出了自己特有的處理思路和方法。1幾種區(qū)域編碼方法的比較圖1所示為三種典型圖像編碼方案。圖1(b 為JPEG 所用模型,以256×256的Lena 圖像為例,先進(jìn)行8×8分塊(總共1024塊,然后分別對(duì)每塊進(jìn)行DCT 變換,再對(duì)系數(shù)進(jìn)行游程和霍夫曼編碼等一系列操作。圖1(c 用二叉樹(shù)的方法對(duì)圖像進(jìn)行編解碼。圖1(d 是用一些研究中的新方法對(duì)圖像進(jìn)行不規(guī)則分割(

8、本圖基于PC NN ,然后分別對(duì)圖像邊緣及區(qū)域進(jìn)行編碼 。圖1幾種典型編碼方法2不規(guī)則區(qū)域編碼對(duì)圖1比較發(fā)現(xiàn),基于分塊的JPEG 編碼只需要存儲(chǔ)或傳輸系數(shù)信息,不需要考慮邊緣及像素塊的位置。但是,這種第26卷第6期2006年6月計(jì)算機(jī)應(yīng)用Computer App licati onsVol .26No .6June 2006方塊式的分塊編碼方法在高壓縮比下便產(chǎn)生了方塊效應(yīng)。考慮到邊緣、紋理、平坦區(qū)域的重要性依次降低,基于不規(guī)則區(qū)域的編碼方法對(duì)人眼敏感的不同類(lèi)型分別采取不同的編碼方法:1對(duì)邊緣像素使用鏈碼的方法,幾乎無(wú)損壓縮;2對(duì)區(qū)域內(nèi)容采用高壓縮比方法編碼。這樣,既保證了圖像編碼的高壓縮比,又

9、能使重建圖像紋理清晰、邊緣分明。對(duì)同一幅圖像,分割后的不規(guī)則區(qū)域面積越大,總的塊數(shù)越少,整幅圖像的壓縮比就越高。2.1圖像分割方法基于邊緣檢測(cè)1、區(qū)域增長(zhǎng)2、分水嶺3的圖像分割是常用的方法之一。文獻(xiàn)4使用數(shù)學(xué)形態(tài)學(xué)算子(M athe maticalMor phol ogic Operat or分割圖像。在P.Sale mbier 提出的形態(tài)學(xué)分割過(guò)程中,標(biāo)識(shí)提取(M arker Extracti on是其中的重要一步,它的目的是在完成前一步的形態(tài)學(xué)簡(jiǎn)化運(yùn)算后,標(biāo)識(shí)出圖像中具有相同灰度等級(jí)的均勻區(qū)域。P.Sale mbier采用了基于尺寸的標(biāo)識(shí)方法,即首先計(jì)算每個(gè)均勻區(qū)域中像素的多少,然后按一個(gè)

10、臨界值進(jìn)行取舍。然而當(dāng)分割過(guò)程進(jìn)一步細(xì)化時(shí),采用尺寸法將產(chǎn)生許多小的區(qū)域,考慮到具有高對(duì)比度的區(qū)域包含更多的圖像特征信息,于是又提出了基于對(duì)比度的標(biāo)識(shí)方法,以便得到更理想的標(biāo)識(shí)結(jié)果?？墒?這兩種方法都各有缺陷5。文獻(xiàn)6使用小波變換的圖像分割方法,并將邊緣信息融入了小波系數(shù)之中。為了最大接近人眼的感覺(jué),文獻(xiàn)7采用最小生成樹(shù)方法分割圖像,便于硬件實(shí)現(xiàn),同時(shí)提出了一些邊緣改進(jìn)的方法。文獻(xiàn)8將拉普拉斯算子改進(jìn),先將圖像的基本邊緣輪廓檢測(cè)出,再以其為骨架,利用8×8、16×16、32×32不等的方塊分割圖像,然后使用DCT編碼。結(jié)合人眼視覺(jué)系統(tǒng)(HVS,文獻(xiàn)9提出了基于PC

