CN113365064A - 一种基于物联网的红外图像实时传输压缩算法 - Google Patents

一种基于物联网的红外图像实时传输压缩算法 Download PDF

Info

Publication number
CN113365064A
CN113365064A CN202110602724.3A CN202110602724A CN113365064A CN 113365064 A CN113365064 A CN 113365064A CN 202110602724 A CN202110602724 A CN 202110602724A CN 113365064 A CN113365064 A CN 113365064A
Authority
CN
China
Prior art keywords
frame
data
backward
predicted
prediction
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
Application number
CN202110602724.3A
Other languages
English (en)
Inventor
杜董纳
黄科杰
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.)
Zhejiang University ZJU
Original Assignee
Zhejiang University ZJU
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 Zhejiang University ZJU filed Critical Zhejiang University ZJU
Priority to CN202110602724.3A priority Critical patent/CN113365064A/zh
Publication of CN113365064A publication Critical patent/CN113365064A/zh
Pending legal-status Critical Current

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
    • H04N19/169—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
    • H04N19/172—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 picture, frame or field
    • 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
    • H04N19/50—Methods or arrangements for coding, decoding, compressing or decompressing digital video signals using predictive coding
    • H04N19/503—Methods or arrangements for coding, decoding, compressing or decompressing digital video signals using predictive coding involving temporal prediction
    • 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

本发明公开了一种基于物联网的红外图像实时传输压缩算法，包括以下步骤：将完整的数据帧中的每一帧进行拆解；将拆解的每帧数据进行排序，对第一帧数据进行前向预测帧和后向预测帧处理分别得到前向预测帧数据和后向预测帧数据；对前向预测帧数据和后向预测帧进行对比，当前向预测帧与后向预测帧的相似度达到90％时，将前向预测帧数据存入发送端设备的存储器中。本发明通过将红外热成像的数据帧拆解后对每帧进行前向预测帧和后向预测帧处理，然后将前向预测帧数据与后侧预测帧数据进行对比，不仅能够将相邻两帧之间的冗余数据去掉，又能够保证红外成像的质量，从而能够提高红外图像的压缩率，提高数据传输的效率。

