CN101093583A - 数字图像中圆形感兴趣区域及其压缩算法 - Google Patents

Abstract

该发明为数字图像中圆形感兴趣区域及其压缩算法，属于计算机科学技术领域。在图像压缩过程中，需要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。针对常用的矩形感兴趣区域，本发明从人类视觉系统通常以某点为中心，圆形发散这一特点入手，提出了另一规则形状——圆形感兴趣区域，并研究出了圆形感兴趣区域的压缩算法。对提出的圆形感兴趣区域，推导出了与其相应的掩码计算公式，将SPIHT(Set Partitioning in HierarchicalTrees)算法加以改进，得到了适用于圆形感兴趣区域的图像压缩算法。基于圆形感兴趣区域图像压缩技术可以更好地解决压缩比和重建图像质量之间的矛盾。

Description

数字图像中圆形感兴趣区域及其压缩算法

技术领域

本发明提出了数字图像中圆形感兴趣区域及其压缩算法，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 of interest coding in JPEG2000[J]，Signal Processing：Image Communication，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，本发明提出了另一种规则形状——圆形感兴趣区域的图像压缩算法。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：对提出的圆形感兴趣区域，推导出相应的掩码计算公式，将SPIHT(Set Partitioning in Hierarchical Trees)算法加以改进，得到适用于圆形感兴趣区域的图像压缩算法。

圆形ROI掩码计算公式的具体实现：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，这里我们先计算出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：

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

由于添加的是圆形区域，我们考虑圆的性质来计算出小波系数的感兴趣区域。我们已知圆心(x₁，y₁)和圆上的任意一点(x₂，y₂)可以计算出在原图上添加的圆的半径为：

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

因此在最低频子带LL中

x_1，LL＝x₁/2^m

圆心：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，我们可以得到：

x_1，HL＝x₁/2^m+nLLWidth

圆心：y_1，HL＝y₁/2^m

半径：Radius_HL＝Radius_origin/2^m

由HL_N，HL_N-1，K，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计算该频段像素与圆心距离比较得出。

同理，对于LH子带，我们可以得到：

x_1，LH＝x₁/2^m

圆心：y_1，LH＝y₁/2^m+nLLHeight

半径：Radius_HL＝Radius_origin/2^m

由LH_N，LH_N-1，K，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计算该频段像素与圆心距离比较得出。

对于HH子带，我们同样可得出公式

x_1，HH＝x₁/2^m+nLLWidth

圆心：y_1，HH＝y₁/2^m+nLLHeight

半径：Radius_HH＝Radius_origin/2^m

由HH_N，HH_N-1，K，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计算该频段像素与圆心距离比较得出。

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

首先说明一下下面算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。

则算法可描述如下：

1)小波变换m次。

2)找到小波变换后小波系数最大值，并计算其用二进制表示的位数s。s＝log₂(max)|M_cof|，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(4)，否则转(6)。

4)对选择的圆形区域，按圆形感兴趣区域掩码计算方法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码流。

5)是否还有感兴趣区域未经小波提升，如果是，转(4)，否则转(6)。

6)计算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扫描的初始阈值

。将小波变换次数m，图像宽Width、高Height及初始阈值T₀写入码流。

7)初始化LSC，LlC和LIS三个表。将LSC表设为空，LlC＝{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。

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]0＝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，即T₀＝T₀/2。转(8)。

在编码过程中，如已达到指定的比特率或给定的扫描终止阈信则终止编码讨程。

附图说明

该图是基于SPIHT的圆形感兴趣区域图像压缩算法。

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；当用户添加了感兴趣的区域后，设定小波提升位数为N(N≤S)，并将N值写入编码流；然后按圆形感兴趣区域掩码计算方法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码流；重新计算小波系数的最大值，并将小波变换次数，图像宽、高及初始阈值写入码流；初始化LSC，LIC和LIS三个表，接着进行显著性过程和改进过程。

具体实施方式

按照上述算法设计软件，实现本发明提出的基于圆形感兴趣区域的图像压缩。

Claims (3)

1.圆形感兴趣区域图像压缩，该兴趣区域包括了一些重要的或备受关注的信息，在图像压缩中，对这部分信息需要进行低压缩比压缩甚至无损压缩，其特征是：圆形感兴趣区域更符合人类的视觉系统，结合常用的矩形感兴趣区域能获得更好的压缩效果。

2.根据权利要求1所述的圆形感兴趣区域，推导出了相应的掩码计算公式，其特征是：通过研究小波变换后小波系数分布的特点，提出用像素位置与圆心计算距离来判断是否属于ROI。

3.根据权利要求1所述的圆形感兴趣区域图像压缩，得到了适用于圆形感兴趣区域的图像压缩算法，其特征是：利用权利要求2中的圆形感兴趣区域的掩码公式进行计算。

Images