CN100550058C - 一种感兴趣区域图像压缩方法 - Google Patents

Abstract

本发明涉及一种感兴趣区域图像压缩方法，定义圆形感兴趣区域，利用圆形感兴趣区域掩码，基于SPIHT方法进行图像压缩。该感兴趣区域图像压缩方法，基于圆形感兴趣区域，更加符合人类的视觉特征，而且选择信息更灵活，可以更好地解决压缩比和重建图像质量之间的矛盾。

Description

一种感兴趣区域图像压缩方法

技术领域

本发明涉及一种数字图像中感兴趣区域压缩方法，更好地解决了压缩比和重建图像质量之间的矛盾，可以应用于图像交互处理、远程医疗、远程教育、远程测量，空间探索中出现的许多与图像处理有关的方面。

背景技术

JPEG2000标准定义了两种感兴趣区域(Region of Interest，ROI)技术^[1]：最大位移法和一般位移法。在一般位移法当中，与感兴趣区域有关的系数被提升至较高的位平面上(MSB)，而与背景区域有关的系数则处于较低的位平面上，在对图像编解码时，对系数的扫描总是从最重要的比特平面到最不重要的比特平面逐步进行的，感兴趣区域就会优先于背景区域编解码。所以，可以对图像中感兴趣的区域，采用低压缩比的压缩，甚至无损压缩，以获得比较好的图像质量；而对于背景图像，则仍采用高压缩比、图像质量相对较差的有损压缩。这样就很好地解决了压缩比和重建图像质量之间的矛盾。

在一般位移法的实现中，需要定义一个感兴趣区域掩码来指明小波变换后各个子带中哪些系数是ROI系数，对于非规则形状的ROI区域，其掩码的计算是相当复杂的，并且编解码时要表示形状信息也很复杂。

矩形感兴趣区域一直是研究者们的关注热点，因为其表示方式简单，只需要记录左上角和右下角两个点来表示形状信息，并且可以较方便的计算经过小波变换后各子带中ROI系数^[2][3]。但是人类的视觉通常是以某点为中心，圆形发散的，或者说，用户感兴趣的区域更类似于一个圆，用矩形感兴趣区域就不太符合人类的视觉特征。

[1]J.Askelof，M.L.Carlander and C.Christopoulos.Region ofinterest coding in JPEG 2000[J]，Signal Processing：ImageCommunication，2002(17)：105～111

[2]陈军，吴成柯，李云松.基于零树结构的感兴趣区图像内嵌编码算法[J].西安电子科技大学学报(自然科学版)，2002，29(3)

[3]郭武，梅丽，罗建书.一种基于SPIHT的ROI图像编码[J].中国空间科学技术，2003，2.

发明内容

针对矩形感兴趣区域不符合人类视觉特征这一不足，本发明研究了基于另一种规则形状——圆形感兴趣区域的图像压缩方法。使用圆形区域不仅更加符合人类的视觉特征，而且选择信息更灵活。

本发明解决其技术问题所采用的技术方案是：利用圆形感兴趣区域的掩码，改进SPIHT(Set Partitioning in Hierarchical Trees，多级树集合分裂)方法，得到适用于圆形感兴趣区域的图像压缩方法。

本发明所述的感兴趣区域图像压缩方法，定义圆形感兴趣区域，利用圆形感兴趣区域掩码，基于多级树集合分裂方法进行图像压缩，具体包括以下步骤：

(1)对图像进行m次小波变换；

(2)得到变换后的小波系数最大值，以及其用二进制表示的位数S，其中，

M_cof表示小波系数，

表示向下取整；

(3)在用户添加了感兴趣的区域后，设定小波提升位数为N，其中N≤S，并将N值写入编码流；

(4)计算所述圆形感兴趣区域掩码，得到小波变换后的感兴趣区域，并进行小波提升，同时将确定感兴趣区域的两个点写入编码流，该两个点是圆心和圆上任一点；

(5)对所有感兴趣区域进行小波提升，重新确定小波系数的最大值，设置多级树集合分裂方法扫描的初始阈值T₀，其中，

并将小波变换次数m、图像宽、图像高及初始阈值T₀写入编码流；

(6)初始化显著系数表，不显著系数表和系数的不显著集合表；

(7)进行多级树集合分裂方法的显著性过程；

(8)进行多级树集合分裂方法的改进过程；

(9)设定当前量化阈值T₀，令T₀＝T₀/2，重新进行所述显著性过程和所述改进过程，当达到指定的比特率或预定的扫描终止阈值时，终止编码过程，得到压缩图像的编码信息，