11、NN 的分割方法,取得了很好的效果。脈沖耦合神經(jīng)網(wǎng)絡(luò)(PCNN是直接觀察貓的視覺(jué)皮層神經(jīng)細(xì)胞,并模擬其神經(jīng)細(xì)胞活動(dòng)而得到的人工神經(jīng)網(wǎng)絡(luò)模型。各類(lèi)研究成果表明, PCNN非常適合于圖像分割、邊緣檢測(cè)等圖像處理操作10。針對(duì)圖像編碼的具體情況,我們對(duì)PCNN模型進(jìn)行簡(jiǎn)化,提出并采用下面模型進(jìn)行圖像分割。在初始狀態(tài),除輸入激勵(lì)Sij外,其他參數(shù)均設(shè)為零。第一次迭代完成時(shí),所有神經(jīng)元將輸出1,此后動(dòng)態(tài)閾值被提升至一預(yù)設(shè)值V,然后各神經(jīng)元按照(1(5進(jìn)行迭代運(yùn)算。對(duì)PCNN第n次迭代后輸出的二值圖像再按照空間相鄰與否標(biāo)記為不同的區(qū)域,對(duì)每次迭代結(jié)果進(jìn)行同樣的操作,直至所有像素對(duì)應(yīng)神經(jīng)元均被激活過(guò)一次。這

12、樣最終各分割區(qū)域中的像素同時(shí)具有灰度值和空間上的近似性。F ijn=S ij(1L ijn=w ijkl Y kln-1(2Uij n=Fijn(1+L ijn(3Yijn=1if U inn>ijnor0other w ise(4ijn=exp(-ijn-1(5 2.2輪廓像素編碼分割出的區(qū)域由于其形狀是不規(guī)則的,需要定位該區(qū)域,即進(jìn)行輪廓編碼。邊緣像素編碼包括兩層含義,一是邊緣像素所圍成區(qū)域的形狀編碼,二是邊緣像素的色彩和幅值編碼11。鏈碼是一種常用的符號(hào)信息表達(dá)方式,對(duì)形狀編碼簡(jiǎn)單常用。首先,選取輪廓上的某一點(diǎn)作為起點(diǎn),記錄其x,y坐標(biāo)值,根據(jù)該點(diǎn)與前一點(diǎn)的相對(duì)位置,用07中的某一

13、個(gè)數(shù)字表示(每個(gè)數(shù)字用三位比特表示:000111,如圖2所示,其他輪廓點(diǎn)依次進(jìn)行。這種鏈碼法可以無(wú)失真地表示輪廓,并且壓縮了一些比特?cái)?shù) 。圖2常用鏈碼圖34領(lǐng)域編碼方法為了進(jìn)一步提高壓縮比,可以采用圖3的簡(jiǎn)化方法。先將圖像邊緣進(jìn)行修正,在需要用8鄰域編碼的拐角處添加一個(gè)像素,使之成為4領(lǐng)域,然后按圖3(d順序編碼,但這種方法會(huì)造成一些失真。文獻(xiàn)11,12采用一種改進(jìn)的鏈碼對(duì)圖像區(qū)域形狀進(jìn)行編碼。將八個(gè)方向鏈碼分為四個(gè)不同的鏈碼:上北、右東、下南和左西,如圖4(a圖4(d所示,只需采用兩位0和1的組合就可以表示圖像邊緣形狀 。圖4鏈碼方位編碼表示研究成果表明,邊緣編碼不能大幅度提高壓縮比,一些方

14、法努力地將邊緣信息融合到區(qū)域編碼中1315。文獻(xiàn)16提出使用小波變換提取并編碼邊緣的方法。考慮到邊緣信息在圖像編碼中的重要性,文獻(xiàn)17提出邊緣增強(qiáng)的低碼率編碼方案。針對(duì)污染圖像的噪聲點(diǎn)難于檢測(cè)的特點(diǎn),文獻(xiàn)18提出一種轉(zhuǎn)變邊緣的編碼方法。2.3區(qū)域編碼方法圖像分割后得到的不規(guī)則區(qū)域形狀各異,選用何種基函數(shù)編碼成了關(guān)鍵。文獻(xiàn)11提出小波變換的方法:用最小的外接矩形包圍待處理的不規(guī)則區(qū)域,用典型像素(該區(qū)域中的所有像素求和取平均值填充最小外接矩形,對(duì)圖像區(qū)域進(jìn)行直流偏移后使用小波變換編碼。該方法對(duì)于類(lèi)似矩形的不規(guī)則區(qū)域壓縮比高、重建質(zhì)量好,對(duì)于分割后形狀怪異,需要填充像素多的區(qū)域不是很好。類(lèi)似地,把

