CN106507113B - 一种三描述格型矢量量化预测边路解码方法 - Google Patents
一种三描述格型矢量量化预测边路解码方法 Download PDFInfo
- Publication number
- CN106507113B CN106507113B CN201611061314.8A CN201611061314A CN106507113B CN 106507113 B CN106507113 B CN 106507113B CN 201611061314 A CN201611061314 A CN 201611061314A CN 106507113 B CN106507113 B CN 106507113B
- Authority
- CN
- China
- Prior art keywords
- vector
- wing
- subband
- low
- band
- 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.)
- Active
Links
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
- H04N19/30—Methods or arrangements for coding, decoding, compressing or decompressing digital video signals using hierarchical techniques, e.g. scalability
- H04N19/39—Methods or arrangements for coding, decoding, compressing or decompressing digital video signals using hierarchical techniques, e.g. scalability involving multiple description coding [MDC], i.e. with separate layers being structured as independently decodable descriptions of input picture data
-
- 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
- H04N19/63—Methods or arrangements for coding, decoding, compressing or decompressing digital video signals using transform coding using sub-band based transform, e.g. wavelets
Landscapes
- Engineering & Computer Science (AREA)
- Multimedia (AREA)
- Signal Processing (AREA)
- Compression Or Coding Systems Of Tv Signals (AREA)
- Compression Of Band Width Or Redundancy In Fax (AREA)
Abstract
一种三描述格型矢量量化预测边路解码算法,涉及多描述编码领域。本发明通过利用小波变换图像编码中不同子带的不同相关性、以及现有多描述格型矢量量化索引分配方法下索引间的相关性,对只接收到三描述中的两个描述和一个描述这两种情况分别进行预测边路解码。本发明与现有技术方案相比的优点在于:充分利用了不同矢量间与相同矢量内部的索引相关性,使得两个描述和一个描述的两种边路解码情况下均能取得更好的图像解码质量。
Description
技术领域
本发明涉及多描述编码领域,特别是涉及一种三描述格型矢量量化预测解码算法。
背景技术
针对压缩图像的鲁棒传输问题,多描述编码(Multiple Description Coding,简称MDC)技术提供了一种有效的解决方案。多描述编码技术对同一个图像信号进行编码产生多个不同的编码版本。每个版本被称为一个描述,并独立得在不可靠网络中进行传送。在接收端,每个描述可以独立提供一个质量可以被接受的粗略的重建图像信号,而更多数量的描述结合在一起能得到一个质量更佳的重建图像。由于使用MDC技术编码的图像在部分描述丢失的情况下仍能被重建,而不要求丢失数据包的重传,它提供了一个典型的在不可靠网络中的鲁棒图像传输方案,既能满足实时的通信需求又能减轻网络拥塞。
目前,已有的MDC方法通常生成两个描述。增加描述的数目能进一步提高它的鲁棒性,尤其是对于丢失率比较高的网络,同时也会带来更多的冗余信息。因此三描述编码方法是一种兼顾鲁棒性和冗余信息的选择。多描述可以使用标量量化和矢量量化的方式生成。与标量量化相比,多描述矢量量化能取得更好的编码效率、拓展性。已有的三描述格型矢量量化图像编码方法设计了矢量的索引分配方法,但是它的边路解码方法存在如下缺点:
在三描述的索引分配中,即将一个格型点映射到子格型点的三个索引,每个描述会包含其中的一个索引。在现有的索引分配方法下,三个索引之间存在了很好的相关性。已有的三描述格型矢量量化方法在收到部分描述时单独地对每个描述进行解码,而没有充分得考虑描述之间的相关性。
发明内容
为了克服上述现有技术的不足,本发明提供了一种三描述格型矢量量化预测边路解码算法,更加充分的利用了三描述之间的相关性,来进一步提高边路解码的质量。
本发明所采用的技术方案是:
一种三描述格型矢量量化预测边路解码算法,根据友邻矢量和索引间相关性来预测丢失的索引的方式,对只接收到三描述中的两个描述和只接收到一个描述这两种情况进行预测边路解码。
本算法针对的是进行了二维小波变换的三描述格型矢量量化图像编码生成的部分描述丢失情况。在此类算法中,图像经过二维小波变换以后,图像被分解成4种类型的子带,分别为:低低频子带LL、低高频子带LH、高低频子带HL、以及高高频子带HH。其中,低低频子带LL子带中的数据存在着较强水平相关性和垂直相关性,低高频子带LH子带存在着较强的水平相关性,高低频子带HL子带存在着较强的垂直方向的相关性,而高高频子带HH子带没有显著的水平相关性和垂直相关性。本发明中对两个描述的边路解码和对一个描述的边路解码算法都是基于小波不同子带相关性的特点而设计的,它们都利用这些小波子带相关性对丢失描述中的矢量进行预测。不同的是,接收到两个描述的边路解码算法不仅利用了不同小波子带的相关性,还利用了自身索引间的相关性,而一个描述的边路解码算法仅仅利用了不同小波子带的相关性。
在三描述格型矢量量化图像编码中,每个位于图像位置(i,j)的矢量会被量化到一个精细的格点λ(i,j)上。通过索引分配,每个λ(i,j)会根据索引分配映射函数α被映射到三个粗格点λ1'(i,j),λ2'(i,j),和λ3'(i,j)上。映射函数可用α(λ(i,j))=(λ1'(i,j),λ2'(i,j),λ3'(i,j))表示,而反映射函数可用α-1(λ1'(i,j),λ2'(i,j),λ3'(i,j))=λ(i,j)进行表示,它将三个粗格点反映射回一个细格点上。
若丢失一个描述,以丢失描述1为例,本发明的边路解码过程如下:
(1)、在低低频子带LL子带中,根据系数之间的水平相关性和垂直相关性,位于图像位置(i,j)的矢量边路解码可利用上、下、左、右4个相邻位置的矢量和自身索引的相关性。具体计算方法如下:
如果用接收到的索引预测丢失的索引λ1'(i,j)产生了非法的组合,即无法进行反映射α-1的组合,那么这个组合将在上述公式中被去除,其余组合取均值,其中表示位于图像位置(i,j)的矢量重建值。
(2)、在低高频子带LH子带中,根据系数之间的水平相关性,位于图像位置(i,j)的矢量边路解码可利用左、右2个相邻位置的矢量和自身索引的相关性。具体计算方法如下:
如果用接收到的索引预测丢失的索引λ1'(i,j)产生了非法的组合,即无法进行反映射α-1的组合,那么这个组合将在上述公式中被去除,其余组合取均值。
(3)、在高低频子带HL子带中,根据系数之间的垂直相关性,位于图像位置(i,j)的矢量边路解码可利用上、下2个相邻位置的矢量和自身索引的相关性。具体计算方法如下:
如果用接收到的索引预测丢失的索引λ1'(i,j)产生了非法的组合,即无法进行反映射α-1的组合,那么这个组合将在上述公式中被去除,其余组合取均值。
(4)、在高高频子带HH子带中,由于没有显著的水平和垂直相关性,位于图像位置(i,j)的矢量边路解码可利用自身索引的相关性。计算方法如下:
如果用接收到的索引预测丢失的索引λ1'(i,j)产生了非法的组合,即无法进行反映射α-1的组合,那么这个组合将在上述公式中被去除,其余组合取均值。
若丢失两个描述,本发明提出的一个描述边路解码的过程如下:
(1)、在低低频子带LL子带中,根据系数之间的水平相关性和垂直相关性,位于图像位置(i,j)的矢量边路解码可利用上、下、左、右4个相邻位置的矢量,计算方法如下:
(2)、在低高频子带LH子带中,根据系数之间的水平相关性,位于图像位置(i,j)的矢量边路解码可利用左、右2个相邻位置的矢量,计算方法如下:
(3)、在高低频子带HL子带中,根据系数之间的垂直相关性,位于图像位置(i,j)的矢量边路解码可利用上、下2个相邻位置的矢量,计算方法如下:
(4)、在高高频子带HH子带中,由于没有显著的水平和垂直相关性,位于图像位置(i,j)的矢量边路解码根据接收的自身的粗格点来近似恢复
与现有的不进行预测的边路解码技术相比,本发明充分利用了不同小波子带的相关性以及索引间存在的相关性。提出的一种三描述格型矢量量化预测边路解码算法能更好的提高一个描述和两个描述边路解码的图像质量。
附图说明
图1为三描述小波变换图像编码的流程图。
图2为本发明设计的编码算法流程图。
具体实施方式
先对文中所用的符号作具体介绍:用x表示一个小波系数组成的矢量,矢量x(i,j)位于整幅图像的第i行和第j列;矢量x(i,j)量化后的细格点记为λ(i,j),用λk'(i,j)表示该细格点经索引分配映射得到的第k个粗格点,此处k=1,2,3;将一个细格点映射到三个粗格点的索引分配映射函数用α()进行表示,相应的反映射函数记为α-1();矢量x(i,j)的重建值用进行表示。