Description

一种基于物联网的红外图像实时传输压缩算法
技术领域
本发明涉及红外图像传输技术领域，具体为一种基于物联网的红外图像实时传输压缩算法。
背景技术
在信息技术高速发展的今天，社会对图像、音频、视频等多媒体的需求量急剧上升。数字图像在家庭娱乐、远程监控、网络教育和公共安全领域得到了广泛的应用。图像数据的大容量与传输宽带的有限性之间的矛盾越来越突出。而红外成像技术为多媒体应用的一种，现今红外成像技术已广泛应用于多个领域。随着红外成像技术的不断发展，基于红外成像技术的产品也不断更新。采集红外图像可用于分析红外焦平面的特性和设计出更高效的图像算法，来获得更好的图像质量。
然而现有红外图像在使用过程中压缩率较低，导致使用过程中数据传输较慢，而压缩率较高时红外图像成型时质量较低，不能满足人们的使用要求。
发明内容
本发明要解决的技术问题是克服现有的缺陷，提供一种基于物联网的红外图像实时传输压缩算法，可以有效解决背景技术中的问题。
为实现上述目的，本发明提供如下技术方案：一种基于物联网的红外图像实时传输压缩算法，包括以下步骤：
S1.发送端设备获取完整的红外热成像的数据帧，并将完整的数据帧存入发送端设备的存储器中，将完整的数据帧中的每一帧进行拆解；
S2.将拆解的每帧数据进行排序，分别为第一帧、第二帧、第三帧……第N帧，对第一帧数据进行前向预测帧处理得到前向预测帧数据，利用第一帧数据和第二帧数据比较得到后向预测帧数据；
S3.对前向预测帧数据和后向预测帧进行对比，当前向预测帧与后向预测帧的相似度达到90％时，将前向预测帧数据存入发送端设备的存储器中，然后将第二帧数据进行前向预测帧处理得到第二帧的前向预测帧数据，利用第二帧数据和第三帧数据比较得到第二帧的后向预测帧数据；
S4.对第二帧的前向预测帧数据和后向预测帧进行对比，当第二帧的前向预测帧与后向预测帧的相似度达到90％时，将第二帧的前向预测帧数据存入发送端设备的存储器中，依次对第三帧、第四帧……第N-1帧进行处理，将第三帧、第四帧……第N-1帧的前向预测帧数据依次存入到发送端设备的存储器中；
S5.对第N帧进行前向预测帧处理得到第N帧的前向预测帧数据，将第N-1帧的后向预测帧数据与第N帧的前向预测帧数据进行对比，当第N-1帧的后向预测帧数据与第N帧的前向预测帧数据相似度达到90％时，将第N帧的前向预测数据存入发送端设备的存储器中；
S6.对发送端存储器中的N个前向预测帧数据进行预处理，对预处理后的前向预测帧数据进行离散小波变换处理，然后进行量化处理，并通过DPCM编码技术进行编码，将编码数据存入发送端设备的存储器中；
S7.利用物联网通讯技术将步骤S6中得到的编码数据传输给接收端设备，接收端设备将接收到的编码数据进行解码，然后进行反量化、离散小波反变换和反向预处理，然后组合形成完整的红外热图像。
在一个优选的实施方式中，所述步骤S1中拆解的每一帧数据中均包含有每帧的帧标NHNL，表示当前帧的长度PHPL。
在一个优选的实施方式中，所述步骤S2、步骤S3和步骤S4中对每帧的数据进行前向预测帧处理时将当前帧与后一个帧进行对比，将当前帧中与后一个帧相似的数据去掉形成当前帧的前向预测帧数据，所述步骤S2、步骤S3和步骤S4中后向预测帧是当前帧与后一个帧相似的数据进行融合形成的后向预测帧数据。
在一个优选的实施方式中，所述步骤S2、步骤S3和步骤S4中前向预测帧处理时能够同时得到多个前向预测帧初始数据，多个前向预测帧初始数据均与后向预测帧数据进行对比，多个前向预测帧初始数据与后向预测帧数据相似度的平均值达到90％时，将多个前向预测帧初始数据中与后向预测帧数据相似度最高的前向预测帧数据存入发送端设备的存储器中。
在一个优选的实施方式中，多个所述前向预测帧初始数据形成时与后一帧数据相比去掉的数据数量相同，若多个前向预测帧初始数据与后向预测帧数据相似度的平均值小于90％时，继续对当前帧进行前向预测帧处理，再次处理时减少当前帧与后一帧相似数据的去掉量，直至多个前向预测帧初始数据与后向预测帧数据相似度的平均值达到90％。
在一个优选的实施方式中，多个所述前向预测帧初始数据与后向预测帧数据相似度的平均值达到90％时，若有两个或两个以上前向预测帧初始数据与后向预测帧数据的相似度相同，将此两个或两个以上的前向预测帧初始数据与后一阵数据，将两个或两个以上的前向预测帧初始数据与后一帧数据相似的数据去掉一个，然后再与后一帧数据对比相似度，直至两个或两个以上的前向预测帧初始数据与后一帧的相似度不同时，将相似度较高的前向预测帧初始数据作为前向预测帧数据存入发送端设备的存储器中。
在一个优选的实施方式中，所述步骤S6中对前向预测帧预处理为DC电平位移处理，所述步骤S7中反向预处理为反向DC电平位移处理。
与现有技术相比，本发明的有益效果是：