15、分割后的區(qū)域像素按8×8或16×16重新排序,不足像素用0代替,然后使用DCT或小波編碼。文獻(xiàn)19以遙感類(lèi)的圖像為實(shí)驗(yàn)對(duì)象,對(duì)于較平滑的區(qū)域,如海洋、云彩等采用一維小波編碼,而對(duì)于粗糙的區(qū)域,則采用改進(jìn)的基于對(duì)象的小波變換編碼。基于PCNN的圖像分割,使各分割區(qū)域中的像素同時(shí)具有灰度值和空間上的相似性。我們提出使用正交基多項(xiàng)式編碼的方法9,簡(jiǎn)要描述如下:以正交基個(gè)數(shù)N=6為例,1,x, y,x2,xy,y2是初始基函數(shù),不具有正交性。定義(1=1,(2=x,(6=y2。根據(jù)這些初始基函數(shù),結(jié)合區(qū)域像素值、坐標(biāo)值進(jìn)行運(yùn)算,構(gòu)造出標(biāo)準(zhǔn)正交基(1(6。以某一區(qū)域?yàn)槔?求得的(1(

16、6具有如下的形式:(1=7.18(2=2.114x-1.362(3=2.143y-1.621x+0(4=6.398x2-3.998y-8.254x+1.7922531計(jì)算機(jī)應(yīng)用2006年(5=5.772xy +1.078x 2-3.690y -3.0690x +2.382(6=6.398y 2-2.290xy +1.144x 2-8.254y -4.430x +1.792對(duì)于每個(gè)區(qū)域,求得的多項(xiàng)式形式相同,系數(shù)不同。然后,由這些正交基結(jié)合區(qū)域像素再求得6個(gè)系數(shù):Coefficients (1Coefficients (6,繼而可求出一個(gè)總的多項(xiàng)式Multinom ial,該多項(xiàng)式也具有(6的形

17、式。最后,再對(duì)這6個(gè)系數(shù)的整數(shù)和小數(shù)部分分別進(jìn)行量化、編碼。需重建圖像時(shí),由6個(gè)系數(shù)組建M ultinom ial 多項(xiàng)式,將像素坐標(biāo)值代入計(jì)算即可得到該坐標(biāo)下的像素值。由上述可見(jiàn),待編碼的不規(guī)則區(qū)域像素?cái)?shù)越多,需要計(jì)算的數(shù)據(jù)量越大,壓縮比就越高。這正體現(xiàn)了編碼理論中相關(guān)性越高,計(jì)算量越大,壓縮比越高的規(guī)律。該方法的另一個(gè)優(yōu)點(diǎn)是,當(dāng)區(qū)域像素?cái)?shù)目少時(shí),可減少N 的個(gè)數(shù),比如只選取(1,(2,(3。這樣,計(jì)算量少,重建像素值誤差不大,并不影響重建圖像的質(zhì)量。仿真結(jié)果表明,此種編碼方法對(duì)于提高壓縮比具有較強(qiáng)的優(yōu)勢(shì)。2.4圖像重建質(zhì)量比較基于不規(guī)則的區(qū)域編碼方法在消除JPEG 的方塊效應(yīng)、保持圖像細(xì)節(jié)

18、紋理方面具有很好的效果,圖5(a 圖5(c 是文獻(xiàn)9在壓縮比相差不大的情況下,采用DCT 與不規(guī)則區(qū)域編碼兩種方法的重建質(zhì)量比較。由圖可見(jiàn),基于不規(guī)則區(qū)域的編碼方法重建圖像有些失真,但不存在方塊效應(yīng),具有良好的視覺(jué)效果 。圖5不規(guī)則區(qū)域編碼作為文獻(xiàn)9的拓展工作,本文將基于PC NN 的不規(guī)則編碼方法用于彩色圖像壓縮,圖5(d 圖5(f 為平坦區(qū)域較多的peppers 圖像重建結(jié)果。仿真表明,此類(lèi)圖像很容易獲得高壓縮比,且重建圖像質(zhì)量較高。這在動(dòng)畫(huà)、流媒體背景編碼等方面具有很大優(yōu)勢(shì),采用不規(guī)則的編碼方法,達(dá)到高壓縮率。3結(jié)語(yǔ)基于不規(guī)則區(qū)域的編碼方法是現(xiàn)代圖像壓縮編碼技術(shù)的一個(gè)重要發(fā)展方向。本文較

