CN101064844A - 一种使用旋转压缩码书对图像进行匹配压缩的方法 - Google Patents

Abstract

本发明公开的一种使用旋转压缩码书对图像进行匹配压缩的方法，首先，利用原始码书方向上的相关性，对原始码书进行旋转压缩；再配合旋转压缩码书使用的等和值块扩展最近邻搜索方法，利用该方法使用旋转压缩码书对图像进行矢量量化压缩。本发明的图像压缩方法充分挖掘利用码书内部方向上的相关性，大幅缩小了原始码书的尺寸，相对于现有的方法，减少了码书的存储空间和匹配时的计算量，峰值信噪比只相对于原始尺寸码书穷尽搜索时有少量下降，而且十分适于硬件实现。

Description

一种使用旋转压缩码书对图像进行匹配压缩的方法

技术领域

本发明属于图像压缩传输技术领域，涉及一种图像压缩的方法，特别涉及一种使用旋转压缩码书对图像进行匹配压缩的方法。

背景技术

矢量量化(Vector Quantization，VQ)是20世纪70年代后期发展起来的一种数据压缩技术，由于其压缩率较高，编、解码的算法简单，易于硬件实现，因此在数字视频与音频压缩以及图像压缩方面得到广泛应用。

矢量量化VQ包括编码和解码两个主要部分。用矢量量化技术对一幅图像编码时，首先要将原始图像按n×n个像素大小为单位进行小块划分，每个小块组成一个k维(k＝n×n)的矢量，含k个像素；编码时，首先通过在码书C中为每个输入图像矢量x搜索最匹配的码字y_p，使其失真测度值最小；然后将最匹配码字的索引p作为编码值代替矢量x进行存储或传输。解码时，则先根据接收到的索引p从相同码书中找出对应的码字，然后用这些码字重构图像。

矢量量化有两点关键技术：高性能的矢量量化器(码书)和快速的搜索算法。矢量量化技术中，码书起着举足轻重的作用。码书的生成是矢量量化技术中的一个关键，好的码书在解码时能够恢复出失真度小的图像。如何生成性能优越的码书一直是图像压缩领域的研究热点。目前，对VQ算法图像特征数据库的处理主要从时域和频域两大方面展开，时域方面有许多经典的算法，如LBG算法；频域方面主要用离散余弦变换以及离散傅立叶变换，分析频域的特征，找到共性。快速搜索算法是矢量量化技术中的另一个关键，过去传统的矢量量化搜索编码采用全搜索算法，编码时对整个码书进行遍历，耗费的时间很多，好的编码算法可以减小搜索的数据量，进而减少编码耗费的资源和时间。基于此，国内外专家学者提出了各种改进算法提高VQ性能。一种是通过提高码本的质量来提高VQ的性能，如结构树矢量量化和格型矢量量化等。  另外一种是通过改进搜索码本的方式来提高VQ编码性能，如多级矢量量化，预测矢量量化等。

根据香农的率失真理论，码书尺寸的下限与图像的失真度成反比。当码书尺寸足够大时，矢量量化性能有可能任意接近率失真限；反之，码书尺寸太小时，图像的失真度必然超出可接受的范围，因此码书的尺寸也要控制在一定范围内，常用的码书尺寸有256，512，1024和2048等。理论上，使用的码书尺寸越大所获得的压缩图像质量越高，读取码书的输入带宽越大编码的速度也就越快，但在实际应用特别是硬件实现中，码书尺寸越大所使用的存储空间也越大，输入带宽越大所占用的I/O口就越多，而用于存放码书的ROM和I/O口的面积又在整个系统电路的使用面积中占有很大比例，因而研究如何减少码书存储数量和输入带宽并且同时保持图像压缩质量的方法是十分有意义的。

发明内容

本发明的目的是提供一种使用旋转压缩码书对图像进行匹配压缩的方法，利用码书内部方向上的相关性，把原始尺寸码书进行旋转压缩，配合相应的快速搜索方法对图像进行匹配压缩，不仅可以减少码书存储空间和码书输入带宽，而峰值信噪比只有很少的下降。