下面结合附图对本发明作进一步详细说明:
在编码端,如图1所示,对一个输入图像进行三描述小波变换图像编码,步骤如下:
首先,对输入图像进行离散小波变换。
然后,对得到的小波系数进行三描述格型矢量量化。在每个子带中,小波变换得到的系数两两组合成一个矢量,位于图像第i行和第j列的矢量x可用x(i,j)进行表示。每个矢量x(i,j)会被量化到一个精细的格点λ(i,j)上。通过索引分配,每个λ(i,j)会根据索引分配映射函数α被映射到三个粗格点λ1'(i,j),λ2'(i,j),和λ3'(i,j)上
α(λ(i,j))=(λ1'(i,j),λ2'(i,j),λ3'(i,j))
最后,将λ1'(i,j)对应的索引进行算术编码得到描述1,对λ2'(i,j)和λ3'(i,j)对应的索引分别进行算术编码得到描述2和描述3。
解码的过程分为中心解码和边路解码两种情况。中心解码即在三个描述都完整接收到的情况下,图像解码是图像编码的一个反过程,即对每个描述分别进行算术解码,恢复出λ1'(i,j),λ2'(i,j),和λ3'(i,j);通过映射函数的反函数α-1恢复出细格点λ(i,j),
然后通过反量化得到矢量x(i,j)的重建值;把每个重建矢量拆解成2个小波系数,对小波系数进行反离散小波变换得到重建的图像。
本发明提出的一种三描述格型矢量量化图像边路解码算法适用于部分描述丢失的情况,可分为基于两个描述的边路解码和基于一个描述的边路解码两种类型,下面逐一进行介绍。
以丢失描述1为例,对发明中两个描述的边路解码过程进行详细说明。对于矢量x,描述2和描述3经过算术解码能恢复出λ2'(i,j)和λ3'(i,j),需要对λ1'(i,j)进行预测。对于位于图像位置(i,j)的矢量x,我们用λ1'(i,j),λ2'(i,j),和λ3'(i,j)来表示它对应的三个粗格点;α-1()表示反映射函数,它可以把三个粗格点重新映射回一个细格点;表示位于图像位置(i,j)的重建矢量值。本发明中两个描述的边路解码过程如图2所示,在不同类型的小波子带中利用了不同的相关性。
(1)、在低低频子带LL子带中,根据系数之间的水平相关性和垂直相关性,位于图像位置(i,j)的矢量边路解码可利用上、下、左、右4个相邻位置的矢量和自身索引的相关性。具体计算方法如下:
如果用接收到的索引预测丢失的索引λ1'(i,j)产生了非法的组合,即无法进行反映射α-1的组合,那么这个组合将在上述公式中被去除,其余组合取均值。
(2)、在低高频子带LH子带中,根据系数之间的水平相关性,位于图像位置(i,j)的矢量边路解码可利用左、右2个相邻位置的矢量和自身索引的相关性。具体计算方法如下:
如果用接收到的索引预测丢失的索引λ1'(i,j)产生了非法的组合,即无法进行反映射α-1的组合,那么这个组合将在上述公式中被去除,其余组合取均值。
(3)、在高低频子带HL子带中,根据系数之间的垂直相关性,位于图像位置(i,j)的矢量边路解码可利用上、下2个相邻位置的矢量和自身索引的相关性。具体计算方法如下:
如果用接收到的索引预测丢失的索引λ1'(i,j)产生了非法的组合,即无法进行反映射α-1的组合,那么这个组合将在上述公式中被去除,其余组合取均值。
(4)、在高高频子带HH子带中,由于没有显著的水平和垂直相关性,位于图像位置(i,j)的矢量边路解码可利用自身索引的相关性。计算方法如下:
如果用接收到的索引预测丢失的索引λ1'(i,j)产生了非法的组合,即无法进行反映射α-1的组合,那么这个组合将在上述公式中被去除,其余组合取均值。
把每个重建矢量进行反量化拆解成2个小波系数,对小波系数进行反离散小波变换得到两个描述边路解码重建的图像。
下面以丢失描述1和描述2为例对本发明提出的一个描述边路解码的过程进行说明。对于矢量x(i,j),描述3经过算术解码能恢复出λ3'(i,j)由于丢失了三个索引中的两个索引,用仅有一个索引预测其他两个索引不那么可靠,本发明提出的一个描述的边路解码过程用接收到的粗格点来近似恢复细格点,并利用不同小波子带的相关性,进行如下解码:
(1)、在低低频子带LL子带中,根据系数之间的水平相关性和垂直相关性,位于图像位置(i,j)的矢量边路解码可利用上、下、左、右4个相邻位置的矢量,计算方法如下:
(2)、在低高频子带LH子带中,根据系数之间的水平相关性,位于图像位置(i,j)的矢量边路解码可利用左、右2个相邻位置的矢量,计算方法如下:
(3)、在高低频子带HL子带中,根据系数之间的垂直相关性,位于图像位置(i,j)的矢量边路解码可利用上、下2个相邻位置的矢量,计算方法如下:
(4)、在高高频子带HH子带中,由于没有显著的水平和垂直相关性,位于图像位置(i,j)的矢量边路解码根据接收的自身的粗格点来近似恢复
把每个重建矢量经反量化拆解成2个小波系数,对小波系数进行反离散小波变换得到一个描述边路解码重建的图像。