1、本发明通过将红外热成像的数据帧拆解后对每帧进行前向预测帧和后向预测帧处理，然后将前向预测帧数据与后侧预测帧数据进行对比，前向预测帧数据与后向预测帧数据之间的相似度达到90％时才能记录数据，不仅能够将相邻两帧之间的冗余数据去掉，又能够保证红外成像的质量，从而能够提高红外图像的压缩率，提高数据传输的效率。
2、本发明通过DPCM编码技术进行编码能够将红外图像数据帧中的空间冗余去除，提高红外图像的压缩率，而且经过DC电平位移处理能够将。
附图说明
图1为本发明的步骤流程示意图。
图2为本发明压缩算法的步骤流程示意图。
具体实施方式
下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。
请参阅图1-2，本发明提供一种技术方案：一种基于物联网的红外图像实时传输压缩算法，包括以下步骤：
S1.发送端设备获取完整的红外热成像的数据帧，并将完整的数据帧存入发送端设备的存储器中，将完整的数据帧中的每一帧进行拆解；
S2.将拆解的每帧数据进行排序，分别为第一帧、第二帧、第三帧……第N帧，对第一帧数据进行前向预测帧处理得到前向预测帧数据，利用第一帧数据和第二帧数据比较得到后向预测帧数据；
S3.对前向预测帧数据和后向预测帧进行对比，当前向预测帧与后向预测帧的相似度达到90％时，将前向预测帧数据存入发送端设备的存储器中，然后将第二帧数据进行前向预测帧处理得到第二帧的前向预测帧数据，利用第二帧数据和第三帧数据比较得到第二帧的后向预测帧数据；
S4.对第二帧的前向预测帧数据和后向预测帧进行对比，当第二帧的前向预测帧与后向预测帧的相似度达到90％时，将第二帧的前向预测帧数据存入发送端设备的存储器中，依次对第三帧、第四帧……第N-1帧进行处理，将第三帧、第四帧……第N-1帧的前向预测帧数据依次存入到发送端设备的存储器中；
S5.对第N帧进行前向预测帧处理得到第N帧的前向预测帧数据，将第N-1帧的后向预测帧数据与第N帧的前向预测帧数据进行对比，当第N-1帧的后向预测帧数据与第N帧的前向预测帧数据相似度达到90％时，将第N帧的前向预测数据存入发送端设备的存储器中；
S6.对发送端存储器中的N个前向预测帧数据进行预处理，对预处理后的前向预测帧数据进行离散小波变换处理，然后进行量化处理，并通过DPCM编码技术进行编码，将编码数据存入发送端设备的存储器中；
S7.利用物联网通讯技术将步骤S6中得到的编码数据传输给接收端设备，接收端设备将接收到的编码数据进行解码，然后进行反量化、离散小波反变换和反向预处理，然后组合形成完整的红外热图像。
在一个优选的实施方式中，所述步骤S1中拆解的每一帧数据中均包含有每帧的帧标NHNL，表示当前帧的长度PHPL。
在一个优选的实施方式中，所述步骤S2、步骤S3和步骤S4中对每帧的数据进行前向预测帧处理时将当前帧与后一个帧进行对比，将当前帧中与后一个帧相似的数据去掉形成当前帧的前向预测帧数据，所述步骤S2、步骤S3和步骤S4中后向预测帧是当前帧与后一个帧相似的数据进行融合形成的后向预测帧数据。
在一个优选的实施方式中，所述步骤S2、步骤S3和步骤S4中前向预测帧处理时能够同时得到多个前向预测帧初始数据，多个前向预测帧初始数据均与后向预测帧数据进行对比，多个前向预测帧初始数据与后向预测帧数据相似度的平均值达到90％时，将多个前向预测帧初始数据中与后向预测帧数据相似度最高的前向预测帧数据存入发送端设备的存储器中。
在一个优选的实施方式中，多个所述前向预测帧初始数据形成时与后一帧数据相比去掉的数据数量相同，若多个前向预测帧初始数据与后向预测帧数据相似度的平均值小于90％时，继续对当前帧进行前向预测帧处理，再次处理时减少当前帧与后一帧相似数据的去掉量，直至多个前向预测帧初始数据与后向预测帧数据相似度的平均值达到90％。
在一个优选的实施方式中，多个所述前向预测帧初始数据与后向预测帧数据相似度的平均值达到90％时，若有两个或两个以上前向预测帧初始数据与后向预测帧数据的相似度相同，将此两个或两个以上的前向预测帧初始数据与后一阵数据，将两个或两个以上的前向预测帧初始数据与后一帧数据相似的数据去掉一个，然后再与后一帧数据对比相似度，直至两个或两个以上的前向预测帧初始数据与后一帧的相似度不同时，将相似度较高的前向预测帧初始数据作为前向预测帧数据存入发送端设备的存储器中。
在一个优选的实施方式中，所述步骤S6中对前向预测帧预处理为DC电平位移处理，所述步骤S7中反向预处理为反向DC电平位移处理。
本发明通过将红外热成像的数据帧拆解后对每帧进行前向预测帧和后向预测帧处理，然后将前向预测帧数据与后侧预测帧数据进行对比，前向预测帧数据与后向预测帧数据之间的相似度达到90％时才能记录数据，不仅能够将相邻两帧之间的冗余数据去掉，又能够保证红外成像的质量，从而能够提高红外图像的压缩率，提高数据传输的效率。
尽管已经示出和描述了本发明的实施例，对于本领域的普通技术人员而言，可以理解在不脱离本发明的原理和精神的情况下可以对这些实施例进行多种变化、修改、替换和变型，本发明的范围由所附权利要求及其等同物限定。