其中，所述圆形感兴趣区域掩码，是根据小波变换后的小波系数的分布，通过像素位置与圆心之间的距离来判断该像素是否属于所述圆形感兴趣区域而得到的。本发明所述的感兴趣区域图像压缩方法，获得圆形感兴趣区域的掩码的方法的具体实现步骤如下：可设原始图像的感兴趣区域圆心和圆上任一点的坐标表示分别为(x₁，y₁)和(x₂，y₂)，这时要判断任意一个点是否在感兴趣区域内就需要计算这个点到圆心的距离了，如果距离小于圆的半径，则说明这个点也在感兴趣区域内，如果大于，则该点位于背景区域。设要进行压缩的图像宽为Width，高为Height，首先获得最低频子带的宽和高，分别记为：nLLWidth，nLLHeight。由小波变换次数m可得以下关系式：

$\left\{\begin{array}{c}\mathrm{nLLWidth}=\mathrm{Width}/2^m\\ \mathrm{nLLHeight}=\mathrm{Height}/2^m\end{array}\right..$

由于添加的是圆形区域，因此考虑圆的性质来获得小波系数的感兴趣区域。已知圆心(x₁，y₁)和圆上的任意一点(x₂，y₂)，可得到在原图上添加的圆的半径为如下式所示：

${\mathrm{Radius}}_{\mathrm{Origin}}=\sqrt{{(x_1-x_2)}^2+{(y_1-y_2)}^2}.$

因此，在最低频子带LL中，圆心和半径的表达式如下：

圆心：x_1，LL＝x₁/2^m

y_1，LL＝y₁/2^m

半径：

Radius_LL＝Radius_origin/2^m

通过判断最低频子带内像素点到圆心距离可得出最低频的小波系数的ROI的值。

对于HL子带，圆心和半径可以得到以下关系式：

圆心：x_1，HL＝x₁/2^m+nLLWidth

y_1，HL＝y₁/2^m

半径：Radius_HL＝Radius_origin/2^m

由HL_N，HL_N-1，...，HL₁的相似性，可知，HL子带的其他高频区域的ROI可由x_1，HL，y_1，HL左移一位及半径增加一倍，再通过比较该频段像素与圆心的距离而得出。

同理，对于LH子带，圆心和半径可以得到以下关系式：

圆心：x_1，LH＝x₁/2^m

y_1，LH＝y₁/2^m+nLLHeight

半径：Radius_HL＝Radius_origin/2^m

由LH_N，LH_N-1，...，LH₁的相似性，可知，LH子带的其他高频区域的ROI可由x_1，LH，y_1，LH左移一位及半径增加一倍，再通过比较该频段像素与圆心的距离而得出。

对于HH子带，圆心和半径同样可得出以下关系式：

圆心：x_1，HH＝x₁/2^m+nLLWidth

y_1，HH＝y₁/2^m+nLLHeight

半径：Radius_HH＝Radius_origin/2^m

由HH_N，HH_N-1，...，HH₁的相似性，可知，HH子带的其他高频区域的ROI可由x_1，HH，y_1，HH左移一位及半径增加一倍，再通过比较该频段像素与圆心的距离而得出。

在加入圆形感兴趣区域后，本发明提出了基于SPIHT方法的圆形感兴趣区域图像压缩方法，其过程如下：

首先说明一下下面方法中用到的各记号的意义。对于位置[i，j]的给定系数，设C[i，j]为它的孩子集合，D[i，j]为它的后代集合，G[i，j]为它的孙子，曾孙子等的集合(即G[i，j]＝D[i，j]-C[i，j])。设S_k(.)为从任意一个系数集合到{0，1}的映射。确切地说，如果β是一个系数集合，如果β中每个系数有q_k＝0，则S_k(β)＝0。否则β中至少有一个系数q_k＝1，S_k(β)＝1。s[i，j]表示位置[i，j]值的符号。

则圆形感兴趣区域图像压缩方法可描述如下：

1)小波变换m次。

2)找到小波变换后小波系数最大值，以及其用二进制表示的位数S，

M_cof表示小波系数，

表示向下取整。

3)判断用户是否添加了感兴趣的区域，如果是，设定小波提升位数为N(N≤S)，并将N值写入编码流，转步骤(4)，否则转步骤(6)。

4)对选择的圆形区域，根据圆形感兴趣区域掩码找到小波变换后的感兴趣区域，并进行小波提升，同时将确定感兴趣区域的两个点写入编码流。

5)是否还有感兴趣区域未经小波提升，如果是，转步骤(4)，否则转步骤(6)。

6)确定新的小波系数最大值(未添加感兴趣区域则不重新计算)，并设置SPIHT方法扫描的初始阈值

将小波变换次数m、图像宽Width、图像高Height及初始阈值T₀写入编码流。

7)初始化LSC(显著系数表，List of significant coefficients)，LIC(不显著系数表，List of insignificant coefficients)和LIS(系数的不显著集合表，List of insignificant set of coefficients)三个表。将LSC表设为空，LIC＝{LL_n中系数的所有坐标[i，j]}，LIS＝{LIC中有孩子的系数的所有坐标}，将LIS中的所有项设为类型A，进行SPIHT方法的显著性过程和改进过程。

8)显著性过程(Significance Pass)

(a)对每个[i，j]∈LIC，输出q_k[i，j]。如果q_k[i，j]＝1，输出s[i，j]并将[i，j]移至LSC末尾；

(b)对LIS中的每个[i，j]，

●如果集合属于类型A，输出S_k(D[i，j])。如果S_k(D[i，j])＝1，则对每个[l，m]∈C[i，j]，输出q_k[l，m]。如果q_k[l，m]＝0，将[l，m]加到LIC中。否则，输出s[l，m]，将[l，m]加到LSC中。如果G[i，j]≠φ，将[i，j]移动到LIS末尾，作为类型B的集合。否则，从LIS中删除[i，j]。

如果集合属于类型B，输出S_k(G[i，j])。如果S_k(G[i，j])＝1，则将每个[l，m]∈C[i，j]加到LIS末尾(作为类型A的集合)并从LIS中删除[i，j]。

9)改进过程(Refinement Pass)

对每个[i，j]∈LSC，输出q_k[i，j]。对这一步，应该采用最近的显著性过程前的LSC。也就是说，在最近的显著性过程中加到LSC中的系数不应该改进。

10)设当前量化阈值T₀，令T₀＝T₀/2，转步骤(8)，重新进行所述显著性过程和改进过程。

如已达到指定的比特率或给定的扫描终止阈值则终止编码过程，得到压缩的图像编码信息。

附图说明

图1是基于SPIHT方法的感兴趣区域图像压缩方法流程图。

具体实施方式

本发明的感兴趣区域图像压缩方法，是一种基于SPIHT方法的圆形感兴趣区域图像压缩方法。当图像经m次小波变化后，可以得到变换后小波系数最大值，以及其用二进制表示的位数S，其中，

M_cof表示小波系数，

表示向下取整；当用户添加了感兴趣区域后，设定小波提升位数为N(N≤S)，并将N值写入编码流；然后利用圆形感兴趣区域掩码找到小波变换后的感兴趣区域，并进行小波提升，同时将确定感兴趣区域的两个点写入编码流，该两个点是圆心和圆上任一点；对所有感兴趣区域进行小波提升，重新确定小波系数的最大值，设置多级树集合分裂方法扫描的初始阈值T₀，其中，

并将小波变换次数m、图像宽Width、图像高Height及初始阈值T₀写入编码流；初始化LSC，LIC和LIS三个表，接着进行SPIHT方法的显著性过程和改进过程；然后设当前量化阈值T₀，令T₀＝T₀/2，重新进行所述显著性过程和改进过程，如已达到指定的比特率或给定的扫描终止阈值则终止编码过程，得到压缩图像的编码信息，其中，所述圆形感兴趣区域掩码，是根据小波变换后的小波系数的分布，通过像素位置与圆心之间的距离来判断该像素是否属于所述圆形感兴趣区域而得到的。

按照上述方法，实现本发明提出的基于圆形感兴趣区域的图像压缩。

Claims (2)

1.一种感兴趣区域图像压缩方法，其特征是：定义圆形感兴趣区域，利用圆形感兴趣区域掩码，基于多级树集合分裂方法进行图像压缩，具体包括以下步骤：

(1)对图像进行m次小波变换；

(2)得到变换后的小波系数最大值，以及其用二进制表示的位数S，其中，

M_cof表示小波系数，

表示向下取整；

(3)在用户添加了感兴趣的区域后，设定小波提升位数为N，其中N≤S，并将N值写入编码流；

(4)计算所述圆形感兴趣区域掩码，得到小波变换后的感兴趣区域，并进行小波提升，同时将确定感兴趣区域的两个点写入编码流，该两个点是圆心和圆上任一点；

(5)对所有感兴趣区域进行小波提升，重新确定小波系数的最大值，设置多级树集合分裂方法扫描的初始阈值T₀，其中，

并将小波变换次数m、图像宽、图像高及初始阈值T₀写入编码流；

(6)初始化显著系数表，不显著系数表和系数的不显著集合表；

(7)进行多级树集合分裂方法的显著性过程；

(8)进行多级树集合分裂方法的改进过程；

(9)设定当前量化阈值T₀，令T₀＝T₀/2，重新进行所述显著性过程和所述改进过程，当达到指定的比特率或预定的扫描终止阈值时，终止编码过程，得到压缩图像的编码信息，

其中，所述圆形感兴趣区域掩码，是根据小波变换后的小波系数的分布，通过像素位置与圆心之间的距离来判断该像素是否属于所述圆形感兴趣区域而得到的。

2.根据权利要求1所述的感兴趣区域图像压缩方法，其特征在于，在上述步骤(3)中，若用户没有添加感兴趣的区域，则直接进入上述步骤(5)，并且不再重新计算小波系数的最大值。

Images