CN1659889A - 用于高度相关图像数据的重复编码压缩 - Google Patents

Abstract

本发明涉及一种用于压缩高度相关的图像数据的方法和系统。该用于压缩图像和其它高度相关的数据的系统包括：用于捕获图像的部件、用于转换为数字形式的部件、用于重定形数据的部件、用于编码重复的部件、用于存储压缩后的数据的部件以及用于检索数据的部件。用于压缩图像和其它高度相关的数据的方法包括下列步骤：捕获图像，转换为数字形式，将数据重定形为矩阵形式，将重复编码为位面索引和存储的数据值，在存储器中存储压缩后的数据以及检索数据用于解压缩。该用于压缩图像和其它高度相关的数据的系统和方法在说明书中描述并借助附图举例。

Description

用于高度相关图像数据的重复编码压缩

技术领域

本发明涉及一种压缩图像数据和其它高度相关的数据流的方法和系统。

背景技术

图像和数据压缩非常重要，并在许多实际应用中具有重要意义。并且有损压缩和无损压缩之间的选择主要依赖于应用。

某些使用算法对图像或数据进行自动分析的应用需要毫无损失的压缩方案，以便在自动分析中实现零误差。

一般来说，使用霍夫曼编码和其它源编码技术来实现图像数据的无损压缩。

在某些其它应用中，人眼可视地分析图像。因为人眼对于图像中的某些图案不敏感，所以可以将这样的图案从原始图像中丢弃，以便产生良好的数据压缩。这些方案被称为“视觉无损”压缩方案。这不是完全可逆的过程。换言之，解压缩后的图像数据不同于原始图像数据。差异的程度依赖于压缩的质量和压缩比。

基于跟随数据的有损量化的离散余弦变换和子波变换的压缩方案是视觉无损方案的典型实例。

作为一般规则，希望实现最大的压缩比，同时具有零或最小可能的图像质量损失。同时，当涉及基于硬件的实施时，系统所涉及的复杂度以及图像压缩系统所消耗的功率是非常关键的参数。

通常，按两个步骤来执行图像压缩。第一步骤是使用预编码技术，其主要基于信号变换；第二步骤是通过诸如霍夫曼和Lempel-Ziv方案等的标准源编码技术进一步压缩数据值。在整个图像压缩方案中，开始的预编码步骤是最关键和重要的运算。由于在运算中涉及大量乘法，所以基于DCT和子波的变换所涉及的复杂度非常高。这通过以下公式举例。

其中，如果x＝0，则 $C\left(x\right)=\frac{1}{\sqrt{2}},$ 否则如果x＞0，则为1。

除了在执行上述DCT公式所涉及的大量乘法之外，还发生图像数据的之字形重新排列，这就涉及附加的复杂度。这清楚地证明上述传统图像压缩方案不是十分适合基于硬件的实施。

因此，真正的需求是一种不包括任何精确变换和复杂计算的图像压缩系统。也必需是存储器高效和功率高效的。被称为重复编码压缩(RCC，RepetitionCoded Compression)的本发明十分适合于上述需求。其基于单一数学运算并且其实现需要零次乘法。这就导致了在执行压缩时很高的存储器效率、功率效率和速度。由于本发明的实施所涉及的单一数学运算，所以该系统完全可逆并且绝对无损。这对于许多要求零损失的应用非常重要。压缩比显著高于现有的无损压缩方案。但是，如果应用允许有损压缩系统，则本发明还可以满足有损需求。在这种情况下，对数学运算进行轻微的修改，使得在压缩中观察到一定量的损失，并从而导致高得多的压缩比。这种有损压缩系统可极大地应用于娱乐和电信系统。