与现有技术相比,本发明充分利用了在现有的索引分配方法下索引间存在的相关性以及不同小波子带的相关性。与已有的不进行预测的边路解码方法相比,本发明提出的一种三描述格型矢量量化预测边路解码算法,在两个描述边路解码和一个描述边路解码的情况下均能更好的提高边路解码的图像质量。
Claims (1)
1.一种三描述格型矢量量化预测边路解码方法,其特征在于图像经过二维小波变换以后,图像被分解成4种类型的子带,分别为:低低频子带LL、低高频子带LH、高低频子带HL、高高频子带HH;其中,存在着较强水平相关性和垂直相关性的数据保存在低低频子带LL子带中,存在着较强的水平相关性的数据保存在低高频子带LH中,存在着较强的垂直方向的相关性的数据保存在高低频子带HL中;
若判断三描述未接收完整,则利用不同小波子带的相关性,进行解码计算;具体为:
A、若丢失一个描述,将丢失的描述记为描述k1,接收到的两个描述记为描述k2和描述k3,其中k1,k2,k3∈{1,2,3},所述解码方法如下:
(1)在低低频子带LL子带中,位于图像位置(i,j)的矢量边路解码计算方法如下:
(2)在低高频子带LH子带中,位于图像位置(i,j)的矢量边路解码计算方法如下:
(3)在高低频子带HL子带中,位于图像位置(i,j)的矢量边路解码计算方法如下:
(4)在高高频子带HH子带中,位于图像位置(i,j)的矢量边路解码计算方法如下:
其中,x表示一个小波系数组成的矢量,矢量x(i,j)位于整幅图像的第i行和第j列;矢量x(i,j)量化后的细格点记为λ(i,j),用λk'(i,j)表示该细格点经索引分配映射得到的第k个粗格点,此处k=1,2,3,表示细格点λ(i,j)经索引分配映射得到的对应描述ki的粗格点;将一个细格点映射到三个粗格点的索引分配映射函数用α()进行表示,相应的反映射函数记为α-1();矢量x(i,j)的重建值用进行表示;
B、若丢失两个描述,将丢失的两个描述记为k1和k2,接收到的描述记为描述k3,其中k1,k2,k3∈{1,2,3},所述解码方法如下:
(1)在低低频子带LL子带中,位于图像位置(i,j)的矢量边路解码计算方法如下:
(2)在低高频子带LH子带中,位于图像位置(i,j)的矢量边路解码计算方法如下:
(3)在高低频子带HL子带中,位于图像位置(i,j)的矢量边路解码计算方法如下:
(4)在高高频子带HH子带中,位于图像位置(i,j)的矢量边路解码计算方法如下:
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201611061314.8A CN106507113B (zh) | 2016-11-28 | 2016-11-28 | 一种三描述格型矢量量化预测边路解码方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201611061314.8A CN106507113B (zh) | 2016-11-28 | 2016-11-28 | 一种三描述格型矢量量化预测边路解码方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN106507113A CN106507113A (zh) | 2017-03-15 |
CN106507113B true CN106507113B (zh) | 2019-03-29 |
Family
ID=58328723
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201611061314.8A Active CN106507113B (zh) | 2016-11-28 | 2016-11-28 | 一种三描述格型矢量量化预测边路解码方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN106507113B (zh) |
Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101132529A (zh) * | 2006-08-22 | 2008-02-27 | 中兴通讯股份有限公司 | 基于快速逐次逼近量化的小波图像压缩方法 |
CN101251595A (zh) * | 2008-04-03 | 2008-08-27 | 南京航空航天大学 | 基于非抽样Contourlet变换的SAR图像目标方位角估计方法 |
CN101471072A (zh) * | 2007-12-27 | 2009-07-01 | 华为技术有限公司 | 高频重建方法、编码模块和解码模块 |
CN101577551A (zh) * | 2009-05-27 | 2009-11-11 | 华为技术有限公司 | 一种生成格型矢量量化码书的方法及装置 |
CN102006483A (zh) * | 2009-09-03 | 2011-04-06 | 中兴通讯股份有限公司 | 一种视频编解码方法及装置 |
CN103530857A (zh) * | 2013-10-31 | 2014-01-22 | 清华大学深圳研究生院 | 基于多尺度的卡尔曼滤波图像去噪方法 |