19、全面地總結(jié)了人們?cè)谶@方面的研究成果。此領(lǐng)域仍存在著一些困難,具體應(yīng)從下面幾點(diǎn)出發(fā)展開(kāi)研究:1噪聲點(diǎn)及偽邊緣的存在會(huì)造成圖像分割上的錯(cuò)誤。因此,研究能準(zhǔn)確定位圖像區(qū)域的分割方法尤為重要;2相對(duì)8×8的分塊,不規(guī)則的分割區(qū)域在編碼時(shí)需要編碼邊緣的位置信息,這樣增加了額外的編碼數(shù)據(jù)量及編碼時(shí)間。所以,快速、低碼率的邊緣定位方法值得研究;3對(duì)于分割后的不規(guī)則區(qū)域,采用何種函數(shù)編碼至關(guān)重要,這關(guān)系到圖像的整體壓縮比、編解碼的復(fù)雜度及花費(fèi)時(shí)間?？傊?基于不規(guī)則區(qū)域的編碼技術(shù)尚處于研究階段,應(yīng)借鑒傳統(tǒng)的成熟技術(shù)和人眼視覺(jué)特性,進(jìn)行深入研究。隨著分形理論、神經(jīng)網(wǎng)絡(luò)等各種智能信息技術(shù)的發(fā)展,相信上述問(wèn)

20、題會(huì)逐步得到解決。參考文獻(xiàn):1K AUP A.Coding of Seg mented I m ages U sing Shape 2I ndependentBasis Functi ons J .I EEE Transacti ons on I m age Pr ocessing,1998,7(7:937-947.2THY AG ARAJAN KS .Bohl m ann,Helge .I m age Coding Based onSeg mentati on U sing Regi on Gr owingA .Pr oceedings 2I CASSPC ,1987.752-755.3CA

21、RON S,R I V EST J 2F .Pr ogressive i m age trans m issi on by seg men 2tati on 2based codingJ .Journal of V isual Communicati on and I m age Rep resentati on,1996,7(3:296-303.4S ALE MB I ER P .Mor phol ogical multi 2scale seg mentati on f or i m agecodingJ .Signal p r ocessing,1994,38:359-386.5張明,龔惠

22、民,金朝暉.分割基圖像編碼算法中基于結(jié)構(gòu)的標(biāo)識(shí)提取方法J .通信學(xué)報(bào),2000,21(3:92-96.6MONT UF AR 2CHAVEZ NAVA R,G ARC I A 2UG ALDE F .A str onom i 2cal i m age coding using an edge and texture modelA .Pr oceedings of the I EEE 2SP I nternati onal Sy mposium on Ti m e 2Frequency and Ti m e 2Scale AnalysisC .1994.148-151.7F A 2CHUNGL

23、,Y UNG 2CHANG C.Cont our 2based i m age codingtechnique with its texture infor mati on reconstructed by polyline rep 2resentati on Signal Pr ocessingJ .1991,25(1:81-89.8Y UJ I I .Edge 2oriented p r ogressive i m age codingJ .I EEE Transac 2ti ons on Circuits and System s f or V ideo Technol ogy,1996

24、,6(2:135-142.9馬義德,齊春亮.基于PCNN 的不規(guī)則分割區(qū)域壓縮編碼A .第十二屆全國(guó)圖像圖形學(xué)術(shù)會(huì)議論文集C .2005.38-42.10顧曉東,余道衡.PCNN 的原理及其應(yīng)用J .電路與系統(tǒng)學(xué)報(bào)2000,6(3:45-49.11陳德權(quán),趙宇明,萬(wàn)長(zhǎng)明.基于區(qū)域和邊緣分開(kāi)編碼可伸縮彩色圖像編碼J .紅外與激光工程,2004,33(6:634-637.12趙宇明,萬(wàn)長(zhǎng)明.基于彩色圖像分割的可伸縮性壓縮編碼J .上海交通大學(xué)學(xué)報(bào),2004,38(9:1496-1499.13CHR I ST OP OULOS VA,DE MUY NCK P,CORNEL I S J.Cont oursi m p lificati on f or seg mented still i m age and video coding:algorithm s and experi m ental resultsJ .Signal Pr ocessing:I m age Communica 2ti on,1999,14(4:335-357.14HOR I T A Y,M I Y AHARA M.Regi on seg mentati on coding of col ori m ages based on unif or m HVC col or s p