第十章模糊圖像變換編碼

1、第十章模糊圖像變換編碼 第十章模糊圖像變換編碼n 進行圖像編碼的原因n 圖像編碼的幾種方法n 模糊圖像變換編碼 1.自適應(yīng)余弦編碼 2.自適應(yīng)FAM系統(tǒng) 3.仿真 4.結(jié)論與啟示模 糊 圖 像 變 換 編 碼n對圖像進行編碼的必要性: 由于圖像的數(shù)據(jù)量很大 ，對圖像的存儲， 處理和傳輸帶來了不便。在數(shù)字圖象傳播中， 增加圖象的精度須增加帶寬，對信道能力的 限制促進了圖象壓縮技術(shù)。（如高清晰度數(shù)字 電視，網(wǎng)絡(luò)電視等） 例如：低分辨率，TV質(zhì)量，彩色電視圖像： 512*512大小，8比特/像素，三色：約為 這對于傳輸來說非常耗時，是不能被接受的。 bit6106 模 糊 圖 像 變 換 編 碼 對

2、圖像進行編碼的可能性: 由于圖象間數(shù)據(jù)存在冗余使圖象壓縮成為可能。 冗余包括：編碼冗余，像素間冗余，心里視覺冗余 返回圖 像 變 換 編 碼 的 方 法 圖象的基本壓縮編碼方法分為: 1.預(yù)測編碼對應(yīng)空域 （如DPCM差值脈沖碼調(diào)制法）。 原圖像 信道 量化器預(yù)測器編碼器+-+圖 像 變 換 編 碼 的 方 法 .變換編碼對應(yīng)頻域（ 如DCT,小波變換） 小波變換的優(yōu)點：（1）低熵性，小波系數(shù)的稀疏分布使變換后熵變低。（2）多分辨性，可以非常好的刻畫信號的非平穩(wěn)特征，如邊緣，尖峰，斷點。（3）去相關(guān)性，噪聲在變換后趨于白化，有利于去噪。 圖 像 變 換 編 碼 的 方 法 .其他方法分形編碼，

3、矢量量化等等。 分形幾何學(xué)是曼德勃羅特在20世紀70年代創(chuàng)立的，“分形fractal”一詞含有不規(guī)則破碎的意思。分形編碼也是一種很有前途的編碼方法，它是一種基于自相似性的疊代方法。對于特殊的圖像，它可以達到10000：1的壓縮率。由于實際圖像并不都是具有自相似性，但我們可以利用圖像中的局部相似性來進行壓縮。其缺點是：疊代時間較長，不能對圖像實時處理。 如果把分形與其他方法，如小波方法等結(jié)合起來，是非常有前途的方法。自 相 似 性 疊 代 實 例 圖4.1 科克曲線的形成 圖4.2 謝爾賓斯基三角形的演變分 形 圖 像 實 例 圖1.蕨類植物 圖2.Mandelbrot集 圖3. 分形風(fēng)景返回模

4、模 糊糊 圖圖 像像 的的 變變 換換 編編 碼碼步驟：1.圖像劃分為8x8的子圖像并計算子圖像的DCT。 2.計算子圖的AC能量及AC的低頻能量。 3.用神經(jīng)網(wǎng)絡(luò)FAM系統(tǒng)訓(xùn)練的模糊規(guī)則 劃分子圖的壓縮率。 4.根據(jù)分配的壓縮率進行編碼。 返回 圖 像 的 自 適 應(yīng) 余 弦 編 碼X x1 FIGURE 10.1 自適應(yīng)余弦編碼圖 DCTSubimageClassifictionCodingchannelDecoding1DCT圖 像 的 自 適 應(yīng) 余 弦 編 碼NnnNumnmxNvcucvuXNmNn2) 12(cos2) 12(cos),()()(4),(10102NnnNumNM

5、XvcucnmxNmNn2) 12 (cos2) 12 (cos),()()(),(1010其中c(0)=1/2,c(k)=1 for k=1,2.N-1二維離散余弦變換的定義式：二維離散余弦變換的定義式：圖 像 的 自 適 應(yīng) 余 弦 編 碼Dc能量和能量和Ac能量的定義：能量的定義：nDC energy =nAC energy = DC對應(yīng)于圖像的主要能量 AC對應(yīng)于圖像的邊緣和噪聲 所以，對于AC能量大的子圖像我們分配較多的比特數(shù)，反之，分配較少的比特數(shù)，從而達到壓縮的目的。 )0 , 0(2XuvXvuX)0 , 0(),(22圖 像 的 自 適 應(yīng) 余 弦 編 碼 自適應(yīng)余弦變換編碼

6、chen,1977，陳系統(tǒng)根據(jù)子圖像的AC能量劃分為4類，并分別賦予不同的比特/像素率。陳系統(tǒng)的平均壓縮率少于1bit/pixel rate.這種方法能得到高質(zhì)量的圖像壓縮。圖 像 的 自 適 應(yīng) 余 弦 編 碼n我們使用信噪比來評估圖像的質(zhì)量： dBSNRr)255(log102210其中 表示從建誤差的隨機樣本方差2r),(),(),(nmxnmxnmr1010222),(1NmNnrnmrN圖 像 的 自 適 應(yīng) 余 弦 編 碼n我們定義平均編碼的bits/pixel R: 返回pixelbitsNBRc/2cB 表示用于圖像編碼的總比特數(shù)，N表示圖像的大小。自 適 應(yīng) FAM 系 統(tǒng)n