-
2016
- 2016-11-28 CN CN201611061314.8A patent/CN106507113B/zh active Active
Patent Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101132529A (zh) * | 2006-08-22 | 2008-02-27 | 中兴通讯股份有限公司 | 基于快速逐次逼近量化的小波图像压缩方法 |
CN101471072A (zh) * | 2007-12-27 | 2009-07-01 | 华为技术有限公司 | 高频重建方法、编码模块和解码模块 |
CN101251595A (zh) * | 2008-04-03 | 2008-08-27 | 南京航空航天大学 | 基于非抽样Contourlet变换的SAR图像目标方位角估计方法 |
CN101577551A (zh) * | 2009-05-27 | 2009-11-11 | 华为技术有限公司 | 一种生成格型矢量量化码书的方法及装置 |
CN102006483A (zh) * | 2009-09-03 | 2011-04-06 | 中兴通讯股份有限公司 | 一种视频编解码方法及装置 |
CN103530857A (zh) * | 2013-10-31 | 2014-01-22 | 清华大学深圳研究生院 | 基于多尺度的卡尔曼滤波图像去噪方法 |
Non-Patent Citations (1)
Title |
---|
多描述格型矢量量化编码算法的研究;徐媛媛;《中国优秀硕士学位论文全文数据库 信息科技辑》;20080915(第9期);全文 |
Also Published As
Publication number | Publication date |
---|---|
CN106507113A (zh) | 2017-03-15 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN101110214B (zh) | 一种基于多描述格型矢量量化技术的语音编码方法 | |
CN103501441B (zh) | 一种基于人类视觉系统的多描述视频编码方法 | |
CN101938656B (zh) | 基于关键帧超分辨率重建的视频编解码系统 | |
CN102123278B (zh) | 基于分布式压缩感知技术的信源编解码的方法 | |
CN102137263A (zh) | 基于cnm关键帧分类的分布式视频编码及解码方法 | |
CN103546759A (zh) | 一种基于小波包和矢量量化相结合的图像压缩编码方法 | |
CN101631243B (zh) | 一种基于小波变换的图像编和解码的方法 | |
CN102572427B (zh) | 基于压缩感知的多描述图像编码和解码方法 | |
CN109040759A (zh) | 一种图像并行压缩装置及方法 | |
CN103179397A (zh) | 一种高光谱图像压缩与重构装置及方法 | |
CN101299819B (zh) | 可伸缩视频编码中的三维小波子带排序及码流封包方法 | |
CN100512442C (zh) | 一种自适应运动补偿时域滤波的方法 | |
CN106507113B (zh) | 一种三描述格型矢量量化预测边路解码方法 | |
CN107852493A (zh) | 用于样点值补偿的图像编码方法和装置以及用于样点值补偿的图像解码方法和装置 | |
CN101588498B (zh) | 视频图像数据压缩、解压缩方法及装置 | |
CN104079947A (zh) | 一种基于改进ezw的声纳图像数据压缩方法 | |
CN103985096A (zh) | 基于离线训练的高光谱图像回归预测压缩方法 | |
CN103533351B (zh) | 一种多量化表的图像压缩方法 | |
Zhu et al. | An improved SPIHT algorithm based on wavelet coefficient blocks for image coding | |
Chakma et al. | Deep decoder CsiNet for FDD massive MIMO system | |
US8437391B2 (en) | Transmitting video between two stations in a wireless network | |
CN103402090A (zh) | 一种基于霍夫曼无损压缩算法的改进方法 | |
CN103200405B (zh) | 一种3dv视频编码方法及编码器 | |
CN102685498B (zh) | 一种基于jpeg-ls帧间扩展的三维声纳图像序列无损压缩方法 | |
CN104469389B (zh) | 基于变换下采样的低码率视频编码方法及系统 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |