CN101754008A - 统一的参数化3波段谱间整数可逆变换 - Google Patents
统一的参数化3波段谱间整数可逆变换 Download PDFInfo
- Publication number
- CN101754008A CN101754008A CN 200810051567 CN200810051567A CN101754008A CN 101754008 A CN101754008 A CN 101754008A CN 200810051567 CN200810051567 CN 200810051567 CN 200810051567 A CN200810051567 A CN 200810051567A CN 101754008 A CN101754008 A CN 101754008A
- Authority
- CN
- China
- Prior art keywords
- conversion
- integer
- band
- parametric
- transform
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Pending
Links
Images
Landscapes
- Compression, Expansion, Code Conversion, And Decoders (AREA)
- Compression Or Coding Systems Of Tv Signals (AREA)
Abstract
本发明提出一种统一的参数化3波段整数可逆变换,从该参数化3波段整数可逆变换可以导出已知的彩色整数可逆变换。只要适当的改变参数化矩阵的参数,就可以得到任意的3波段整数可逆变换,该变换可以由加法和移位完成,运算速度快,便于硬件实现。本发明涉及多媒体、流媒体信息处理领域,主要应用于彩色图像、多光谱图像、超光谱图像、序列图像等波段数或帧数大于等于3的媒体的无损压缩编码、无损信息隐藏、无损数字水印等技术领域。
Description
技术领域
本发明涉及多媒体、流媒体信息处理领域,主要应用于彩色图像、多光谱图像、超光谱图像、序列图像等波段数或帧数大于等于3的媒体的无损压缩编码、信息隐藏、数字水印等技术领域。
背景技术
谱间变换是彩色图像、多光谱图像、超光谱图像、序列图像等图像处理的重要和关键步骤,通过谱间变换实现高的压缩比、实现高性能的信息安全算法、实现优秀的数字水印算法等,在变换域处理媒体信息是其领域发展的趋势,而如何更好的在变换域处理媒体信息是提高处理质量的关键。
小波变换DWT是目前公认的去除空间冗余最好的变换,而且对于DWT在去除空间冗余方面所获得的认知是相当的成熟,但是利用DWT去除谱间冗余却未必是最好的,甚至是效果不好的,例如利用DWT去除7个波段图像的谱间冗余,只进行一次分解,这样作远没有达到去冗余的效果,因为参与DWT变换的波段数不是2的幂次,考虑到边界延拓则不适合采用DWT去除谱间冗余,因为每延拓一点就要多出一帧图像数据,这个数据量是巨大的将对去冗余效果产生严重影响。如果一定要用DWT去除谱间冗余,可以采用DWT和其它变换的混合变换,对2的幂次部分采用DWT,对其余部分采用其它变换,这是本发明提出统一的参数化3波段谱间整数可逆变换的基本出发点。为了将彩色图像、多光谱图像、超光谱图像等波段数或帧数大于等于3的图像序列进行3个分量的谱间处理,在此我们将3个分量的谱间变换统称为3波段变换。参数化3波段谱间整数可逆变换非常灵活,既可以单独实现谱间去冗余,也可以同DWT或减影变换结合起来实现谱间去冗余,另一个巨大优势是该变换可以完全由加法及移位完成,运算速度快,便于硬件完成。本发明的具体实施方式可以证明,对超光谱图像的无损压缩性能好于公认的基于3D-DWT变换的压缩算法,同时提供了高性能的信息隐藏及数字水印算法。
已公开发表的基于R、G、B的3波段彩色变换有YCrCb、NTSC、PAL、HDTV、UVW、XYZ、DCT、DHT、K1K2K3、KLT等,这些变换都是基于浮点数运算的,主要应用到彩色图像的有损压缩,为了实现彩色图像的无损压缩,出现了基于整型数运算的彩色整数可逆变换,有RCT、SHIRCT、YFbFr、YCoCg等。以上所有变换形式都是固定的,而没有写成参数化的形式。关于哪一种整数可逆变换去冗余效果更好还没有定论,并且没有一个理论框架可以将以上几种整数可逆变换统一起来,本发明致力于解决适合于彩色图像、多光谱图像、超光谱图像、序列图像等进行大于等于3个分量的谱间整数可逆变换问题。
发明内容
根据矩阵理论,对于任意N×N的可逆矩阵T,不论矩阵的行列式值的模是否为1,总可以通过改造变换矩阵将其变为行列式值的模为1的矩阵。若矩阵的行列式值的模等于1,则矩阵T存在有限步的基本三角阵分解,所以可以构造参数化的3波段谱间整数可逆变换矩阵,将整数可逆变换矩阵写成一般参数形式。在本发明中将T称为参数化3波段谱间整数可逆变换矩阵,这样的整数可逆变换有无限多个,我们可以根据实际处理问题的需要选择最优变换,例如采用能量最低原则实现的参数化3波段谱间整数可逆变换等。本发明给出的3波段谱间整数可逆变换矩阵显式形式之一的XCJRCT变换如下:
正变换: 逆变换:
d=In1-((In2+In3)>>1) d=Out2-(γ×Out3)>>λ
Out1=In2+In3+(d>>1) In2=-Out3+((Out1+(d>>3))>>1)
Out3=-I2+((Out1+(d>>3))>>1) In3=Out1-In2+(d>>1)
Out2=d+(γ×Out3)>>λ In1=d+((In2+In3)>>1)
其中γ、λ为变换时可调整参数,可以根据实际处理问题的需要选择其数值大小,In1、In2、In3为输入信号,Out1、Out2、Out3为输出信号,‘>>’为二进制左移符号。以上变换可以由加法和移位完成,便于硬件实现。
3波段谱间整数可逆变换矩阵写成一般参数形式如下:
选择适当的运算后可得
其中,
δ1=x1×(1+z2×w1)+x2×[y1×(1+z2×w1)+y2×w1]+w1
δ2=x1×(z1+z2×w2)+x2×[y1×(z1+z2×w2)+y2×w2+1]+w2
δ3=x1×z2+x2×(y1×z2+y2)+1
我们称γ、λ为变换时可调整参数,x1、x2、y1、y2、z1、z2、w1、w2为整数可逆变换矩阵形成参数,参数选择的不同将形成不同的整数可逆变换矩阵。
附图说明
图1基于参数化3波段整数可逆变换的多光谱、超光谱遥感图像无损压缩编码方案实现流程。
图23波段谱间XCJRCT整数可逆变换、减影变换谱间去冗余,CDF(2,2)DWT空间去冗余Canal的160个波段无损压缩比随波段变化曲线。
图31D-CDF(2,2)DWT谱间去冗余,CDF(2,2)DWT空间去冗余Canal的160个波段无损压缩比随波段变化曲线
图4基于参数化3波段整数可逆变换的多光谱、超光谱遥感图像无损水印方案实现流程图。
具体实施方式
1.参数化方案实例
(1)参数化方案实例1
为了书写方便,将‘÷’号写成‘/’,令,y1=-1/2,y2=-1/10,z1=1,z2=1/2,w1=-1/2,w2=-1/2,得
根据能量最小化原则有δ1+δ2+δ3=0,则得x1=0,这样,可以推得参数化的变换矩阵
设Out=[Out1,Out2,Out3]T,In=[In1,In2,In3]T,Out=T×In,可以导出各分量之间的关系,例如,Out2=Out3×x2+In1-(In2+In3)/2。
考虑到图像去冗余的实际效果,我们希望|Out2|尽可能的小,由于是一个参数化的表达式,因此x2的选择对Out2的影响非常大,x2的不同代表了不同的整数可逆变换,理论上这样的整数可逆变换有无限多个,但是我们总是希望找到最优的一个。基于以上分析,我们将其参数化,令x2=γ>>λ则得XCJRCT变换。
(2)参数化方案实例2
令y1=2,y2=1/2,z1=3/2,z2=1/4,w1=-3,w2=-4,得
δ1=x1/4-x2-3,δ2=x1/2-4,δ2=x1/4+x2+1,根据能量最小化原则有δ1+δ2+δ3=0,则得x1=6,这样可以推得参数化的变换矩阵,
取x2=-2,则得到基本YCoCg整数可逆变换。
(3)参数化方案实例3
令y1=-6/5,y2=-5/8,z1=1/10,z2=5/16,w1=-11/5,w2=22/15,x1=8/25得参数化的变换矩阵
取x2=8/5,则得到基本YFbFr整数可逆变换。
(4)参数化方案实例4
令y1=0,y2=-1,z1=-1,z2=0,w1=0,w2=0,
δ1=x1,δ2=x2-x1,δ3=1-x2,此处有δ1+δ2+δ3≡1,x1,x2的选择更加灵活,这样可以推得参数化的变换矩阵
取x1=1/4,x2=3/4,则得到著名的JPEG2000RCT整数可逆变换。
事实上,随着参数的变化,可以构造无数个3波段整数可逆变换,在实际应用中可以根据具体优化原则确定参数的选择。
2.基于参数化3波段谱间整数可逆变换的多光谱、超光谱遥感图像无损压缩编码应用实例
(1)应用参数化3波段谱间整数可逆变换实现多光谱、超光谱遥感图像的无损压缩编码方案步骤
第1步:输入F帧参与压缩编码的多光谱、超光谱图像。
第2步:谱间变换:将其分成两组,连续的3N帧图像为一组,Q(Q=F-3N)帧图像为一组,在3N帧图像中选一帧同Q帧图像相邻波段号的图像,先对Q帧图像组实施谱间相邻波段图像之间的减影变换,再对3N帧图像组实施谱间参数化3波段整数可逆变换,变换后出现N个低频帧Z1,以变换后的某一帧Z1为参考帧作减影变换。
第3步:空间变换,对谱间变换后的F帧图像进行2D-CDF(2,2)DWT。
第4步:对3D变换后的F帧图像实施压缩编码,具体流程见图1。
(2)算例一:160波段Canal超光谱遥感图像压缩实验
在此我们采用160波段Canal超光谱遥感图像进行压缩仿真实验,作为本发明方法的有效性证明,具体如下。
本发明方案:
对159个波段采用谱间3波段XCJRCT变换,令γ=15,λ=4,对XCJRCT变换后的53个Z1帧进一步作谱间减影变换,对变换后的160个波段进行空间2D-CDF(2,2)DWT,然后进行EBCOT压缩编码,其压缩效果见图2。
对比方案:
将160波段分成10组,谱间采用1D-CDF(2,2)DWT,空间采用2D-CDF(2,2)DWT,然后进行EBCOT压缩编码,其压缩效果见图3。
由图2和图3可知,采用XCJRCT变换方案各个波段的无损压缩比随波段的变化比较快,压缩比变化范围为[1.5984,4.1686],而三维小波变换方案则相对变化的比较慢,压缩比变化范围为[1.6577,3.7301],从平均效果上看采用XCJRCT变换方案好于三维小波变换的压缩结果,可见,XCJRCT变换方案是一种较好的超光谱图像压缩变换方案。
(3)算例二:Canal的第1波段至16波段共16个波段的对比压缩实验
在此之所以选择16个波段作对比压缩实验,是因为16波段数据做谱间CDF(2,2)小波变换可以做到完全变换以及不需要边界延拓,即低频分量只有一个数据,实施谱间变换后再对变换后的各个波段图像进行空间二维CDF(2,2)小波提升变换去除空间冗余,然后对其进行EBCOT压缩编码。但是从对比实验结果可知本发明变换仍然好于3D-CDF(2,2)DWT,并且压缩比提高了约0.02dB,由此可见,本发明提出的变换具有良好的谱间去冗余能力。
表1本发明算法同3D-DWT压缩结果对比
变换算法 | 压缩比 |
3D-CDF(2,2)DWT | 2.2693 |
空间变换采用CDF(2,2)DWT谱间采用本发明变换:3波段XCJRCT变换γ=3,λ=2 | 2.2815 |
(4)算例三:Canal的第21波段至30波段共10个波段的对比压缩实验
由于10个波段不能直接进行谱间DWT,所以必须进行6点的边界延拓,但是在谱间边界延拓一点就多出一帧的数据量,在这种情况下采用本发明算法将更具优势。
表2Canal的第21至30波段各种典型压缩算法无损压缩结果比较
算法名称 | 压缩比 | 本发明比所列算法提高(dB) | 本发明比所列算法提高(%) |
3D-CDF(2,2)DWT谱间采用对称延拓 | 1.47 | 0.85dB | 57.82% |
3D-CDF(2,2)DWT谱间采用周期延拓 | 1.46 | 0.86dB | 58.90% |
NMST算法,块4×4 | 2.04 | 0.28dB | 13.73% |
NMST算法,块2×2 | 2.06 | 0.26dB | 12.62% |
MST算法 | 2.10 | 0.22dB | 10.48% |
空间变换采用CDF(2,2)DWT谱间采用本发明变换:3波段XCJRCT变换,γ=3,λ=2 | 2.32 |
3.基于参数化3波段谱间整数可逆变换的彩色、多光谱、超光谱遥感图像无损数字水印应用方案
应用参数化3波段谱间整数可逆变换实现彩色、多光谱、超光谱遥感图像无损数字水印方案,多光谱、超光谱遥感图像无损数字水印具体实现方案见图4。
Claims (2)
1.一种统一的参数化3波段整数可逆变换,其特征是:整数可逆变换矩阵由矩阵形成参数给出,同时形成变换调节参数,可以导出已知的所有彩色整数可逆变换,变换调节参数可以调节具体变换效果,同时可以根据实际处理问题的需要选择其数值大小。
2.如权利要求1所述的一种统一的参数化3波段整数可逆变换,并提出具体的参数化3波段整数可逆变换XCJRCT变换,其特征是:变换完全可以由加法和移位完成,便于硬件实现。在应用于彩色图像、多光谱遥感遥感图像、超光谱遥感图像无损压缩编码等技术领域时,可以更好的实现去冗余,大大提高了压缩编码效率,参数化3波段整数可逆变换显式形式之一XCJRCT变换如下。
正变换: 逆变换:
d=In1-((In2+In3)>>1) d=Out2-(γ×Out3)>>λ
Out1=In2+In3+(d>>1) In2=-Out3+((Out1+(d>>3))>>1)
Out3=-I2+((Out1+(d>>3))>>1) In3=Out1-In2+(d>>1)
Out2=d+(γ×Out3)>>λ In1=d+((In2+In3)>>1)。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN 200810051567 CN101754008A (zh) | 2008-12-10 | 2008-12-10 | 统一的参数化3波段谱间整数可逆变换 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN 200810051567 CN101754008A (zh) | 2008-12-10 | 2008-12-10 | 统一的参数化3波段谱间整数可逆变换 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN101754008A true CN101754008A (zh) | 2010-06-23 |
Family
ID=42480282
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN 200810051567 Pending CN101754008A (zh) | 2008-12-10 | 2008-12-10 | 统一的参数化3波段谱间整数可逆变换 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN101754008A (zh) |
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102905137A (zh) * | 2012-11-01 | 2013-01-30 | 重庆邮电大学 | 超光谱信号的快速差值矢量量化压缩编码方法 |
CN111107360A (zh) * | 2019-12-31 | 2020-05-05 | 华中科技大学 | 一种光谱-空间维联合的高光谱图像无损压缩方法及系统 |
CN113038143A (zh) * | 2021-03-04 | 2021-06-25 | 吉林农业科技学院 | 一种超光谱图像无损压缩编码系统 |
-
2008
- 2008-12-10 CN CN 200810051567 patent/CN101754008A/zh active Pending
Cited By (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102905137A (zh) * | 2012-11-01 | 2013-01-30 | 重庆邮电大学 | 超光谱信号的快速差值矢量量化压缩编码方法 |
CN102905137B (zh) * | 2012-11-01 | 2015-09-09 | 重庆邮电大学 | 超光谱信号的快速差值矢量量化压缩编码方法 |
CN111107360A (zh) * | 2019-12-31 | 2020-05-05 | 华中科技大学 | 一种光谱-空间维联合的高光谱图像无损压缩方法及系统 |
CN113038143A (zh) * | 2021-03-04 | 2021-06-25 | 吉林农业科技学院 | 一种超光谱图像无损压缩编码系统 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
DE102015114973B4 (de) | Datenkomprimierung | |
DE102015114978B4 (de) | Datenkomprimierung | |
CN1835585B (zh) | 用于快速执行子像素内插的方法和系统 | |
CN109636865A (zh) | 数据压缩 | |
US20030053702A1 (en) | Method of compressing digital images | |
CN101989253B (zh) | 离散余弦转换电路及使用其的影像处理装置 | |
CN101754008A (zh) | 统一的参数化3波段谱间整数可逆变换 | |
CN100409693C (zh) | 用于图像和视频压缩的正交变换方法 | |
CA2791788A1 (en) | Apparatus and method for encoding and computing a discrete cosine transform using a butterfly processor | |
CN106612438A (zh) | 一种基于重叠分区高级小波变换技术的图像压缩方法 | |
JP4449400B2 (ja) | 画像符号化装置及び方法、並びにプログラム及び記録媒体 | |
CN113365074B (zh) | 限制点预测常现位置及其点矢量数目的编解码方法及装置 | |
CN106604037A (zh) | 一种新型的彩色图像编码方法 | |
JP2005523660A (ja) | ウェーブレット変換を使用するカラー画像のデータ圧縮 | |
US6523051B1 (en) | Digital signal transformation device and method | |
CN114902276A (zh) | 图像处理器 | |
CA2989785A1 (en) | Adaptive precision and quantification of a wavelet transformed matrix | |
JP5191013B2 (ja) | 画像符号化装置及び画像復号化装置 | |
US20040105590A1 (en) | Method for still image compressing using filter bank based on non-separable wavelet basis | |
Balakrishnan | Design and implementation of lifting based daubechies wavelet transforms using algebraic integers | |
Ibrahimpatnam | A high performance novel image compression technique using hybrid transform for multimedia applications | |
EP2254338B1 (en) | Coding and decoding methods and devices, computer program and information carrier enabling the implementation of such methods | |
CN110971913B (zh) | 一种基于填充Y通道的Bayer图像压缩方法 | |
Leni et al. | Kolmogorov superposition theorem for image compression | |
CN109874020B (zh) | 质量和复杂度可分级的不可分离提升小波变换方法 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
C02 | Deemed withdrawal of patent application after publication (patent law 2001) | ||
WD01 | Invention patent application deemed withdrawn after publication |
Application publication date: 20100623 |