本发明所采用的技术方案是，一种使用旋转压缩码书对图像进行匹配压缩的方法，包括以下步骤，

首先，利用原始码书方向上的相关性，对原始码书进行旋转压缩；

再配合旋转压缩码书使用的等和值块扩展最近邻搜索方法，利用该方法使用旋转压缩码书对图像进行矢量量化压缩。

其中对原始码书进行旋转压缩，是按照以下步骤进行，

a.将原始码书中的每一个码字X_i进行旋转，利用码字之间方向的相关性，每一个码字X_i旋转后得到三个矢量

b.将X_i码字本身和旋转后的三个矢量

分别与码书中其他码字X_j进行比较，当 $T<\underset{m=1}{\overset{16}{\mathrm{\&Sigma;}}}|{\hat{X}}_i\left(m\right)-X_j\left(m\right)|$ 时，其中T为阈值，就确认X_j码字是由X_i码字旋转而成，存储X_i的值，从而完成了对原始码书的旋转压缩，压缩后的码书尺寸为N。

其中对图像进行矢量量化压缩的搜索方法是按照以下步骤进行，

a.计算各旋转压缩码字的和值s_i，i＝1，2，3...N，然后按码字和值的大小对旋转压缩码书进行升序排列；

b.把上述经升序排列的码书分成L块，把每一块中间码字的和值作为本块码书的特征和值；

c.搜索开始时，首先计算出输入图像块矢量x的和值S_x，找到与和值S_x最相近的码书块的特征和值S_p和与其对应的码书块p；

d.将上述得到的码书块p的中间码字作为初始匹配码字，该码字附近同时上下扩展搜索M个相邻码字，搜索范围内的码字旋转恢复出4个方向的码字，通过失真度计算在恢复码字中找到与输入图像块矢量x最优匹配码字和旋转次数；

e.最后将最优匹配码字的索引j和旋转次数i输出，即完成了图像的压缩。

本发明的图像压缩方法充分挖掘利用码书内部方向上的相关性，在原始码书基础上生成了旋转压缩码书，新码书大幅缩小码书尺寸，再配合旋转压缩码书相应的快速搜索方法对图像进行匹配压缩，相对于现有的方法，减少了码书的存储空间和匹配时的计算量，峰值信噪比只相对于原始尺寸码书穷尽搜索时有少量下降，而且十分适于硬件实现。

1)大幅降低矢量量化码书的存储量。当选用1024尺寸的原始码书时，如果使用旋转压缩将其压缩成256尺寸，则最终只需存储原来码书的25％。

2)大幅降低矢量量化码书的计算量。由于旋转压缩码书的尺寸远小于原始码书，因而与宏块的匹配比较次数也大大降低，从而减少了计算量。

3)在硬件实现时可以大幅降低码书的I/O带宽。本发明方法在搜索匹配过程中是由搜索范围内的每一个码字都旋转恢复成四个码字，所以每读入一个码字就相当于典型矢量量化中同时输入四个码字，相对典型矢量量化输入码书带宽减少了75％。

附图说明

图1是宏块方向相关性示意图；

图2是码书旋转原理示意图；

图3是本发明中阈值T的取值对码书尺寸的影响示意图，其中，横轴为阈值T，纵轴为压缩后码书尺寸；

图4是本发明方法匹配搜索流程图。

具体实施方式

下面结合附图和具体实施方式对本发明进行详细说明。

矢量量化可被看成是从k维Euclidean空间R^k到R^k的有限子集C的一个映射，即Q：→C，其中，C＝{y₀，y₁，…，y_N-1|y_i∈R^k}称为码书，N为码书大小，y_i称为码字，下标i是该码字在码书中对应位置的地址索引。该映射满足：Q(x|x∈R^k)＝y_p，其中x＝(x₀，x₁，…，x_k-1)， $y_p=(y_{p0},y_{p1},\&CenterDot;\&CenterDot;\&CenterDot;,y_{p_{k-1}}),$ 并满足

