CN101779461A - 使用pixon方法的图像压缩和解压缩 - Google Patents

使用pixon方法的图像压缩和解压缩 Download PDF

Info

Publication number
CN101779461A
CN101779461A CN200880013446A CN200880013446A CN101779461A CN 101779461 A CN101779461 A CN 101779461A CN 200880013446 A CN200880013446 A CN 200880013446A CN 200880013446 A CN200880013446 A CN 200880013446A CN 101779461 A CN101779461 A CN 101779461A
Authority
CN
China
Prior art keywords
image
compression
level
pixon
decompressing
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.)
Granted
Application number
CN200880013446A
Other languages
English (en)
Other versions
CN101779461B (zh
Inventor
理查德·普埃特
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
PIXON IMAGING LLC
Original Assignee
PIXON IMAGING LLC
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by PIXON IMAGING LLC filed Critical PIXON IMAGING LLC
Publication of CN101779461A publication Critical patent/CN101779461A/zh
Application granted granted Critical
Publication of CN101779461B publication Critical patent/CN101779461B/zh
Expired - Fee Related legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
    • H04N19/00—Methods or arrangements for coding, decoding, compressing or decompressing digital video signals
    • H04N19/10—Methods or arrangements for coding, decoding, compressing or decompressing digital video signals using adaptive coding
    • H04N19/134—Methods or arrangements for coding, decoding, compressing or decompressing digital video signals using adaptive coding characterised by the element, parameter or criterion affecting or controlling the adaptive coding
    • H04N19/157—Assigned coding mode, i.e. the coding mode being predefined or preselected to be further used for selection of another element or parameter
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T9/00—Image coding
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T5/00—Image enhancement or restoration
    • G06T5/70—Denoising; Smoothing
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
    • H04N19/00—Methods or arrangements for coding, decoding, compressing or decompressing digital video signals
    • H04N19/10—Methods or arrangements for coding, decoding, compressing or decompressing digital video signals using adaptive coding
    • H04N19/102—Methods or arrangements for coding, decoding, compressing or decompressing digital video signals using adaptive coding characterised by the element, parameter or selection affected or controlled by the adaptive coding
    • H04N19/117—Filters, e.g. for pre-processing or post-processing
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
    • H04N19/00—Methods or arrangements for coding, decoding, compressing or decompressing digital video signals
    • H04N19/10—Methods or arrangements for coding, decoding, compressing or decompressing digital video signals using adaptive coding
    • H04N19/134—Methods or arrangements for coding, decoding, compressing or decompressing digital video signals using adaptive coding characterised by the element, parameter or criterion affecting or controlling the adaptive coding
    • H04N19/154—Measured or subjectively estimated visual quality after decoding, e.g. measurement of distortion
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
    • H04N19/00—Methods or arrangements for coding, decoding, compressing or decompressing digital video signals
    • H04N19/10—Methods or arrangements for coding, decoding, compressing or decompressing digital video signals using adaptive coding
    • H04N19/169—Methods or arrangements for coding, decoding, compressing or decompressing digital video signals using adaptive coding characterised by the coding unit, i.e. the structural portion or semantic portion of the video signal being the object or the subject of the adaptive coding
    • H04N19/17—Methods or arrangements for coding, decoding, compressing or decompressing digital video signals using adaptive coding characterised by the coding unit, i.e. the structural portion or semantic portion of the video signal being the object or the subject of the adaptive coding the unit being an image region, e.g. an object
    • H04N19/176—Methods or arrangements for coding, decoding, compressing or decompressing digital video signals using adaptive coding characterised by the coding unit, i.e. the structural portion or semantic portion of the video signal being the object or the subject of the adaptive coding the unit being an image region, e.g. an object the region being a block, e.g. a macroblock
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
    • H04N19/00—Methods or arrangements for coding, decoding, compressing or decompressing digital video signals
    • H04N19/10—Methods or arrangements for coding, decoding, compressing or decompressing digital video signals using adaptive coding
    • H04N19/169—Methods or arrangements for coding, decoding, compressing or decompressing digital video signals using adaptive coding characterised by the coding unit, i.e. the structural portion or semantic portion of the video signal being the object or the subject of the adaptive coding
    • H04N19/182—Methods or arrangements for coding, decoding, compressing or decompressing digital video signals using adaptive coding characterised by the coding unit, i.e. the structural portion or semantic portion of the video signal being the object or the subject of the adaptive coding the unit being a pixel
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
    • H04N19/00—Methods or arrangements for coding, decoding, compressing or decompressing digital video signals
    • H04N19/10—Methods or arrangements for coding, decoding, compressing or decompressing digital video signals using adaptive coding
    • H04N19/189—Methods or arrangements for coding, decoding, compressing or decompressing digital video signals using adaptive coding characterised by the adaptation method, adaptation tool or adaptation type used for the adaptive coding
    • H04N19/192—Methods or arrangements for coding, decoding, compressing or decompressing digital video signals using adaptive coding characterised by the adaptation method, adaptation tool or adaptation type used for the adaptive coding the adaptation method, adaptation tool or adaptation type being iterative or recursive
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
    • H04N19/00—Methods or arrangements for coding, decoding, compressing or decompressing digital video signals
    • H04N19/60—Methods or arrangements for coding, decoding, compressing or decompressing digital video signals using transform coding
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
    • H04N19/00—Methods or arrangements for coding, decoding, compressing or decompressing digital video signals
    • H04N19/60—Methods or arrangements for coding, decoding, compressing or decompressing digital video signals using transform coding
    • H04N19/61—Methods or arrangements for coding, decoding, compressing or decompressing digital video signals using transform coding in combination with predictive coding
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
    • H04N19/00—Methods or arrangements for coding, decoding, compressing or decompressing digital video signals
    • H04N19/85—Methods or arrangements for coding, decoding, compressing or decompressing digital video signals using pre-processing or post-processing specially adapted for video compression
    • H04N19/86—Methods or arrangements for coding, decoding, compressing or decompressing digital video signals using pre-processing or post-processing specially adapted for video compression involving reduction of coding artifacts, e.g. of blockiness

Landscapes

  • Engineering & Computer Science (AREA)
  • Multimedia (AREA)
  • Signal Processing (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Compression Or Coding Systems Of Tv Signals (AREA)
  • Compression Of Band Width Or Redundancy In Fax (AREA)

Abstract

提供了一种对最初用已知的压缩技术压缩的图像进行解压缩的方法。原始压缩图像文件由对应于图像数据的多个区域来界定。通过将多个不同尺寸的
Figure 200880013446.0_AB_0
内核迭代地应用到开始图像的每个区域来创建一组平滑测试图像，并且从尺寸最小的内核开始应用。使用已知的压缩技术压缩每个平滑测试图像，然后在图像的每个区域上对比原始压缩图像，以确定压缩平滑测试图像对原始压缩图像文件的每个区域的拟合优度。对每个区域，具有满足预先确定的拟合优度准则的、尺寸最大的内核的平滑测试图像被选择用于解压缩图像的给定区域。一种压缩方法，采用
Figure 200880013446.0_AB_0
方法用于对图像内的节点的优化。优化的节点被用于节点之间的图像强度的插值。