Claims (7)

1.一种基于物联网的红外图像实时传输压缩算法，其特征在于：包括以下步骤：
S1.发送端设备获取完整的红外热成像的数据帧，并将完整的数据帧存入发送端设备的存储器中，将完整的数据帧中的每一帧进行拆解；
S2.将拆解的每帧数据进行排序，分别为第一帧、第二帧、第三帧……第N帧，对第一帧数据进行前向预测帧处理得到前向预测帧数据，利用第一帧数据和第二帧数据比较得到后向预测帧数据；
S3.对前向预测帧数据和后向预测帧进行对比，当前向预测帧与后向预测帧的相似度达到90％时，将前向预测帧数据存入发送端设备的存储器中，然后将第二帧数据进行前向预测帧处理得到第二帧的前向预测帧数据，利用第二帧数据和第三帧数据比较得到第二帧的后向预测帧数据；
S4.对第二帧的前向预测帧数据和后向预测帧进行对比，当第二帧的前向预测帧与后向预测帧的相似度达到90％时，将第二帧的前向预测帧数据存入发送端设备的存储器中，依次对第三帧、第四帧……第N-1帧进行处理，将第三帧、第四帧……第N-1帧的前向预测帧数据依次存入到发送端设备的存储器中；
S5.对第N帧进行前向预测帧处理得到第N帧的前向预测帧数据，将第N-1帧的后向预测帧数据与第N帧的前向预测帧数据进行对比，当第N-1帧的后向预测帧数据与第N帧的前向预测帧数据相似度达到90％时，将第N帧的前向预测数据存入发送端设备的存储器中；
S6.对发送端存储器中的N个前向预测帧数据进行预处理，对预处理后的前向预测帧数据进行离散小波变换处理，然后进行量化处理，并通过DPCM编码技术进行编码，将编码数据存入发送端设备的存储器中；
S7.利用物联网通讯技术将步骤S6中得到的编码数据传输给接收端设备，接收端设备将接收到的编码数据进行解码，然后进行反量化、离散小波反变换和反向预处理，然后组合形成完整的红外热图像。
2.根据权利要求1所述的一种基于物联网的红外图像实时传输压缩算法，其特征在于：所述步骤S1中拆解的每一帧数据中均包含有每帧的帧标NHNL，表示当前帧的长度PHPL。
3.根据权利要求1所述的一种基于物联网的红外图像实时传输压缩算法，其特征在于：所述步骤S2、步骤S3和步骤S4中对每帧的数据进行前向预测帧处理时将当前帧与后一个帧进行对比，将当前帧中与后一个帧相似的数据去掉形成当前帧的前向预测帧数据，所述步骤S2、步骤S3和步骤S4中后向预测帧是当前帧与后一个帧相似的数据进行融合形成的后向预测帧数据。
4.根据权利要求3所述的一种基于物联网的红外图像实时传输压缩算法，其特征在于：所述步骤S2、步骤S3和步骤S4中前向预测帧处理时能够同时得到多个前向预测帧初始数据，多个前向预测帧初始数据均与后向预测帧数据进行对比，多个前向预测帧初始数据与后向预测帧数据相似度的平均值达到90％时，将多个前向预测帧初始数据中与后向预测帧数据相似度最高的前向预测帧数据存入发送端设备的存储器中。
5.根据权利要求4所述的一种基于物联网的红外图像实时传输压缩算法，其特征在于：多个所述前向预测帧初始数据形成时与后一帧数据相比去掉的数据数量相同，若多个前向预测帧初始数据与后向预测帧数据相似度的平均值小于90％时，继续对当前帧进行前向预测帧处理，再次处理时减少当前帧与后一帧相似数据的去掉量，直至多个前向预测帧初始数据与后向预测帧数据相似度的平均值达到90％。
6.根据权利要求5所述的一种基于物联网的红外图像实时传输压缩算法，其特征在于：多个所述前向预测帧初始数据与后向预测帧数据相似度的平均值达到90％时，若有两个或两个以上前向预测帧初始数据与后向预测帧数据的相似度相同，将此两个或两个以上的前向预测帧初始数据与后一阵数据，将两个或两个以上的前向预测帧初始数据与后一帧数据相似的数据去掉一个，然后再与后一帧数据对比相似度，直至两个或两个以上的前向预测帧初始数据与后一帧的相似度不同时，将相似度较高的前向预测帧初始数据作为前向预测帧数据存入发送端设备的存储器中。
7.根据权利要求1所述的一种基于物联网的红外图像实时传输压缩算法，其特征在于：所述步骤S6中对前向预测帧预处理为DC电平位移处理，所述步骤S7中反向预处理为反向DC电平位移处理。
CN202110602724.3A 2021-05-31 2021-05-31 一种基于物联网的红外图像实时传输压缩算法 Pending CN113365064A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202110602724.3A CN113365064A (zh) 2021-05-31 2021-05-31 一种基于物联网的红外图像实时传输压缩算法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202110602724.3A CN113365064A (zh) 2021-05-31 2021-05-31 一种基于物联网的红外图像实时传输压缩算法

Publications (1)

Publication Number Publication Date
CN113365064A true CN113365064A (zh) 2021-09-07

Family

ID=77530685

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202110602724.3A Pending CN113365064A (zh) 2021-05-31 2021-05-31 一种基于物联网的红外图像实时传输压缩算法

Country Status (1)

Country Link
CN (1) CN113365064A (zh)

Similar Documents

Publication Publication Date Title
US6307886B1 (en) Dynamically determining group of picture size during encoding of video sequence
US5416520A (en) Multiple encoder output buffer apparatus for differential coding of video information
CN108347612B (zh) 一种基于视觉注意机制的监控视频压缩与重构方法
CN111901596B (zh) 基于深度学习的视频混合编码与解码方法及装置、介质
JPH08280032A (ja) 適応的なスキャニング技法を用いたディジタルビデオ信号符号化装置
CN109688407B (zh) 编码单元的参考块选择方法、装置、电子设备及存储介质
KR20060043051A (ko) 영상 신호의 인코딩 및 디코딩 방법
CN103188494A (zh) 跳过离散余弦变换对深度图像编码/解码的设备和方法
CN111669588B (zh) 一种超低时延的超高清视频压缩编解码方法
WO2023077707A1 (zh) 视频编码方法、模型训练方法、设备和存储介质
CN112218078B (zh) 面向监控视频的高效视频编码标准量化参数级联方法
CN111182310A (zh) 视频处理方法、装置、计算机可读介质及电子设备
KR100697516B1 (ko) 3차원 웨이블릿 변환 기반의 동영상 코딩 방법
CN111447451B (zh) 图像编码、解码方法及装置
CN113365064A (zh) 一种基于物联网的红外图像实时传输压缩算法
CN111277835A (zh) 一种结合yolo3与flownet2网络的监控视频压缩及解压方法
CN117079108A (zh) 一种基于深度估计的云边协同视频流分析方法和装置
Strukov et al. Evaluation of video compression methods for network transmission on diverse data: a case study
CN111726636A (zh) 一种基于时域下采样与帧率上转换的hevc编码优化方法
KR20060043050A (ko) 영상 신호의 인코딩 및 디코딩 방법
CN115361556A (zh) 一种基于自适应的高效视频压缩算法及其系统
CN115150623A (zh) 一种基于人工智能分类方式的视频图像压缩去冗余方法
CN115150628A (zh) 具有超先验引导模式预测的由粗到细深度视频编码方法
CN102984520A (zh) 视频压缩方法及系统
CN112004095B (zh) 一种无存储介质的静止图像帧间无损恢复方法

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication
SE01 Entry into force of request for substantive examination
SE01 Entry into force of request for substantive examination
WD01 Invention patent application deemed withdrawn after publication
WD01 Invention patent application deemed withdrawn after publication

Application publication date: 20210907