CN101132530A - 基于游程编码实现嵌入式图像压缩的方法 - Google Patents

Abstract

本发明公开了一种基于游程编码实现嵌入式图像压缩的方法，解决了现有压缩方法复杂，编码速度慢的问题。包括：输入图像、小波变换、快速逐次逼近量化、基于二进制描述游程的游程编码、熵编码和输出压缩图像。其中快速逐次逼近量化通过建立子带峰值的概念，对小波变换后的图像系数进行快速量化，减少了逐次逼近量化所需的时间，提高了小波图像压缩方法的性能；基于二进制描述游程的游程编码方法对快速逐次逼近量化后的小波系数重要图进行编码，相比以零树结构为特征的许多小波图像压缩方法来说，极大地降低了图像压缩方法的复杂度。

Description

基于游程编码实现嵌入式图像压缩的方法

技术领域

本发明涉及一种针对静止图像的嵌入式小波图像压缩方法，尤其涉及一种基于快速逐次逼近量化和二进制描述游程的游程编码技术。

背景技术

随着信息化时代的到来，数字化图像的数据量是相当大的，图像信息的海量存储、处理和传输便成为其硬件和软件技术最大的难题之一。以数字电视为例，如果是SIF(Source InputFormat)格式，NTSC制、彩色、4∶4∶4采样的数字电视图像，那么每帧的数据量为2028Kb，每秒的数据流量可达60.8MB，一片650MB的CD-ROM一共只能存放325帧图像，可播放的节目时间也只有10.7秒。从这个简单的例子可以看出，数字化以后的图像信息量是何其之庞大。如果单纯采用扩大存储器容量、增加通信干线的传输率的办法显然是不现实的。而对海量数据进行压缩，以压缩形式存储和传输是解决这一问题的一个行之有效的办法。

在图像压缩发展的历史上，基于离散余弦变换的图像编码方法一度占了统治地位。不过，由于小波变换的多分辨率特性非常适于图像压缩，因此近年来小波图像编码技术便在图像压缩领域取得了巨大的成功，并已经在JPEG2000中得到了具体应用。其中，最经典的嵌入式小波图像压缩技术莫过于Shapiro于1993年提出的嵌入式零树量化压缩方法EZW(EmbededZerotree Wavelet)了。EZW是一种非常成功的图像压缩方法，其基本思想是对小波变换系数的编码分为两个部分：一是对用来表明系数特性的系数重要性图进行编码；二是对重要系数的幅度进行编码。利用不同尺度的小波系数幅度间存在较强的相关性，将多数的零系数组织成一种树形结构，从而提高了整体编码效率。这种方法得到的比特流中的比特是按重要程度排序的，可方便的实现分级编码和传输。使用这种编码方法，编码者能够在任意一点结束算法，允许达到一个目标比特率或目标失真，而这时仍能较确切的恢复原来的图像。

在EZW之后，Said和Pearlman于1996年提出了基于分层树集合分割排序的SPIHT图像压缩方法(Set Partitioning Hierarchical Trees)，SPIHT是EZW的改进，它将某一树节点及其所有后继节点归结为同一集合，集合分割过程是不断地将重要集合分成四个子集，再分别对每一个子集进行重要性测试，由于小波变换系数在空间方向树结构中的相似性，使得采用这种集合分割后的排序技术具有高效性的特点。

尽管上述的EZW和SPIHT零树小波图像压缩方法取得了不错的压缩性能，但仍然存在一些不足之处，具体表现在：在逐次逼近量化过程中，针对小于阀值的小波系数，为了确定该系数是零树根还是孤立零，EZW编码算法必须扫描其所有后代，这必然大大影响其编码速度，因此，时间耗费很大；两种算法都是利用零树这种数据结构对一组数据的重要性进行判断，将大量不重要系数用整个集合的重要性表示，整个非重要系数集合都可以不必传送到解码端，大大减少了排序信息，从而提高了编码效率，但是生成零树却需要对整个变换进行多次扫描，所以复杂度较高。

相对于上述零树小波图像压缩方法的复杂，一种标量量化方法SR(Stack-Run)就简单高效多了。SR图像压缩方法利用类似游程编码的方法记录连续出现的非重要系数个数，对重要系数进行均匀量化，也与EZW有相当的性能，但缺点是不能形成嵌入式的码流。

在上述图像压缩的背景下，本发明提出一种基于游程编码实现嵌入式图像压缩的新方法，不仅简单高效，而且能够生成嵌入式的码流。

发明内容

针对现有技术存在的缺陷和不足，本发明的目的就是要提出一种简单高效的基于游程编码实现嵌入式图像压缩的方法，在不降低小波图像编码器的编码性能的基础上，简化小波图像压缩方法的复杂度，减少编解码图像时系统所需的内存和时间，同时，随着接收比特的增多，渐进的恢复图像，使之能够适合应用于网络、无线传输，图像浏览，特别是容易发生误差的环境。

为达到上述目的，本发明采用以下技术方案：一种基于游程编码实现嵌入式图像压缩的方法，包括如下步骤：

步骤A，将欲处理的图像进行小波变换产生若干不同频率的子带，根据得到的子带中小波系数的绝对值确定初始量化门限；

步骤B，以当前量化门限为标准对所述子带的小波系述进行量化；

步骤C，对重要图进行二进制描述游程的游程编码，并将编码结果和量化为0的系数送至自适应算术编码器；

步骤D，判断是否达到指定比特率；

步骤E，如果没有达到指定比特率，所述当前量化门限缩小一半，执行步骤B；

步骤F，如果已达到指定比特率，则终止编码。

优选的：在所述基于游程编码实现嵌入式图像压缩的方法中，所述步骤A具体为：

步骤A1，对欲处理的图像进行N级小波分解，得到3N+1个子带；

步骤A2，将第k个子带中小波系数的最大绝对值记为X_k，并称之为第k个子带峰值的最大绝对值(1≤n≤N)，X_3n+1表示低频子带LL_N中小波系数的最大绝对值；

步骤A3，对所述子带按如下顺序扫描：LL_N，HL_N，LH_N，HH_N，HL_N-1，LH_N-1，HH_N-1，….，HL₁，LH₁，HH₁；

步骤A4，统计图像的最大峰值为

X_M＝|max{X₁，X₂，.....，X_3N，X_3N+1}|                                  (1)

步骤A5，初始量化门限满足的条件为：T₀＞X_M/2

优选的：在所述基于游程编码实现嵌入式图像压缩的方法中，所述LL_N表示第N级的低频子带；所述HL_N表示第N级分解在水平方向上的子带；所述LH_N表示第N级分解在垂直方向上的子带；所述HH_N表示第N级分解在对角线方向上的子带。

优选的：在所述基于游程编码实现嵌入式图像压缩的方法中，所述步骤B具体为：大于等于当前量化门限的小波系数称为关于当前量化门限的重要系数，量化为1，小于当前量化门限的小波系数称为关于当前量化门限的不重要系数，量化为0。

优选的：在所述基于游程编码实现嵌入式图像压缩的方法中，所述步骤C包括：

步骤C1，每次量化后都产生一个二值决策图，Level表示为非0的小波系数1，Run表示为两个重要系数之间的零的个数。

步骤C2，将Run值转换为二进制，可表示为b_kb_k-1...b₁b₀(k∈N)，其中b_k是最有意义的比特，b₀是最没有意义的比特。

本发明基于游程编码实现嵌入式图像压缩的方法，具有以下显著的优点：

1)通过建立子带峰值的概念，量化部分采用了快速逐次逼近量化。由此可以大大减少逼近量化所需的时间，提高了图像编码器的性能。

2)采用简单的游程编码技术编码小波变换系数的快速逐次逼近量化重要图，有效降低了图像压缩方法实现的复杂度，并且能够取得较好的压缩性能。

附图说明

图1是本发明所提出的基于游程编码实现嵌入式图像压缩的方法的系统方案组成示意图；

图2是本发明所提出的基于游程编码实现嵌入式图像压缩的方法中的三级小波分解示意图；

图3是本发明所提出的基于游程编码实现嵌入式图像压缩的方法的流程实现框图。

具体实施方式

下面结合附图和具体实施例对本发明做进一步详细说明。

如图1所示，本发明所提出的小波图像压缩方法，总体上由线性变换、量化、排序编码和熵编码四部分构成。线性变换部分采用9/7双正交小波变换。量化部分采用快速逐次逼近量化。排序编码部分采用二进制描述游程的游程编码。熵编码部分采用自适应算术编码。

本图像压缩发明方法的编码流程如图3所示，具体步骤见如下详细说明：

1)原始图像输入；

2)对原始图像进行小波变换；

小波变换具体可以采用9/7双正交小波变换，分解5层，使用对称延拓，小波分解后的子带分布示意图如图2所示；

3)初始化量化门限；

为了说明初始化量化门限是如何确定的，下面将首先解释一下逐次逼近量化的概念，然后对本发明中采用的快速逐次逼近量化及初始量化门限值的选取作详细的说明。

所谓逐次逼近量化就是要通过依次使用阀值序列T₀，T₁，T₂，…，T_N-1中的T_i来决定小波系数的重要性，其中T_i的选取须满足迭代式T_i＝T_i-1/2，而初始阀值T₀须满足条件：对于所有要量化的小波系数x，有|x|＜2T₀。整个逐次逼近量化过程需要不断地等分前一次量化的阀值作为当前阀值，直至达到目标比特率要求为止。

下面对快速逐次逼近量化作一下详细的说明：

假设对图像进行N级小波分解，则共有3N+1个子带。将第k个子带中小波系数的最大绝对值记为X_k，并称之为第k个子带峰值(k＝1，2，….，3N，3N+1)。相应地，X_3n-2，X_3n-1和X_3n分别表示子带HH_n、LH_n和HL_n中小波系数的最大绝对值(1≤n≤ N)，X_3n+1表示低频子带LL_N中小波系数的最大绝对值，扫描顺序按LL_N，HL_N，LH_N，HH_N，HL_N-1，LH_N-1，HH_N-1，….，HL₁，LH₁，HH₁子带的排列顺序进行如图2箭头所示的Z字型扫描。进一步，我们记图像的最大峰值为

X_M＝|max{X₁，X₂，.....，X_3N，X_3N+1}|                                  (1)

则对于快速逐次逼近量化的初始阀值T₀的选取只须满足条件2T₀＞X_M即可。

为叙述方便，将满足条件X_k≥T_i的子带称为关于阀值T_i的重要子带，而将满足条件X_k＜T_i子带称为关于阀值T_i的不重要子带。当每一次逼近量化结束时，都会得到一个相对于当前阀值的重要图，其中必然存在一些所有小波系数均为0的子带(特别是最初的几次量化过程)和满足条件X_k＜T_i的不重要子带，所以在进行第i次迭代时，就无需扫描此类不重要子带。这无疑会大大减少逼近量化的时间，加快编码速度。

同理，解码器也需要确定某个子带相对于阀值是否重要，故也应将子带峰值信息传递给解码器。应用中都是通过传递n_k(其中n_k＝log₂X_k)来替代X_k，以充分减少因传递峰值信息所带来的额外代价。

4)以当前量化门限对小波变换的系数进行量化；

以当前阀值T_i对小波变换的系数进行量化，大于等于当前阀值的小波系数量化为1，小于当前阀值的小波系数量化为0。

5)对重要图进行二进制描述游程的游程编码，并将编码结果和有意义的系数送至自适应算术编码器；

这里对本发明中编码重要图的二进制描述游程的游程编码作一下详细说明。

利用游程编码对图像数据压缩是比较传统的一种方法，带有压缩的BMP文件就是游程编码的最简单应用，JPEG也使用游程编码加哈夫曼编码对DCT变换后的数据进行进一步的压缩。传统的游程编码方法是将一个数据序列用Run/Level表示，其中Run表示序列中两个非零值之间零值的个数，Level表示下一个非零系数的值，然后对Run/Level符号序列进行熵编码。在本发明中，经过快速逐次逼近量化后，小波系数x相对于门限T来说被定义了两种可能，重要系数(用1进行编码)、不重要系数(用0进行编码)。每一次的量化都会产生一个重要图，重要图是一个二值决策图，用来表明对应位置的小波系数是否量化为零，是否在当前量化中表现的重要。这样，在量化后的编码过程中，就只需对重要图进行不同于传统零树结构的游程编码，对有意义的系数进行自适应算术编码处理。重要图中两个重要性系数之间的零的个数就是游程值，由于采用快速逐次逼近量化，非零系数一定是1，所以这里不需要对Level编码，而只需编码游程值Run，解码方通过对游程值的解码，就可以得知重要系数出现的位置。从而将一个二值的比特平面编、解码转化为若干个游程的编、解码。任意一个游程值，大小随机变化，根本无法事先确定。然而如果将其转换为二进制表示，则可以看成是由有限的0和1组成。将游程值转换为二进制可表示为b_kb_k-1...b₁b₀(k∈N)，其中b_k是最有意义的比特(MSB)，b₀是最没有意义的比特(LSB)。这样就用0、1组成的二进制序列方式编码游程值，代替对原始游程值十进制的编码。在实际编码时，只需要编码对应的二进制值0或者1即可。

6)当前量化门限缩小一倍，转至步骤4)执行；

在自适应算术编码过程中，若已达到指定的比特率则随时终止编码过程。

解码过程是编码的逆过程，这里就不再赘述了。

本发明提出的一种基于游程编码实现嵌入式图像压缩的方法，充分利用了小波变换系数的特点，在各种先验信息的指导下，能够形成简单高效的嵌入式码流，编码性能非常良好，相对于传统的零树小波图像压缩方法来说，由于二进制描述游程的游程编码技术的使用，本发明方法大大降低了图像编码器的复杂性。总的来说，本图像压缩发明方法是一种性能非常良好的方法，可以广泛应用于各种需要嵌入式编码的场合，应用前景十分广阔。

Claims (5)

1.一种基于游程编码实现嵌入式图像压缩的方法，包括如下步骤：

步骤A，将欲处理的图像进行小波变换产生若干不同频率的子带，根据得到的子带中小波系数的绝对值确定初始量化门限；

步骤B，以当前量化门限为标准对所述子带的小波系述进行量化；

步骤C，对重要图进行二进制描述游程的游程编码，并将编码结果和量化为0的系数送至自适应算术编码器；

步骤D，判断是否达到指定比特率；

步骤E，如果没有达到指定比特率，所述当前量化门限缩小一半，执行步骤B；

步骤F，如果已达到指定比特率，则终止编码。

2.根据权利要求1所述的基于游程编码实现嵌入式图像压缩的方法，其特征在于，所述步骤A具体为：

步骤A1，对欲处理的图像进行N级小波分解，得到3N+1个子带；

步骤A2，将第k个子带中小波系数的最大绝对值记为X_k，并称之为第k个子带峰值(k＝1，2，….，3N，3N+1)；相应地，X_3n-2，X_3n-1和X_3n分别表示子带HH_n、LH_n和HL_n中小波系数的最大绝对值(1≤n≤N)，X_3n+1表示低频子带LL_N中小波系数的最大绝对值；

步骤A3，对所述子带按如下顺序扫描：LL_N，HL_N，LH_N，HH_N，HL_N-1，LH_N-1，HH_N-1，….，HL₁，LH₁，HH₁；

步骤A4，统计图像的最大峰值为

X_M＝|max{X₁，X₂，.....，X_3N，X_3N+1}|    (1)

步骤A5，初始量化门限满足的条件为：T₀＞X_M/2。

3.根据权利要求2所述的基于游程编码实现嵌入式图像压缩的方法，其特征在于，所述LL_N表示第N级的低频子带；所述HL_N表示第N级分解在水平方向上的子带；所述LH_N表示第N级分解在垂直方向上的子带；所述HH_N表示第N级分解在对角线方向上的子带。

4.根据权利要求1所述的基于游程编码实现嵌入式图像压缩的方法，其特征在于，所述步骤B具体为：大于等于当前量化门限的小波系数称为关于当前量化门限的重要系数，量化为1，小于当前量化门限的小波系数称为关于当前量化门限的不重要系数，量化为0。

5.根据权利要求1、2或4所述的基于游程编码实现嵌入式图像压缩的方法，其特征在于，所述步骤C包括：

步骤C1，每次量化后都产生一个二值决策图，Level表示为非0的小波系数1，Run表示为两个重要系数之间的零的个数；

步骤C2，将Run值转换为二进制，可表示为b_kb_k-1...b₁b₀(k∈N)，其中b_k是最有意义的比特，b₀是最没有意义的比特。

Images