Description

使用PIXON方法的图像压缩和解压缩
相关申请
本申请要求于2007年4月25日递交的第60/914,030号美国临时申请的优先权，其全文以参考的形式并入本文。
发明背景
在许多军事、通讯和安全应用中，可取的做法是压缩图像数据以减少用于传输图像数据的无线要求和基于网络的系统对带宽的要求。通过减少这些图像相关的数据量，所需的存储空间量也可减少，从而可在一个磁盘上存储长的图像序列。
使用最广泛的图像压缩方法有JPEG、MJPEG、MPEG和H.264，这是基于块的技术。这些方法实施为：采用离散余弦变换(DCT)来变换原始图像，然后量化变换系数。DCT根据对图像视觉质量不同方面的重要性而将图像分成部分(或光谱分带)，从空间域到频域变换图像。要解压缩这些图像，最商业化的硬件和软件实现采用逆DCT方式。为了实现大量压缩，块变换编码一般是有损耗的，这意味着图像信息在压缩过程中将被永久丢失，因此，原始图像不能从压缩版本完美重建。在压缩和解压过程中，与变换有关的8×8的子图像块矩阵往往产生图像块伪像，其中的编码块轮廓作为从一个图像块到另一个图像块的不同变换被叠加在图像上。当压缩量低时，信息的损失是轻微的和无可非议的。但是，在更高的压缩级别，信息丢失变得日益明显，并有明显的伪像发生，伪像与编码块属性和对DCT系数量化有关。JPEG尝试利用人类视觉某些特性，对色彩细节的感知要比对亮度的感知弱少，因此，对较大图像块采用色度编码比亮度编码多。这项技术在高压缩时导致更多的伪像。因为每个子块(每块)是独立处理，图像数据中连接相邻模块的关键部分经常被丢失，多余的边缘和不连续性在块边界出现。
除了块伪像外，因为转换数据被量化，信息被丢失等，导致该块内容不能精确恢复。这些“蚊式伪像(mosquito artifact)”或“环纹(ringing)”，作为光环或晕出现在物体周围。
大量自适应滤波方法已经被开发出来，用于降低块伪像和环纹。在Yu的第6636645号美国专利、Le Dinh的第7076113号美国专利和Andersson的第7136536号美国专利中提供了这些方法的一些实施例。虽然这些滤波方法已成功地减少了伪像，但是在某些情况下，可能添加额外的特征(伪像)，或丢失数据。
在第5912993号和第6895125号美国专利(作为参考并入本文)中公开的PIXON方法最初用于图像重建。相对于其他的方法，在这些申请中PIXON
Figure G2008800134460D00022
方法提供了优越的性能，提供重建图像增强的空间分辨率和降低伪像。这些好处可以追溯到PIXON
Figure G2008800134460D00023
方法用于重建图像的最低复杂性模型。
PIXON
Figure G2008800134460D00024
图像重建方案建立了其最低复杂性模型，该模型通过一个假拟图像(pseudo-image)与具有空间变化的尺寸和形状的PIXON
Figure G2008800134460D00025
内核的卷积表达重建图像。“最低复杂性”的含义是上下文相关的。当一个人试图建立一个最低的复杂性假说(模型)，解答关于数据(上下文)的某些问题，最低的复杂性假说(模型)的含义是，对这些问题的最少的答案信息。在图像的情况下，由于关心的问题通常是：(a)对象是什么形状；(b)对象处在什么位置，和(c)发光通量密度是多少等。最低的复杂性模型(最少信息假设)是与数据相一致的最平滑的图像。这种最平滑的图像在关于物体的形状、其确切位置和通量密度方面提供的最少的信息是尽可能分散的。因此，可以确保的是，对于这些问题，数据将不会被过度解释。这种模式还可以自动消除重建伪像，并且，由于伪像水平被最大限度地减少而提高灵敏度和分辨率。
在PIXON
Figure G2008800134460D00026
方法中，假拟图像和PIXON
Figure G2008800134460D00027
内核被允许在像素对像素的基础上变换。虽然这种通过使相邻像素密切相关(他们不再是独立的数字)的方法显著减少重建图像信息，但该方法在图像压缩方面的效果是相反的，这是因为对于每一个图像，不仅必须在每个像素指定假拟图像，而且必须在多种PIXON
Figure G2008800134460D00031
内核进行选择。换句话说，直接写下图像比描述获得图像的方法更加简洁。因此，相对于写下图像本身，这种用来简化图像描述而选择描述图像的语言是没有用的。
然而，鉴于PIXON
Figure G2008800134460D00032
方法在图像重建方面的卓越性能，将需要调整PIXON
Figure G2008800134460D00033
方法以在图像压缩和解压使用。本发明是针对这样的方法。
发明内容
PIXON
Figure G2008800134460D00034
方法的最小复杂度图像模型被用于图像压缩和解压缩操作中。在数据压缩领域中，通常有强而有损耗与中等和无损耗压缩之间的区别。PIXON
Figure G2008800134460D00035
方法可用于对用工业标准压缩方法(例如JPEG、MJPEG(运动图像行业中使用的运动JPEG)、MPEG和H.264(均用于视频))压缩的图像进行解压缩。PIXON
Figure G2008800134460D00036
方法还可扩展至几乎所有现代图像压缩方法。
在本发明的第一方面中，用于对已经使用工业标准压缩方法压缩的输入图像文件的解压缩方法涉及：将该压缩图像文件与多个压缩平滑测试图像文件中的每一个进行迭代对比，对图像内的每个区域(location)，选择满足预先确定的拟合优度准则的平滑测试图像。通过将多个PIXON
Figure G2008800134460D00037
内核的每一个应用到原始解压缩图像文件来生成平滑测试图像。然后，使用相同的工业标准压缩方法再次压缩每个平滑测试图像文件并逐片段对比原始压缩图像。对于图像内的给定的区域，当被压缩时落入原始压缩图像文件的拟合优度准则的规定容差内的最平滑的平滑测试图像被标识为对应图像中的那个区域的期望的解压缩图像。对于每个区域，选择能够满足规定的容差的尺寸最大的内核以避免因过度平滑导致的信息丢失。使用所选择的平滑测试图像的相应的像素按区域来组合所生成的解压缩图像。然后，将解压缩图像下载到显示器或存储器设备。
在本发明的另一方面中，提供了一种对最初用已知压缩技术压缩的图像进行解压缩的方法，包括以下步骤：将原始压缩图像文件输入到处理器，该原始压缩图像文件具有对应于图像数据的多个区域，该处理器具有存储器和储存在该存储器中的用于执行PIXON
Figure G2008800134460D00038
方法的软件；通过将多个不同尺寸的PIXON
Figure G2008800134460D00041
内核迭代应用到开始图像的每个区域，并首先应用多个PIXON
Figure G2008800134460D00042
内核中的尺寸最小的内核，在解空间中生成多个平滑测试图像；使用已知的压缩技术压缩每个平滑测试图像，以及确定压缩平滑测试图像对原始压缩图像文件的每个区域的拟合优度；对于每个区域，选择具有满足预先确定的拟合优度准则的、尺寸最大的内核的平滑测试图像；以及输出所选择的平滑测试图像作为用于在显示设备上显示的优化的解压缩图像。
在本发明的另一方面中，一种用于使用PIXON
Figure G2008800134460D00043
方法解压缩图像的方法包括：将具有对应于图像数据的多个区域的原始压缩图像文件输入到处理器中，其中该图像文件最初用工业标准压缩方法压缩，该处理器具有存储器和储存在该存储器中的用于解压缩图像并执行PIXON方法的软件；使用相应的工业标准解压缩方法解压缩原始压缩图像，以产生原始压缩图像数据文件；使用从多个不同的内核中选择出的最小的内核平滑原始解压缩图像，以产生第一候选图像；使用工业标准压缩方法压缩第一候选图像；对比第一压缩候选图像和原始压缩图像文件，以确定原始压缩图像文件内的多个区域中的每一个区域上的拟合优度在预先确定的容差内；在拟合优度处于预先确定的容差内的每个区域上，接受第一候选图像，而在所有其他区域，保持原始解压缩图像不变；对多个不同内核中的每个剩余内核，重复平滑和对比的步骤，以产生多个不同的候选图像，其中在每次迭代后，在拟合优度处于预先确定的容差内的每个区域上，接受相应的候选图像，而在所有其他的区域，保留先前的候选图像，以及其中在最后迭代之后，保留生成的解压缩图像；将生成的解压缩图像存储到存储器中；以及将生成的解压缩图像输出到诸如计算机监视器、图像显示器或打印机的显示设备。
在上述实施方式中，解空间包括可通过平滑原始工业标准解压缩图像获取的候选图像。在可选的实施方式中，使用由PIXON
Figure G2008800134460D00045
内核的集合平滑的假拟图像组成的泛PIXON
Figure G2008800134460D00046
图像模型创建更大的解空间。通过找出图像内的每个像素上的最广的PIXON
Figure G2008800134460D00047
内核以及将GOF最小化的假拟图像的组合来生成PIXON
Figure G2008800134460D00048
映射，该PIXON映射由待被用在图像的每个像素处的PIXON
Figure G2008800134460D00051
内核的集合组成。可选地，对假拟图像的优化可通过以下方式进行：在维持PIXON
Figure G2008800134460D00052
内核不变的条件下，使用共轭梯度法最小化拟合优度，然后在假拟图像不变的条件下，最大化PIXON
Figure G2008800134460D00053
内核的宽度。迭代这两步进程直到达到假拟图像和PIXON
Figure G2008800134460D00054
映射收敛。可使用所属领域所熟知的诸如单纯性算法的其他多维优化方法。
相对于对工业标准解压缩图像平滑来说，该迭代进程的一个优点是，平滑处理不会引入压缩数据中不包含的图像内容，其仅消减结构信息。由于需要额外的图像信息以产生与数据一致的最简单的模型，根据迭代的实施方式，对假拟图像和PIXON
Figure G2008800134460D00055
映射的同步优化可引入压缩步骤中丢失的空间结构信息。
在另一实施方式中，使用PIXON
Figure G2008800134460D00056
方法构建基于信息的坐标系统以优化压缩/解压缩图像的方法包括：将包含图像数据的图像文件输入到处理器和关联的存储器中，该存储器储存用于执行PIXON
Figure G2008800134460D00057
方法的软件，其中该图像文件包括对应于图像数据的多个区域。该方法还可包括执行第一算法，该第一算法利用PIXON
Figure G2008800134460D00058