7、自適應(yīng)FAM系統(tǒng)通過訓(xùn)練數(shù)據(jù)來產(chǎn)生FAM規(guī)則。 這里的輸入變量有兩個：T和L 。 T代表整個AC的能量，并且分為4個等級：BG，MD，SL和VS。 L代表AC的低頻能量，分為2個等級：SM和LG。 輸出變量為B: 分為4個等級： BG，MD，SL和VS。 自 適 應(yīng) FAM 系 統(tǒng)T和L的表示式：)0 , 0(),(1010XvuXTmumv 12/012/0)0 , 0(),(mumvXvuXL Figure 10.2 Fuzzy-set values of fuzzy variables T，L，and B. 自 適 應(yīng) FAM 系 統(tǒng)量 化 隸 屬 度 函 數(shù) 的 選 擇n利用陳系統(tǒng)產(chǎn)生

8、的訓(xùn)練數(shù)據(jù)，來估計AFAM規(guī)則：n通過下式來計算AC的平均能量：n并以此來確定隸屬度函數(shù)的區(qū)間。),(iiiBLT641641641641iijjiijjLLTT積空間聚類（Product-Space Clustering) 估計FAM規(guī)則 在輸入輸出的積空間中（ ），使用競爭學(xué)習(xí)的自適應(yīng)量化聚類方法來進行積空間的聚類。隨機競爭系統(tǒng)是自適應(yīng)矢量量化（AVQ）系統(tǒng)。而模糊規(guī)則 屬于積空間 。根據(jù)隸屬度函數(shù)，把T（0T100）分為四個非重疊的區(qū)間0,8.76，8.76,16.19，16.19,27.94，27.94,100。這四個區(qū)間對應(yīng)于模糊集的值 VS，SL，MD，BG。把L（0L100）分為

9、兩個非重疊的區(qū)間0,9.88， 9.88,100，對應(yīng)于SM，LG。把B（0B4.5）分為四個非重疊的區(qū)間0,8.76，8.76,16.19，16.19,27.94，27.94,100對應(yīng)于HI，MH，ML，LO。 nR),(iiiBLT3R積 空 間 聚 類 估 計 FAM 規(guī) 則n由陳系統(tǒng)產(chǎn)生的輸入輸出數(shù)據(jù)，經(jīng)過基于微分競爭學(xué)習(xí)的分類，我們的到了上面規(guī)則的1，2，6，7，8條，根據(jù)經(jīng)驗補上其中的3，4，5條使規(guī)則完整。積 空 間 聚 類 估 計 FAM 規(guī) 則For example,FAM rule1（BG,LG;HI）represents the association: IF the

10、total AC power T is BG AND the low-frequency AC power L is LG, THEN encode the subimage with the class B corresponding to HI 微分競爭學(xué)習(xí)n在第四章中我們知道，微分競爭學(xué)習(xí)的法則：只有在競爭獲勝時才改變其權(quán)值： 這里 和為實現(xiàn)離散，我們使用DCL算法作為隨機微分方程： if the jth neuron wins if the jth neuron loses )()(jjjjmxSySm。)(),.()(1xSxSxSn),.(1njjjmmm )() 1()()()(

11、)() 1(tmtmtmtxtyctmtmiijjtjj微 分 競 爭 學(xué) 習(xí)上式中 定義為： 為遺忘系數(shù)。例如， =0.1(1-t/M)，M為訓(xùn)練樣本數(shù)。輸出： 返回 )(tyj)() 1(sgn)(tytytyjjjtctcnipkkjkijijjwtytmtxtyty)()()()() 1( 仿 真 文中使用Lena 圖像的訓(xùn)練數(shù)據(jù)進行估計的FAM系統(tǒng)對F-16戰(zhàn)斗機圖像進行編碼，結(jié)果表明其性能依然很好，其壓縮達到了 0.5 bits / pixel。 文中比較了陳系統(tǒng)和FAM系統(tǒng)的性能，F(xiàn)AM系統(tǒng)擁有較好的信噪比和壓縮比。 仿 真 FAM和陳系統(tǒng)的性能對比： 返回 SNRSNR(db)

12、(db) R RComp.Comp.ratioratioSNRSNR(db)(db) R RComp.Comp.ratioratio LennaLennaFAMFAM ChenChen28.2428.24 28.1028.100.9630.963 0.9760.9768.3:18.3:1 8.2:18.2:125.7225.72 25.6825.680.5040.504 0.5280.52815.9:115.9:1 15.1:115.1:1 F-16F-16FAMFAM ChenChen26.3526.35 26.0226.020.8980.898 0.9760.9768.9:18.9:1 8.2:18.2:124.562