$d(x,y_p)=\underset{a\&le;j\&le;N-1}{\min }\left(d(x,y_j)\right)$

其中，y_p的下标p代表最佳匹配码字在码书中的地址索引，而d(x，y_j)为矢量x与码字y_j之间的失真测度，常用的失真测度为平方误差测度，其表达式为

$d(x,y_j)=\underset{l=0}{\overset{k-1}{\mathrm{\&Sigma;}}}{(x_l-y_{i,l})}^2.$

本发明的图像压缩方法，其特点是，

(1)首先使用旋转方法压缩原始码书，该方法利用原始码书方向上的相关性，将原始码书压缩储存，从而大幅度的降低硬件实现过程中码书的存储空间。

(2)再配合旋转压缩码书使用的等和值块扩展最近邻搜索方法，该方法使用旋转压缩码书对图像进行矢量量化压缩。

具体的实现方法

对原始码书的旋转压缩：

在图1中，可以看到四个不同的宏块，但是这四个宏块在方向上的相关性是很大的，如果将第一个宏块按顺时针方向旋转三次，就可以发现每次旋转的结果和另外的三个宏块是几乎一样的。所以，在实际的图像块中，像素的排列往往具有一定的方向性，而对于通用码书中的所有码字来说，同样存与图1相似的方向性。

所以，为了利用这种码书内方向上的相关性，将原始码书中的每一个码字X_i旋转，如图2所示，每一个码字X_i旋转后得到三个矢量

将X_i码字本身和旋转后的三个矢量

分别与码书中其他码字X_j进行比较，当

$T<\underset{m=1}{\overset{16}{\mathrm{\&Sigma;}}}|{\hat{X}}_i\left(m\right)-X_j\left(m\right)|,$ 其中T为阈值，

就确认X_j码字是由X_i码字旋转而成，存储X_i的值，从而完成了对原始码书的旋转压缩，压缩后的码书尺寸为N。

随着阈值T取值的不同，压缩后的旋转压缩码书尺寸也会随之变化，T越大，压缩后的码书尺寸越小，压缩率越高，图像质量也越相应下降。下面以原始码书尺寸等于1024的情况为例来说明阈值T对压缩后码书的尺寸的影响，如图3所示。

在Matlab软件平台下，分别设置阈值T＝20，21，...，50，得到原始1024尺寸码书的压缩后尺寸如图3所示，图中横轴为阈值T，纵轴为压缩后码书尺寸，由图可见随着阈值T对压缩后码书尺寸的影响。

由于原始码书的尺寸都是不一样的，而且随着具体的应用目标的不同，需要的压缩率和图像质量也不同，可能有的对压缩率要求更高而图像质量考虑较少，这时就可以使用较大的阈值T以获得更小的压缩后码书尺寸，从而进一步获得较高的压缩率；而有的对图像质量要求相对较高而压缩率要求较少，这时就可以使用较小的阈值T以获得更大的压缩后码书尺寸，从而获得较好的压缩后图像效果；所以可以根据每个具体的应用目标的要求来选取T的值，从而确定压缩后码书尺寸，以满足不同需要。

为了配合旋转压缩码书的使用，本发明设计了基于旋转压缩码书对图像进行矢量量化的搜索方法，具体步骤如下：

a.计算各旋转压缩码字的和值s_i，i＝1，2，3...N，然后按码字和值的大小对旋转压缩码书进行升序排列；

b.把上述经升序排列的码书分成L块，把每一块中间码字的和值作为本块码书的特征和值；

c.搜索开始时，搜索流程如图3所示，首先计算出输入图像块矢量x的和值S_x，由于特征和值码书是升序排列的，所以可以通过二分比较查找法来找到与和值S_x最相近的码书块的特征和值S_p和与其对应的码书块p；

d.将上述得到的码书块p的中间码字作为初始匹配码字，该码字附近同时上下扩展搜索M个相邻码字，搜索范围内的码字旋转恢复出4个方向的码字，通过失真度计算在恢复码字中找到与输入图像块矢量X最优匹配码字和旋转次数，其中失真度的计算公式为：

$\mathrm{Distorion}=\underset{i=1}{\overset{16}{\mathrm{\&Sigma;}}}|\mathrm{Data}\_I_i-\mathrm{Data}\_C_i|$

式中的Distortion指失真度，Data_I表示图像块矢量，Data_C表示码书矢量，最优匹配码字就是指和图像块矢量比较时失真度最小的码字。

e.最后将最优匹配码字的索引j和旋转次数i输出，即完成了图像的压缩。

以下以1024尺寸的原始码书为实施例来具体说明本发明的效果。

首先利用小波变换，生成有规律的符合人眼视觉特征的1024尺寸，矢量维数为16的原始码书。取阈值T＝41，原始1024尺寸码书可以旋转压缩得到一个256尺寸的旋转压缩码书，然后使用基于旋转压缩码书的搜索算法对512×512尺寸，256灰度级标准静止灰白图像lena，couple，splash，lax编码后的峰值信噪比与使用256，1024尺寸码书的全搜索方法的峰值信噪比进行了对比，三种方法对比的结果见表1。

表1各种算法峰值信噪比的对比(单位dB)

图像名称	1024尺寸码书全搜索算法	本发明方法(L＝32，M＝5)	256尺寸码书全搜索算法
				Splash	29.97	29.77	27.72
Couple	26.79	26.49	25.32
				Lax	23.78	23.71	22.86
Lena	30.11	29.62	28.31

根据实验结果可以看出，本发明方法比256尺寸码书全搜索算法性能平均提高1.33dB，比1024尺寸码书全搜索算法性能平均下降0.28dB。

Claims (4)

1.一种使用旋转压缩码书对图像进行匹配压缩的方法，其特征在于，该方法包括以下步骤，

首先，利用原始码书方向上的相关性，对原始码书进行旋转压缩；

再配合旋转压缩码书使用的等和值块扩展最近邻搜索方法，利用该方法使用旋转压缩码书对图像进行矢量量化压缩。

2.按照权利要求1所述的方法，其特征在于，所述对原始码书进行旋转压缩，是按照以下步骤进行，

a.将原始码书中的每一个码字X_i进行旋转，利用码字之间方向的相关性，每一个码字X_i旋转后得到三个矢量

b.将X_i码字本身和旋转后的三个矢量

分别与码书中其他码字Xj进行比较，当 $T<\underset{m=1}{\overset{16}{\mathrm{\&Sigma;}}}|{\hat{X}}_i\left(m\right)-X_j\left(m\right)|$ 时，其中T为阈值，就确认X_j码字是由X_i码字旋转而成，存储X_i的值，从而完成了对原始码书的旋转压缩，压缩后的码书尺寸为N。

3.按照权利要求1所述的方法，其特征在于，所述对图像进行矢量量化压缩的搜索方法是按照以下步骤进行，

a.计算各旋转压缩码字的和值S_i，i＝1，2，3...N，然后按码字和值的大小对旋转压缩码书进行升序排列；

b.把上述经升序排列的码书分成L块，把每一块中间码字的和值作为本块码书的特征和值；

c.搜索开始时，首先计算出输入图像块矢量x的和值S_x，找到与和值S_x最相近的码书块的特征和值S_p和与其对应的码书块p；

d.将上述得到的码书块p的中间码字作为初始匹配码字，该码字附近同时上下扩展搜索M个相邻码字，搜索范围内的码字旋转恢复出4个方向的码字，通过失真度计算在恢复码字中找到与输入图像块矢量x最优匹配码字和旋转次数；

e.最后将最优匹配码字的索引j和旋转次数i输出，即完成了图像的压缩。

4.按照权利要求3所述的方法，其特征在于，所述的最优匹配码字是指和图像块矢量比较时失真度最小的码字，其中失真度按以下公式得出：

$\mathrm{Distorion}=\underset{i=1}{\overset{16}{\mathrm{\&Sigma;}}}|\mathrm{Data}\_I_i-\mathrm{Data}\_C_i|,$

式中的Distortion指失真度，Data_I表示图像块矢量，Data_C表示码书矢量。

Images