方法识别的数据图像内的信息密度来计算一个或多个图像数据点，以生成代表所接收的图像数据的模型的图像映射(image map)。可执行第二算法，以优化所述一个或多个图像数据点，包括优化图像数据点的位置和强度(intensity)，以减少图像数据点的数量。然后，可再次优化数量减少的图像数据点，以及确定在对应于接收的图像数据的区域和所述一个或多个图像数据点之间的拟合优度，以确保在图像数据的每个区域上，GOF处在预先确定的容差内。在处在预先确定的容差内的区域上，所述一个或多个图像数据点可被接受来作为图像压缩的候选，而在其他区域，使用所接收的图像数据的相应的部分。在一种实施方式中，一个或多个图像数据点包括节点(knot point)。该方法还可包括对所述一个或多个图像数据点进行编码，图像数据点包括待在图像数据的压缩中使用的图像数据点的位置和值。第一算法可包括图像插值算法，第二算法可包括单纯性(或其他)最小化算法。在一些实施方式中，通过对节点之间的图像强度的线性插值来构建所接收的图像数据的模型。
附图说明
本发明的方面、优点和细节，以及其结构和操作，可部分地通过对示例性的附图的研究而被理解，其中相同的参考数字指的是相同的部件。图示不一定是按比例绘制，而是重点放在示出本发明的原理。
图1是用于根据本发明使用PIXON
Figure G2008800134460D00061
方法对图像进行解压缩的简化的示例性的控制器模块的框图。
图2是用于使用PIXON
Figure G2008800134460D00062
方法压缩和解压缩图像的示例性的控制模块的框图。
图3是对已经使用工业标准方法压缩的图像的通常解压缩方案的框图。
图4是示出了用于已经使用工业标准方法压缩的图像的创造性的解压缩方法的步骤的流程图。
图5是示出了用于已经使用工业标准方法压缩的图像的可选的创造性的解压缩方法的步骤的流程图。
图6a和6b是示出了分别使用工业标准解压缩方法和创造性的PIXON
Figure G2008800134460D00063
解压缩方法对第一示例图像文件解压缩的示例性结果的影像。
图7a和7b是示出了对第二示例图像文件解压缩的示例性的结果的影像，其中，图7a示出了工业标准解压缩技术的结果以及图7b示出了PIXON
Figure G2008800134460D00064
解压缩处理的结果。
图8a和8b是示出了对第三示例图像(热红外图像文件)解压缩的示例性的结果的影像，其中图8a示出了工业标准解压缩技术的结果以及图8b示出了PIXON
Figure G2008800134460D00065
解压缩处理的结果。
图9a和9b是示出了对从夜视镜获取的第四示例图像解压缩的示例性的结果的影像，其中图9a示出了工业标准解压缩技术的结果以及图9b示出了PIXON
Figure G2008800134460D00066
解压缩处理的结果。
图10是示出了示例性的PIXON
Figure G2008800134460D00067
图像压缩程序的步骤的流程图。
图11a-11e示出了用于压缩输入图像(图11a)的示例性的插值方案中涉及的渐进步骤。
发明详述
本文中公开的某些实施方式提供了使用PIXON
Figure G2008800134460D00071
方法实现优质图像压缩/解压缩的方法和系统。尽管在本中文将描述本发明的各种实施方式，然而应被理解的是，这些实施方式仅通过实施例的方式示出，并不是限制。因此，这种对各可选的实施方式的详细的描述不应被理解为限制本发明的范围或广度。
为理解本发明的操作，简要的回顾PIXON
Figure G2008800134460D00072
方法的操作是有用的。(见Richard C.Puetter和Amos Yahil的“图像重建的PIXON方法”，1999年1月17日，其以参考的形式并入本文)。
PIXON
Figure G2008800134460D00073
方法立即提供了用于无损和有损压缩/解压缩的基础，原因是，容差是从严格于图像的最低有效位到逐渐宽松的容差(逐步降低图像细节)之间变化的。进一步地，容差度能够以依赖位置的方式被指定，允许在图像的不同部分进行不同程度的压缩/解压缩。
PIXON
Figure G2008800134460D00074
方法通过以图像数据将允许的最大程度对图像模型进行局部平滑，从而降低图像中独立的碎片或PIXON
Figure G2008800134460D00075
元素的数量，来最小化复杂度。在常见的PIXON方法的实施中，图像被用旨在提供平滑的正的内核函数，K，写作对假拟图像的积分：
I(y)＝∫dzK(y，z)φ(z)
内核函数也可被称为PIXON
Figure G2008800134460D00077
内核，其能够具有空间变化的尺寸和形状。该技术迭代计算出定义在图像数据像素网格上的假拟图像Φ。该假拟图像不是真实的图像，而是被与图像数据像素网格一起使用来执行生成PIXON
Figure G2008800134460D00078
分布和结果图像所需的数值计算。对非负最小二乘拟合(non-negative least-squares fit)的情况，要求假拟图像Φ为正，这消除了图像I中在尺度上小于K的宽度的波动。该尺度适合于图像数据。在每个区域上，只要不违反拟合优度，该尺度的尺寸被允许最大程度的增大。不仅能够通过使用允许多分辨率的不同尺寸的内核函数来降低复杂度，而且能够通过对内核函数的不同形状进行明智的选择来降低复杂度。例如，可适合于对绝大部分的天文图像重建的圆形对称内核，对具有拉长特征的图像(例如，城市的航空图像)可能并不是最有效的平滑内核。对内核的选择是通过其来指定图像模型的“语言”，其应足够表征图像的所有独立的元素。
用于图像的解压缩的PIXON
Figure G2008800134460D00081
方法可包括同时搜索最广(最大面积，体积等)的可能的内核函数及其相关假拟图像值，内核函数及其相关假拟图像值一起提供对数据的适合的拟合。实际上，搜索的细节可根据使用的PIXON
Figure G2008800134460D00082
方法的特性改变。然而，通常地，一种可选的方式为，给定内核函数的PIXON
Figure G2008800134460D00083
映射(在每一区域给定对内核的选择)，求解假拟图像，然后，给定当前的图像值，尝试增大内核函数的尺度大小。所需的迭代次数根据图像的复杂度改变，而对于绝大多数问题，一对迭代就可足够。选择合适的内核的准则是，其GOF和信噪比(SNR)在覆盖区(footprint)中满足用户设置的预设接受条件内的最大PIXON
Figure G2008800134460D00084
内核。如果没有内核具有合适的GOF，则指定δ函数内核，前提是其覆盖区的SNR足够高。如果SNR也不满足规定的条件，则不指定内核。需要注意的是，PIXON
Figure G2008800134460D00085
方法所需的SNR不一定是图像数据中的每个像素，而是PIXON
Figure G2008800134460D00086
内核的图像数据覆盖区中的整体SNR。PIXON
Figure G2008800134460D00087
方法检测大、低表面亮度特征与检测具有高的表面亮度的小特征一样有效。在两种情况下，对特征的接受或拒绝都是基于用户选择的统计显著性。
考虑到该背景信息，现将参照图1描述本发明。图1是可用于实施PIXON
Figure G2008800134460D00088
解压缩方法的示例性的控制器模块的框图。在一种实施方式中，控制器模块可包括接收模块1002、计算器模块1008和拟合优度模块1006。接收模块1002可被耦合至计算器模块1008和拟合优度模块(GOF)1006，并且被配置为接收包含工业标准解压缩图像的图像文件，其中图像包括对应图像数据的多个区域。在绝大多数情况下，该区域将对应像素阵列内的像素或像素块，但其他索引技术可被用于定义该区域，例如定义包含图像内的片段阵列的网格。工业标准解压缩图像可能源于标准的照相机、摄像机、红外摄像机、X射线成像仪、雷达成像仪或多个其他成像设备。在根据本发明进行解压缩之前，该图像将已经通过工业标准压缩方案而压缩为工业标准压缩图像(或原始的压缩数据文件)，例如用于图像传输或在较小大小的文件中存储该图像。所接收的工业标准解压缩图像可被存储于与GOF模块1006和计算器模块1008通信的存储设备1004中。解压缩之后，解压缩图像文件可被保存于存储设备中和/或可被输出，用于通过显示设备1010(打印机、计算机监视器或其它可视显示设备)显示，或与外部设备通信用于进一步的处理。
存储设备1004可包括易失性和/或非易失性存储器(例如只读存储器(ROM)、非易失性随机存取存储器(NVRAM)等)，以及一个或多个易失性存储设备(例如随机存取存储器(RAM))。计算器模块1008包括计算机代码，该计算机代码包括执行用于平滑解压缩的输入图像(如下所述)的PIXON方法的子程序。
图2是用于根据本发明使用PIXON
Figure G2008800134460D00092
方法压缩和解压缩图像的基于计算机的系统中使用的示例性的模块2000的框图。模块2001包括接收模块2005、第一控制模块2007、第二控制模块2008、计算器模块1008和拟合优度模块1006。接收模块2005被配置为接收输入图像文件，其包含图像数据和对应图像数据的多个区域。计算器模块1008和/或其相关存储器(未示出)具有储存在其中的计算机程序代码，该计算机程序代码用于执行生成对应输入图像中的信息的密度(density)的PIXON
Figure G2008800134460D00093
映射的方法。第一控制模块2007被配置为执行第一算法，该第一算法使用PIXON
Figure G2008800134460D00094
映射以计算一个或多个图像数据点，来生成代表所接收的图像数据的模型的图像映射。第二控制模块2008可被配置为执行第二算法，该第二算法被配置为优化所述一个或多个图像数据点，包括优化图像数据点的位置和强度，以降低图像数据点的数量。第二控制模块2008还可被配置为再次优化已降低数量的图像数据点。如果输出的目的是查看，则输出设备2010可以是显示设备，或者可以是用于将生成的压缩或解压缩的图像文件通信到另一设备的界面或网络连接。
图3示出了对已使用工业标准压缩方法压缩的图像进行处理的通常的解压缩方案的步骤。原始图像2000可已由标准照相机、摄像机、红外摄像机、X射线成像仪、雷达成像仪或多个其他成像设备产生。通过广播、电视、互联网或其他传输装置传输的图像还可被储存在光盘或视频档案上。通常，由于传输大容量的图像数据的限制，用一些工业标准压缩方案压缩图像或视频，以获得压缩图像数据(例如，原始压缩图像数据文件(OCDF))2002。，从包含使用根据本发明的PIXON
Figure G2008800134460D00101
方法生成的多个平滑测试图像的解空间中选择一个平滑测试图像(STI)2004，以及使用已经在OCDF上使用的相同的工业标准压缩方案压缩该平滑测试图像(STI)2004。对比测试压缩数据文件(TCDF)2006与OCDF 2002，以确定原始压缩图像数据文件2002的预设容差内的拟合优度。如果测试压缩数据文件匹配在规定的容差内，则其被选择作为原始图像的代表。
图4是示出了根据本发明的图像的压缩/解压缩的示例性的方法的步骤的流程图。可以使用诸如参照图1所述的处理模块实施该方法的步骤。在这种实施方式中，生成平滑测试图像的方法首先将工业标准解压缩图像输入到处理模块1000中。对于高级别压缩，该解压缩图像很可能充满块和蚊式伪像。使用PIXON
Figure G2008800134460D00102
方法平滑这种开始图像以去除伪像，同时维持原始压缩图像数据文件的规定容差内的GOF。如图4所示，进程开始于步骤3000，其中接收原始压缩图像数据文件(OCDF)。在步骤3002中，使用相应的工业标准解压缩方法对OCDF解压缩，以产生输入工业标准解压缩图像IDIS。基于该IDIS，初始化PIXON解压缩图像，并且在以下步骤中修正该PIXON
Figure G2008800134460D00104
解压缩图像。在步骤3006中，使用从多个不同的PIXON
Figure G2008800134460D00105
内核Ki中选择的PIXON
Figure G2008800134460D00106
内核对该输入的解压缩图像进行平滑。在优选的实施方式中，首先采用多个内核中的最小的内核，然而可以使用其它准则来选择第一个内核来开始这种迭代进程。PIXON
Figure G2008800134460D00107
平滑进程涉及用多个PIXON内核执行对输入解压缩图像的卷积，以形成多个平滑测试图像(STI)。下一步骤3008是PIXON
Figure G2008800134460D00109
测试，对多个区域，对相应于每一STI的每个TCDF在图像中的每个区域处的拟合优度进行比较，并且将具有最广的PIXON
Figure G2008800134460D001010
内核和具有仍满足规定拟合优度容差的TCDF的STI选择作为每个区域的PIXON
Figure G2008800134460D001011
解压缩图像。
在图4中，在步骤3008中，顺序执行PIXON
Figure G2008800134460D001012
测试，每次执行一个PIXON
Figure G2008800134460D001013
内核。在该步骤中，使用工业标准压缩方法压缩候选的解压缩图像，以产生测试压缩数据文件(TCDF)。可使用各种GOF(拟合优度)优值来确定TCDF是否在OCDF的给定容差内。对于JPEG或MJPEG压缩图像，示例性的进程将涉及逐块基础上的比较并确定OCDF的量化的DCT图像数据和TCDF的量化的DCT之间的差的平方之和是否小于规定容差，即，确定下式是否成立
GOF8×8块＝∑(OCDFi-TCDFi)2≤容差
其中每个8×8像素块的GOF准则被定义为8×8像素块中全部像素的总和，OCDFi是原始压缩数据文件的像素i中的量化的DCT值，TCDFi是测试压缩数据文件的相应像素值，以及由容差给出预先确定的容差。目的是当仍满足图像中每个8×8像素块的GOF容差时在每个区域上产生尽可能平滑的平滑测试图像。
对于使用运动估计以提高压缩级别的压缩方案，GOF将不一定基于单个帧，而是将可能包括对多个帧拟合移动目标的好坏。建立有效的GOF准则的具体细节将随着压缩方案而改变，并且还将根据具体实施所容忍的计算负荷的量而改变。然而，任何有效的GOF的目标都是测量具体的测试压缩数据文件与原始压缩数据文件的匹配程度。
返回图4的步骤3008，对于满足GOF准则的像素，平滑测试图像在这些像素处作为新的PIXON
Figure G2008800134460D00111
解压缩图像而被接受。对于不满足GOF准则的像素，PIXON
Figure G2008800134460D00112
解压缩图像将维持与通过上一循环的那些像素相同。然后，将平滑的图像返回到步骤3004，其中，为在步骤3006中对IDIS进行平滑选择下一最大内核，通过这种方式，再次处理PIXON解压缩图像，以确定其是否能够被进一步地平滑。使用相同的工业标准压缩方法再次压缩该平滑测试图像(STI)，并且在步骤3008中与OCDF相比较以识别满足GOF准则的像素，并且再次使用STI中通过GOF准则的像素来更新PIXON
Figure G2008800134460D00114
解压缩图像中的那些像素。在步骤3010中，就所选择的PIXON内核族而言，一旦已经尝试所有的内核，则PIXON
Figure G2008800134460D00116
解压缩图像就被尽可能地平滑了，并且停止进程。然后，生成的PIXON
Figure G2008800134460D00117
解压缩图像可被输出到显示设备、存储于存储器中，或传输到外部设备用于对解压缩图像进行进一步的处理。进一步的处理可涉及诸如执行面部面部识别、图像分析、图像并入某种类型的公开，或对解压缩图像可能的各种用途。
由PIXON
Figure G2008800134460D00121
解压缩方案得到的解压缩的质量将取决于从中选择平滑测试图像的解空间的大小。上述进程具有的解空间仅包含能够通过以依赖位置的方式以不同程度来平滑工业标准解压缩图像得到的那些图像。如果解空间是所有可能的图像的空间，则生成的解压缩图像将是在规定容差内压缩到原始压缩图像数据文件(OCDF)的最平滑的可能的图像。由于信息通常在压缩过程中丢失，导致即使在容差被设置为零的条件下，这种图像将也不是原始素材图像。尽管平滑测试图像将比原始图像更加平滑，由于其将没有伪像的缘故导致其将比工业标准解压缩图像更加接近原始图像(假定原始图像没有伪像)。
在PIXON
Figure G2008800134460D00122
解压缩方法的另一实施方式中，如果使用由PIXON
Figure G2008800134460D00123
内核的集合进行平滑的假拟图像组成的泛PIXON
Figure G2008800134460D00124
图像模型，则能够获取更大的解空间。生成的解空间是大得多的解空间，但由于使用的是PIXON
Figure G2008800134460D00125
内核的有限集合，所以该解空间不会上升至“完全”解空间的级别。如果使用由通过PIXON
Figure G2008800134460D00126
内核的集合进行平滑的假拟图像组成的泛PIXON
Figure G2008800134460D00127
图像模型，则能够获取更大的解空间，即，将平滑测试图像写作：
I STI ( x → i ) = ∫ V y → K ( y → , x → i ) φ ( y → ) d y →
其中，对通常的n维图像，该等式被写作为对
Figure G2008800134460D00129
空间
Figure G2008800134460D001210
的体积的积分(对于传统的二维图像，该式是对二维图像的简单积分)，
Figure G2008800134460D001211
是在位置处的假拟图像，以及
Figure G2008800134460D001213
是在像素
Figure G2008800134460D001214
处的PIXON
Figure G2008800134460D001215
内核(对于一般的假定下的径向对称内核， K ( y → , x → i ) = K ( | | y → i - x → i | | , x → i ) ) . 通过找到每个像素处的最广的PIXON内核以及将GOF最小化的假拟图像的组合来获取假拟图像和PIXON
Figure G2008800134460D001218
映射。这能够通过根据图5中所示的一般步骤的一定数量的多维优化技术来实现。
在示出的步骤中，原始压缩图像文件(OCDF)4000被输入到用于执行PIXON
Figure G2008800134460D001219
方法的可编程处理器中，并用于初始化PIXON映射和假拟图像(步骤4001)，然后通过一定数量的步骤优化该PIXON
Figure G2008800134460D00131
映射和假拟图像，这些步骤涉及迭代生成压缩的平滑测试图像(STI)以及对照OCDF测试该STI。能够取得对每个位置上选择的假拟图像和PIXON
Figure G2008800134460D00132
内核进行优化的多种可能的方式中的一种方式为：在维持PIXON
Figure G2008800134460D00133
内核不变的同时(步骤4003)，交替地通过将测试压缩数据文件(TCDF)对OCDF的GOF最小化来对假拟图像进行优化，然后通过用逐步扩大的内核对每个图像区域进行平滑，直到无法满足TCDF和OCDF之间预先确定的GOF容差(PIXON
Figure G2008800134460D00134
映射计算)(步骤4004)为止，来最大化PIXON
Figure G2008800134460D00135
内核的宽度。然后迭代这种两步进程(步骤4002)直到获得收敛(步骤4006)。对应PIXON
Figure G2008800134460D00136
映射和假拟图像的收敛的图像将是原始压缩图像文件的最优的解压缩图像(步骤4008)。然后，参照以上实施方式所述，可输出最优的解压缩图像。
与识别最佳的拟合平滑测试图像的第一方法不同的是，识别最优的解压缩图像的上述方法无需使用原始解压缩数据文件来初始化。可选地，PIXON
Figure G2008800134460D00137
方法能够基于零图像或其它图像而启动，以及使用最小可能PIXON
Figure G2008800134460D00138
内核(δ函数)开始迭代过程。尽管其可能需要更多迭代以达到收敛，但结果将仍是最优的解压缩图像。
相对于平滑第一实施方式的工业标准解压缩图像，这种迭代进程的优点是，由于平滑处理只能消减结构信息而不能引入结构信息，这导致用前者的方法进行平滑不能引入未包含于压缩数据中的图像内容。对假拟图像和PIXON
Figure G2008800134460D00139
映射(在每个像素上使用的合适的PIXON
Figure G2008800134460D001310
内核的集合)的迭代、同步优化能够引入压缩步骤中丢失的空间结构信息。通过PIXON方法的强大的最小复杂度约束，对压缩图像中存在的信息内容进行的优化拟合自动生成包含可能已经因压缩丢失的信息的图像模型。
上述PIXON
Figure G2008800134460D001312
解压缩方案能够被扩展到广泛的工业标准压缩方法。在一些实施方式中，该方法所基于的事实为，用于压缩原始图像或平滑测试图像到其各自的压缩图像数据文件的工业标准压缩方法是任意的。从而，工业标准压缩方法可以是任何压缩方法，例如MPEG-2、MPEG-4、MOV、AVI、或H.264。进一步地，PIXON
Figure G2008800134460D001313
测试，即，对测试压缩图像数据文件2006到原始压缩图像数据文件的GOF的评估与压缩方法无关。实际上，以上描述的解压缩方法的所有步骤都与压缩方法无关。尽管改变压缩方法改变了如何计算压缩图像数据以及可能改变如何使用并优化GOF的细节，但这并不改变对图像的PIXON建模以及对PIXON
Figure G2008800134460D00142
解压缩图像的同步优化的整体方法。
图6-9提供了本发明的PIXON解压缩方法应用到不同类型图像的实施例。
图6a和6b分别提供了对来自电视广播的MJPEG帧的工业标准解压缩方法和PIXON
Figure G2008800134460D00144
解压缩方法的结果对比。
图7a和7b提供了对由静态图像照相机产生的图像的工业标准JPEG解压缩(图7a)对比PIXON
Figure G2008800134460D00145
解压缩(图7b)的实施例。
图8a和8b是对最初使用工业标准JPEG压缩的热红外图像的JPEG和PIXON
Figure G2008800134460D00146
解压缩的结果的实施例。红外图像通常被用于热泄露探测，而伪像和噪声可干扰对图像的精确解译。
图9a和9b分别是对由夜视设备产生的图像的工业标准JPEG解压缩和PIXON
Figure G2008800134460D00147
解压缩的结果的实施例，由夜视设备产生的图像可被用于军事或执法过程中。
图10示出了基于图像插值的PIXON
Figure G2008800134460D00148
图像压缩进程的步骤。PIXON
Figure G2008800134460D00149
方法识别图像中的信息密度，从而为图像压缩提供一般性架构，即，其提供找出用于图像表达的简洁和自然的语言的可能性。为使用PIXON
Figure G2008800134460D001410
方法压缩图像，需要一种表达图像的简洁的语言，这种语言不同于对通过PIXON映射中指出的PIXON
Figure G2008800134460D001412
内核来平滑的假拟图像进行表达的语言。可采用的并在其结构中具有更高隐式信息度的一种可能语言是图像插值。尽管可使用各种类型的插值，但作为一个例子，考虑一种简单的插值方法：通过节点之间的线性插值来构建图像的模型。可基于PIXON
Figure G2008800134460D001413
映射提供的图像信息密度选择节点。可使用多项式拟合的任何合适的方法在节点之间进行插值，例如三次样条(例如B-样条)。如所属领域所熟知的，二维(2-D)图像处理经常使用样条函数用于插值。可选地，可使用任意曲线拟合(例如线性或二次拟合)。
一旦已经找到对节点的初始近似，即可利用例如单纯最小化算法等算法来对节点进行优化。单纯最小化算法可以在跨越所有这些维中的给定维数中推导出最简单的几何图形，例如在二维中为三角形。单纯最小化算法构建单纯图形并将一组基本的位移和缩放应用到各个顶点，以在给定的n维空间内移动它们。这些操作持续进行，直到该单纯图形括住了在该空间中定义的某个成本函数(拟合优度或评价函数)的局部最小值。每个位移或缩放之后，在新的顶点位置计算成本函数，以决定将哪个位移/缩放应用到下一步骤以及将其应用到哪个顶点。该技术被顺序应用到每个顶点以产生一组新的经优化的节点。
图10中提供了该进程的步骤的流程。根据本发明，用于压缩的插值方法开始于输入待压缩的原始图像文件(步骤8000)。使用PIXON
Figure G2008800134460D00151
方法识别原始图像内的信息密度(步骤8001)并设定由节点数量和位置组成的初始条件。步骤8002是迭代过程的开始点，用于逐步降低节点的数量。在步骤8003中，优化节点位置和强度，使得在图像的每个区域上，插值的测试图像(ITI)对原始图像的GOF被最小化。然后，在步骤8004中，降低节点的数量，直到在图像的每个区域上，ITI对原始图像的GOF尽可能的接近预先确定的容差，但不超过预先确定的容差。在步骤8006中，测试新的节点(或相邻节点)。如果新节点优化满足GOF准则，则重复步骤8000、8002和8004。如果新节点优化不满足GOF准则，则选择前一插值图像作为PIXON压缩图像，并且终止进程。然后压缩图像可被储存在存储器中或与外部设备通信用于传输、存储或其它操作。
图11a-11e示出了本发明的插值方案应用到广泛使用的测试图像“Lena”的实施例。图11a示出了原始图像，图11b示出了节点位置，以及图11c示出了用于线性三角剖分和插值的插值网格。图11d和11e分别示出了标准的JPEG和PIXON以大致相同的压缩率生成的图像。在一些实施方式中，标准压缩方法能够被用于编码节点数据，就其复杂度而言，这允许使用基于PIXON
Figure G2008800134460D00153
方法理念的插值方案以及优化。节点的密度控制图像信息的密度并代表PIXON
Figure G2008800134460D00154
映射。
上述图像插值压缩方案只是利用对PIXON
Figure G2008800134460D00161
方法提供的图像信息密度的知识的一种可能的方法。可能的压缩方法的另一例子将涉及基于量化的DCT(或其它变换)进行压缩(如同现今很多方案)，并通过使用对信息密度的知识而按区域来改变量化的等级，由此，来修改这些方法。为说明这一点，如果使用8×8像素方块并选择16个不同的量化矩阵，可以使用PIXON
Figure G2008800134460D00162
分析确定在每个8×8像素方块中哪个量化矩阵是合适的。作为16个8×8的Q矩阵(或者一个Q矩阵和15个缩放参数)和具有比原始图像少64倍的4比特图像，这种附加的信息相对较小。还可使用其它DCT方块大小(或方块大小的组合)以及不同数量的Q矩阵(或缩放参数)。PIXON
Figure G2008800134460D00163
映射还可被用于选择每个区域上的DCT方块的合适的大小。
对使用上述进程生成的压缩数据文件的解压缩是直接的。首先，必须解压缩节点的位置和强度数据。如上所述，通常将用大量标准压缩方案中的一个压缩这些数据为一串强度值(节点的强度值)和一组空间坐标(节点位置)。一旦获得这些数据，根据指定的插值方案简单地构建插值图像，然后停止。与上述只解压缩的PIXON
Figure G2008800134460D00164
方案不同的是，不执行优化。从而解压缩步骤非常快。
PIXON
Figure G2008800134460D00165
方法提供的图像信息的密度的信息能够被以很多方式使用，以修改图像压缩和解压缩的现有的方法以及设计全新的方法。其可被用于查找用于图像插值方案的节点的密度。还可被用于确定基于DCT的压缩方案的量化等级和方块大小。对信息密度的了解是使方案有效以及与没有PIXON
Figure G2008800134460D00166
分析的可能方案相比实现更高的压缩率的关键因素。
PIXON
Figure G2008800134460D00167
方法的测量和控制图像信息密度的能力使其具有在图像解压缩和压缩中作出重大的进展的能力。最简单的方案只涉及图像解压缩。在这些方案中，用现有的压缩方法(例如JPEG、MPEG、H.264)压缩的图像能够通过PIXON
Figure G2008800134460D00168
方法解压缩，以增强对伪像(块伪像或蚊式伪像)抵抗力。这将允许相同的图像或视频被压缩为更高的程度，同时仍具有相同的图像质量。PIXON
Figure G2008800134460D00169
解压缩还提供了对在压缩过程中丢失的图像信息进行恢复的能力。这种对信息的恢复需要在最简单的方案上的附加的计算，类似于PIXON
Figure G2008800134460D001610
方法对在有限衍射图像的图像重建的过程中未包含在数据中的有关空间频率的信息进行恢复的能力。最后，PIXON方法的原理能够被用来开发基于最小复杂度图像插值或图像信息密度的信息的其他应用的、全新和高度有效的图像压缩的方法。
在电子硬件、计算机软件或这些技术的组合中实现本发明的各种实现。一些实现包括由一个或多个计算设备执行的一个或多个计算机程序。通常，每台计算机包括一个或多个处理器、一个或多个数据存储部件(例如，易失性或非易失性存储器模块以及诸如硬盘和软盘驱动器、CD-ROM驱动器和磁带驱动器的永久性光、磁性存储设备)、一个或多个输入设备(例如用户界面、鼠标或轨迹球和键盘)以及一个或多个输出设备(例如显示控制台和打印机)。
计算机程序包括通常存储于永久性存储介质中以及然后在运行时间拷贝到存储器中的可执行代码。至少一个处理器通过从存储器以规定的顺序获取程序指令来执行代码。当执行程序代码时，计算机从输入和/或存储设备接收数据，对数据执行操作，以及然后将生成的数据传输到输出和/或存储设备。
已描述了本发明的各种示例性的实现。然而，一个所属领域的普通技术人员将认识到，额外的实现也是可能的，并在本发明的范围之内。
因此，本发明不只限于上述的那些实现。所属领域的那些技术人员将理解的是，连同上述图示描述了各种示例性的模块和方法步骤，以及本文公开的实现经常可以用电子硬件、软件、固件或上述的组合来实现。为清晰的示出这种硬件和软件的互换性，以上通常根据其功能描述了各种示例性的模块和方法步骤。这样的功能是作为硬件还是作为软件实施取决于具体的应用以及对整个系统施加的设计限制。技术人员可以对每个具体的应用以不同的方式实现所描述的功能，但是这种实现决策不应解释为导致脱离本发明的范围。此外，模块或步骤内的功能分组是为了便于描述。在不脱离本发明的情况下，特定的功能可以从一个模块或步骤移到另一个模块或步骤。
此外，连同本文公开的实现描述的各种示例性的模块和方法步骤可以用通用处理器、数字信号处理器(DSP)、专用集成电路(ASIC)、现场可编程门阵列(FPGA)或被设计为执行本文中所述的功能的其他可编程逻辑设备、分立的门或晶体管逻辑、分立硬件组件，或其组合来实现或执行。通用处理器可以是微处理器，但可选地，该处理器可以使任何处理器、控制器、微控制器或状态机。处理器还可以实现为计算设备的组合，例如DSP和微处理器的组合、多个微处理器的组合、与DSP核结合的一个或多个微处理器，或任意这样的配置。
此外，连同本文公开的实现描述的方法或算法的步骤可直接在硬件、由处理器执行的软件模块或两者的组合中实施。软件模块可处于RAM存储器、闪存、ROM存储器、EPROM存储器、EEPROM存储器、寄存器、硬盘、可移动磁盘、CD-ROM或包含网络存储介质的任何其他形式的存储介质中。示例性的存储介质可被耦合至处理器，使得处理器可从该存储介质中读取信息并向存储介质写信息。可选地，存储介质可以与处理器成为一体。处理器和存储介质还可处于ASIC中。
对所公开的实现的以上描述被提供来使所属领域的技术人员能够制造或使用本发明。这些实现的各种修改对于所属领域的技术人员将是明显的，以及在不脱离本发明的精神或范围的情况下，本文描述的一般的原理可以被用于其它实现。因此，应被理解的是，本文示出的描述和图示代表了本发明的示例性实现，以及从而代表本发明广泛考虑的主题。还应被理解的是，本发明的范围完全包括其他实现，以及因此本发明的范围仅受所附权利要求的限制。

Claims (16)

1.一种对最初使用已知压缩技术压缩的图像进行解压缩的方法，所述方法包括：
将一原始压缩图像文件输入到一处理器，所述原始压缩图像文件具有对应于图像数据的多个区域，所述处理器具有存储器和储存在该存储器中的用于执行
Figure F2008800134460C00011
方法的软件；
通过将多个不同尺寸的
Figure F2008800134460C00012
内核迭代应用到开始图像的每个区域并且首先应用所述多个
Figure F2008800134460C00013
内核中的尺寸最小的内核，在解空间中生成多个平滑测试图像；
使用所述已知压缩技术压缩每个平滑测试图像，并确定经压缩的平滑测试图像对所述原始压缩图像文件的每个区域的拟合优度；
对于每个区域，选择具有满足预先确定的拟合优度准则的、尺寸最大的内核的所述平滑测试图像；以及
将所选择的平滑测试图像作为优化的解压缩图像输出，用于在显示设备上显示。
2.根据权利要求1所述的方法，其中通过交替地对假拟图像进行优化和对
Figure F2008800134460C00014
映射进行优化直至所述假拟图像和所述
Figure F2008800134460C00015
映射收敛为止，来生成所述多个平滑测试图像。
3.根据权利要求1所述的方法，其中所述开始图像是通过使用对应所述已知的压缩方法的解压缩方法来解压缩所述原始压缩图像而获取的原始解压缩图像。
4.根据权利要求3所述的方法，其中通过使用来自所述多个不同尺寸的
Figure F2008800134460C00016
内核中的逐步增大的
Figure F2008800134460C00017
内核来迭代地卷积所述原始解压缩图像，生成所述多个平滑测试图像。
5.一种对最初用工业标准压缩方法压缩的图像进行解压缩的方法，所述方法包括：
将一原始压缩图像文件输入到一处理器，所述原始压缩图像文件具有对应于图像数据的多个区域，所述处理器具有存储器和储存在该存储器中的用于对图像进行解压缩和执行
Figure F2008800134460C00021
方法的软件；
使用相应的工业标准解压缩方法解压缩所述原始压缩图像，以产生一原始解压缩图像数据文件；
用工业标准解压缩的文件初始化
Figure F2008800134460C00022
解压缩图像；
使用选自多个不同内核中的尺寸最小的内核来平滑所述原始解压缩图像，以产生第一平滑测试图像；
使用所述工业标准压缩方法压缩所述第一平滑测试图像；
对比第一压缩候选图像和所述原始解压缩图像，以确定在所述原始压缩图像文件内的所述多个区域中的每一个区域上的拟合优度在预先确定的容差之内；
在拟合优度处于所述预先确定的容差之内的每个区域处，接受所述第一平滑测试图像作为所述
Figure F2008800134460C00023
解压缩图像，而在所有其他区域处，保持所述
Figure F2008800134460C00024
解压缩图像不发生改变；
对所述多个不同内核中的每个剩余内核，执行平滑和对比的步骤，以生成多个不同的候选图像，其中，在每次迭代之后，在拟合优度处于所述预先确定的容差内的每个区域上，接受相应的平滑测试图像作为所述
Figure F2008800134460C00025
解压缩图像，而在所有其他区域处，保持先前的
Figure F2008800134460C00026
解压缩图像不变，以及其中在最后迭代之后，保留生成的
Figure F2008800134460C00027
解压缩图像；
将所述生成的
Figure F2008800134460C00028
解压缩图像储存在所述存储器中；以及
将所述生成的
Figure F2008800134460C00029
解压缩图像输出到显示设备。
6.根据权利要求5所述的方法，其中所述多个区域包括像素。
7.根据权利要求5所述的方法，其中所述多个区域包括像素块。
8.根据权利要求5所述的方法，其中，对于所述多个内核的所有内核，并行执行平滑和对比的步骤。
9.一种从使用已知的压缩方法压缩的压缩图像文件生成解压缩图像的方法，所述方法包括：
将一原始压缩图像文件输入到一处理器，所述原始压缩图像文件具有多个图像区域，每一个图像区域对应于该图像文件中的图像数据，其中，所述处理器与一存储器通信，该存储器中储存有用于对图像解压缩和采用多个不同内核执行
Figure F2008800134460C00031
方法的软件；
使用对应于所述已知的压缩方法的解压缩方法解压缩所述原始压缩图像，以产生一原始解压缩图像数据文件；
用工业标准解压缩的文件初始化
Figure F2008800134460C00032
解压缩图像；
使用选自所述多个不同内核中的尺寸最小的内核来平滑所述原始解压缩图像文件，以产生第一平滑测试图像；
使用所述工业标准压缩方法压缩所述第一平滑测试图像；
对比第一压缩平滑测试图像和所述原始压缩图像文件，以确定在所述原始压缩图像文件内的所述多个区域中的每一个区域上的拟合优度在预先确定的容差之内；
对于拟合优度处于所述预先确定的容差之内的每个区域，接受所述第一平滑测试图像作为所述
Figure F2008800134460C00033
解压缩图像，而在所有其他区域处，保持所述
Figure F2008800134460C00034
解压缩图像不发生改变；
在所述接受步骤之前或之后，对所述多个不同内核中的每个剩余内核执行平滑、压缩和对比的步骤，以生成多个不同的平滑测试图像，其中，在每次迭代之后，在拟合优度处于所述预先确定的容差内的每个区域上，接受相应的平滑测试图像作为所述解压缩图像，而在所有其他区域处，保持先前的候选图像不变，以及其中在最后迭代之后，保留生成的
Figure F2008800134460C00036
解压缩图像；
将所述生成的解压缩图像储存在所述存储器中；以及
将所述生成的
Figure F2008800134460C00038
解压缩图像输出到显示设备。
10.根据权利要求9所述的方法，其中所述多个区域包括像素。
11.根据权利要求9所述的方法，其中所述多个区域包括像素块。
12.一种用于压缩图像的方法，包括：
将包含图像数据的图像文件输入到处理器和存储器，所述存储器中储存有用于执行
Figure F2008800134460C00041
方法的软件，所述图像文件包含对应于所述图像数据的多个区域；
执行第一算法，所述第一算法利用由所述
Figure F2008800134460C00042
方法识别的所述数据图像内的信息密度来计算一个或多个图像数据点，以生成表示所接收的图像数据的模型的图像映射；
执行第二算法以优化所述一个或多个图像数据点，包括优化所述图像数据点的位置和强度，以减少图像数据点的数量；
再次优化数量减少的图像数据点；
在所述图像数据中的每个区域处，确定对应于输入图像数据的区域与所述一个或多个图像数据点之间的拟合优度是否保持在预先确定的容差内；
在处于所述预先确定的容差内的区域上，接受所述一个或多个图像数据点作为图像压缩的候选，而在其他区域处，使用所述接收的图像数据的对应部分；以及
通过合并输入图像中所有区域处的所接受的图像数据点来生成压缩图像文件。
13.根据权利要求12所述的方法，其中所述一个或多个图像数据点包括节点。
14.根据权利要求12所述的方法，其中所述第一算法包括图像插值算法。
15.根据权利要求12所述的方法，其中所述第二算法包括单纯性(或其他)最小化算法。
16.根据权利要求12所述的方法，其中通过对节点之间的图像强度进行线性插值来构建所述接收的图像数据的模型。
CN2008800134460A 2007-04-25 2008-04-17 使用pixon方法的图像压缩和解压缩 Expired - Fee Related CN101779461B (zh)

Applications Claiming Priority (3)

Application Number Priority Date Filing Date Title
US91403007P 2007-04-25 2007-04-25
US60/914,030 2007-04-25
PCT/US2008/060692 WO2008134256A1 (en) 2007-04-25 2008-04-17 Image compression and decompression using the pixon method

Publications (2)

Publication Number Publication Date
CN101779461A true CN101779461A (zh) 2010-07-14
CN101779461B CN101779461B (zh) 2012-05-30

Family

ID=39926032

Family Applications (1)

Application Number Title Priority Date Filing Date
CN2008800134460A Expired - Fee Related CN101779461B (zh) 2007-04-25 2008-04-17 使用pixon方法的图像压缩和解压缩

Country Status (10)

Country Link
US (1) US8396313B2 (zh)
EP (1) EP2145476B1 (zh)
JP (1) JP2010525750A (zh)
KR (1) KR20100016272A (zh)
CN (1) CN101779461B (zh)
AU (1) AU2008245952B2 (zh)
CA (1) CA2685237A1 (zh)
HK (1) HK1145912A1 (zh)
RU (1) RU2009139403A (zh)
WO (1) WO2008134256A1 (zh)

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN104952037A (zh) * 2014-03-27 2015-09-30 联科集团(中国)有限公司 图像文件缩放方法与系统
CN112368708A (zh) * 2018-07-02 2021-02-12 斯托瓦斯医学研究所 使用伪图像的面部图像识别

Families Citing this family (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
EP2437486A1 (en) * 2010-10-04 2012-04-04 Flir Systems AB IR Camera and Method for Processing Thermal Image Information
ES2697611T3 (es) * 2011-04-15 2019-01-25 Siemens Medical Solutions Usa Inc Método para determinar un mapa de pixon en la reconstrucción de imagen iterativa
US9026505B1 (en) * 2011-12-16 2015-05-05 Emc Corporation Storing differences between precompressed and recompressed data files
HUE063524T2 (hu) 2013-09-18 2024-01-28 Siemens Medical Solutions Usa Inc Eljárás és rendszer adatok statisztikai modellezésére kvadratikus valószínûségfüggvény használatával
US10387414B2 (en) 2015-04-13 2019-08-20 Risk Management Solutions, Inc. High performance big data computing system and platform
US11250594B2 (en) * 2019-01-09 2022-02-15 Tencent America LLC Method and apparatus for geometry smoothing by local geometry projection
US10904579B2 (en) * 2019-01-09 2021-01-26 Tencent America LLC Method and apparatus for annealing iterative geometry smoothing

Family Cites Families (21)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US4720745A (en) * 1983-06-22 1988-01-19 Digivision, Inc. Method and apparatus for enhancing video displays
US4667304A (en) * 1984-11-23 1987-05-19 Digivision, Inc. Real-time, localized enhancement of a video image using separable two-dimensional filters
US4908876A (en) * 1988-03-16 1990-03-13 Digivision, Inc. Apparatus and method for enhancement of image viewing by modulated illumination of a transparency
US5170193A (en) * 1989-12-22 1992-12-08 Phoenix Laser Systems, Inc. Apparatus and method of identifying signals in biological tissues
DE69214229T2 (de) * 1991-08-14 1997-04-30 Agfa Gevaert Nv Verfahren und Vorrichtung zur Kontrastverbesserung von Bildern
US5440647A (en) * 1993-04-22 1995-08-08 Duke University X-ray procedure for removing scattered radiation and enhancing signal-to-noise ratio (SNR)
US5912993A (en) * 1993-06-08 1999-06-15 Regents Of The University Of Calif. Signal encoding and reconstruction using pixons
US6353688B1 (en) * 1993-06-08 2002-03-05 The Regents Of The University Of California Accelerated signal encoding and reconstruction using pixon method
GB9321372D0 (en) * 1993-10-15 1993-12-08 Avt Communications Ltd Video signal processing
US5802218A (en) * 1994-11-04 1998-09-01 Motorola, Inc. Method, post-processing filter, and video compression system for suppressing mosquito and blocking atrifacts
JP3747067B2 (ja) * 1996-02-27 2006-02-22 コーニンクレッカ フィリップス エレクトロニクス エヌ ヴィ 信号の符号化及び復号化方法及び装置
US5870502A (en) * 1996-04-08 1999-02-09 The Trustees Of Columbia University In The City Of New York System and method for a multiresolution transform of digital image information
US6188804B1 (en) * 1998-05-18 2001-02-13 Eastman Kodak Company Reconstructing missing pixel information to provide a full output image
FR2783388B1 (fr) * 1998-09-15 2000-10-13 Thomson Multimedia Sa Procede de compression d'images et dispositif pour la mise en oeuvre de ce procede
US6166384A (en) * 1998-11-06 2000-12-26 General Electric Company Method and apparatus for minimizing blurring and generating a high resolution image in a radiation imaging system
US6882997B1 (en) * 1999-08-25 2005-04-19 The Research Foundation Of Suny At Buffalo Wavelet-based clustering method for managing spatial data in very large databases
US7328182B1 (en) * 1999-09-23 2008-02-05 Pixon, Llc System and method for prediction of behavior in financial systems
US6993204B1 (en) * 2002-01-04 2006-01-31 Pixon Llc High speed signal enhancement using pixons
GB2407886B (en) 2003-11-10 2007-04-25 Metropolis Data Consultants Lt Digital signal processing with improved mapping
US7684643B2 (en) * 2004-10-26 2010-03-23 Siemens Medical Solutions Usa, Inc. Mutual information regularized Bayesian framework for multiple image restoration
US7881514B2 (en) * 2005-05-02 2011-02-01 Ultraspect Ltd. System for image reconstruction

Cited By (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN104952037A (zh) * 2014-03-27 2015-09-30 联科集团(中国)有限公司 图像文件缩放方法与系统
CN104952037B (zh) * 2014-03-27 2018-08-07 联捷计算科技（深圳）有限公司 图像文件缩放方法与系统
CN112368708A (zh) * 2018-07-02 2021-02-12 斯托瓦斯医学研究所 使用伪图像的面部图像识别
CN112368708B (zh) * 2018-07-02 2024-04-30 斯托瓦斯医学研究所 使用伪图像的面部图像识别

Also Published As

Publication number Publication date
WO2008134256A1 (en) 2008-11-06
CA2685237A1 (en) 2008-11-06
EP2145476A1 (en) 2010-01-20
AU2008245952B2 (en) 2012-08-16
EP2145476A4 (en) 2010-11-10
EP2145476B1 (en) 2012-11-21
RU2009139403A (ru) 2011-05-27
JP2010525750A (ja) 2010-07-22
US20100119166A1 (en) 2010-05-13
US8396313B2 (en) 2013-03-12
AU2008245952A1 (en) 2008-11-06
KR20100016272A (ko) 2010-02-12
CN101779461B (zh) 2012-05-30
HK1145912A1 (en) 2011-05-06

Similar Documents

Publication Publication Date Title
CN101779461B (zh) 使用pixon方法的图像压缩和解压缩
CN108028941B (zh) 用于通过超像素编码和解码数字图像的方法和装置
Zhang et al. Compression artifact reduction by overlapped-block transform coefficient estimation with block similarity
US20190244394A1 (en) Leveraging jpeg discrete cosine transform coefficients in neural networks
Ascenso et al. Learning-based image coding: early solutions reviewing and subjective quality evaluation
CN117980914A (zh) 用于以有损方式对图像或视频进行编码、传输和解码的方法及数据处理系统
Cheng et al. Optimizing image compression via joint learning with denoising
Wang et al. Raw image reconstruction with learned compact metadata
Siddeq et al. A novel 2D image compression algorithm based on two levels DWT and DCT transforms with enhanced minimize-matrix-size algorithm for high resolution structured light 3D surface reconstruction
Minguillo´ n et al. JPEG standard uniform quantization error modeling with applications to sequential and progressive operation modes
Bletterer et al. Point cloud compression using depth maps
WO2023241188A1 (zh) 一种无人机定量遥感应用的数据压缩方法
Gao et al. Mixed entropy model enhanced residual attention network for remote sensing image compression
Poolakkachalil et al. Comparative analysis of lossless compression techniques in efficient DCT-based image compression system based on Laplacian Transparent Composite Model and An Innovative Lossless Compression Method for Discrete-Color Images
Naaz et al. Implementation of hybrid algorithm for image compression and decompression
CN113141506A (zh) 基于深度学习的图像压缩神经网络模型、及其方法和设备
JP4730144B2 (ja) 復号化装置、逆量子化方法及びこれらのプログラム
Rani et al. Improving accuracy of deep learning-based compression techniques by introducing perceptual loss in industrial IoT
Cui et al. Deep Network for Image Compressed Sensing Coding Using Local Structural Sampling
Wen et al. When Smart Signal Processing Meets Smart Imaging
KR102720637B1 (ko) 태스크별 장면 구조 생성 방법
Pushpalatha et al. Interpolative Model on Hueristic Projection Transform for Image Compression in Cloud Services
Akyazi et al. A new end-to-end image compression system based on convolutional neural networks
Narasimhulu et al. Hybrid LWT and DCT based High-Quality Image Compression
US20240249394A1 (en) Method for generating task-specific scene structure

Legal Events

Date Code Title Description
C06 Publication
PB01 Publication
C10 Entry into substantive examination
SE01 Entry into force of request for substantive examination
REG Reference to a national code

Ref country code: HK

Ref legal event code: DE

Ref document number: 1145912

Country of ref document: HK

C41 Transfer of patent application or patent right or utility model
TA01 Transfer of patent application right

Effective date of registration: 20120214

Address after: American Pennsylvania

Applicant after: Pixon Imaging LLC

Address before: American California

Applicant before: Pixon Imaging LLC

C14 Grant of patent or utility model
GR01 Patent grant
REG Reference to a national code

Ref country code: HK

Ref legal event code: GR

Ref document number: 1145912

Country of ref document: HK

C17 Cessation of patent right
CF01 Termination of patent right due to non-payment of annual fee

Granted publication date: 20120530

Termination date: 20130417