现有图像压缩技术的缺点：

存在各种图像压缩技术。熟知的有JPEG、JPEG-LS、JPEG-2000、CALIC、FRACTAL和RLE。

JPEG

JPEG压缩是压缩程度、结果图像质量和压缩/解压所需时间之间的折衷。

在高图像压缩比会产生斑驳(Blockiness)。

当压缩文本或包括尖锐边缘或线条的图像时，产生差的图像质量。

在具有尖锐边界的物体的边沿处可以看到扰动/波纹，将这种现象命名为Gibb效应。

其不适合于2比特黑白图像。

其不是清晰度独立的。不提供根据观看设备的清晰度最优地显示图像的可缩放性(scalability)。

JPEG-LS

其不支持可缩放性、错误恢复或者任何这样的功能。在较高压缩比仍然存在斑驳。

除重新开始标记之外，JPEG-LS不提供对于错误恢复的任何特别支持，并且在设计时没有考虑到这一点。

JPEG-2000

除了用于无损压缩的JEPG-LS，JPEG-2000在压缩效率方面没有提供任何真正实际的改善，并且比JPEG复杂得多。

JPEG-2000中所涉及的复杂度相对于压缩比和效率方面的较小改进要大得多。

CALIC

尽管CALIC在无损压缩提供了最佳性能，但是其不能用于逐级图像传输(其实施基于预测的算法，该算法只能在无损/近乎无损模式下工作)。复杂度和计算成本很高。

结果显示，“最佳”标准的选择极大地依赖于当前的应用。

为了确定本申请的新颖性，使用美国专利数据库和欧洲专利数据库进行了检索。在数据压缩的主题下发现了多达400件专利申请。对各种专利说明书进行了仔细地考虑并且确定了本发明的新颖性。

在欧洲和美国数据库中，引证了以下说明书，即PCT/US98/07074、EP0871294A3、EP0880100A2、WO98/50886，并且相对各种专利说明书进行了仔细对比，结论是本申请的权利要求的范围和所引证的说明书是不同的。

发明内容

图像数据是高度相关的数据。这就意味着，实际上图像中的相邻数据值是重复的。因此，如果可能根据图像的这种重复特性实现一些压缩，然后进行霍夫曼编码或者其它源编码方案，则该方法将是非常高效的。

在这种重复编码压缩算法中，每个元素都与前一元素进行比较。如果两者相等，则在位面中存储值“1”。否则在位面中存储值“0”。只在矩阵中存储不同值，而不是存储所有的重复值。

在一维RCC方法中，仅使用一个位面编码水平方向上的重复。

但是在二维RCC方法中，使用两个位面编码水平和垂直两个方向上的重复。这更有效并得到更好的压缩比。

这清楚地证明，实施压缩系统而没有任何乘法和复杂变换。其完全基于相邻图像数据值的数学比较。在水平和垂直两个方向上，在相邻数据值之间进行比较。作为上述水平和垂直方向上的比较的结果而形成的位面由二进制加法分别进行组合。在这之后，结果位面位置被称为RCC位面。RCC位面中的零值是唯一将被存储用于原始图像的无损重构的值。相应于原始图像矩阵中与RCC位面中的零相同位置的这些值被称为RCC数据值。通过使用RCC数据值和水平、垂直位面，可以重构所有其它图像数据值。

在实施有损系统的情况下，不仅比较相邻像素用于重复，而且用于差值。如果相邻像素之间的差值小于给定的任意阈值，则使两个相邻像素相同。这进一步增加了图像数据中的重复数目，并因此在应用了重复编码压缩之后还增加了压缩比。该阈值可以根据特定应用和系统的需求而变化。阈值越高，压缩比越好，并且重构的图像质量损失越大。

发明目的

本发明的主要目的在于，发明一种用于高度相关图像数据的重复编码压缩的新技术。本发明的另一目的在于，发明一种用于高度相关图像数据的重复编码压缩的系统。本发明的另一目的在于，发明一种在应用中通用的系统。本发明的其它目的可以从下面的描述中清楚看出。

附图说明

图1

该图例举了硬件实施的基于重复编码压缩的整个图像压缩系统。

图2

该图为由磁共振成像(MRI，magnetic resonance imaging)捕获的人脑的实例图像，并且该实例图像将被用于示范通过重复编码压缩系统实现的压缩。其为灰度级图像。

图3

该图放大了人脑的实例MRI图像的一个小区域。该放大的区域将被用于示范压缩系统。

图4

该图示出了图像由大量灰度级像素构成。

图5

该图示出了人脑的实例MRI图像内的36像素区域。

图6

该图示出了最初用于数据存储的图像数据值的ASCII值等效。每个值需要八比特的数据存储器，或者换而言之一个字节的数据存储器。当前36像素区域需要大约288比特或者36字节的数据存储器。后面将示范可以压缩该数据并且只用122比特存储。

图7

该图示出了沿图像矩阵中的水平方向应用重复编码压缩。这产生了水平位面和存储的水平值。

图8

该图示出了沿图像矩阵中的垂直方向应用重复编码压缩。这产生了垂直位面和存储的垂直值。

图9

该图示出了通过二进制加法运算组合水平和垂直位面，从而从原始图像矩阵仅产生相应于存储的最终值的五个零值。

图10

该图示出了应用重复编码压缩之前和之后，36像素区域所需的总存储器。原始存储器需求为288比特。在应用了重复编码压缩之后，所需存储器为112比特。这证明实现了很高的压缩。

图11

该图示出了对整个图像应用重复编码压缩，并且大小从原来的188,000比特压缩到44,000比特。

图12

该图示出了实施重复编码压缩的完整原理。

具体实施方式

图像数据是高度相关的数据。这就意味着，图像中的相邻数据值实际上是重复的。因此，如果可能根据图像的这种重复特性实现某些压缩，然后进行霍夫曼编码或者其它源编码方案，则该方法将是非常高效的。

在这种重复编码压缩算法中，每个元素与前一元素进行比较。如果两者相等，则在位面中存储值“1”。否则在位面中存储值“0”。在矩阵中仅存储不同值，而不是存储所有的重复值。

在一维RCC方法中，仅使用一个位面编码水平方向上的重复。

但是在二维RCC方法中，使用两个位面编码水平和垂直两个方向上的重复。这更加有效，并且得到更好的压缩比。

这清楚地证明，在没有任何乘法和复杂变换的前提下实现了压缩系统。其完全基于相邻图像数据值的数学比较。在水平和垂直两个方向上，在相邻图像数据值之间进行比较。作为上述在水平和垂直方向上的比较结果而形成的位面通过二进制加法分别组合。在这之后，结果位面位置被称为RCC位面。RCC位面中的零值是唯一将被存储用于原始图像的无损重构的值。相应于原始图像矩阵中与RCC位面中的零相同位置的这些值被称为RCC数据值。通过使用RCC数据值和水平、垂直位面，可以重构所有其它图像数据值。

在实施有损系统的情况下，不仅比较相邻像素用于重复，而且也用于差值。如果相邻像素之间的差值小于给定的任意阈值，则使两个相邻像素相同。这就进一步增加了图像数据中的重复数目，并因此在进行了重复编码压缩之后还增加了压缩比。该阈值可以根据特定应用和系统的需求而变化。阈值越高，则压缩比越好，并且重构的图像质量损失越大。

图1例举了硬件实施的基于重复编码压缩的整个图像压缩系统。原始模拟图像信号通过相机被捕获，并且通过模拟数字转换器被转换为相应的数字数据。该数字数据被重定形块重新排列到图像数据值的矩阵中。该重定形的图像矩阵被存储在嵌入的芯片中，该芯片执行整个RCC系统。这因此给出了用于存储、归档和未来检索的压缩后的RCC数据值和位面。

图2为由磁共振成像(MRI)捕获的人脑的实例图像，并且该实例图像将被用于示范重复编码压缩系统所实现的压缩。其为灰度级图像。

图3放大了人脑的实例MRI图像的一个小区域。该放大区域将被用于示范压缩系统。

图4示出了图像由大量灰度级像素构成。图5示出了人脑的实例MRI图像内的36像素区域。图6示出了图像数据值的ASCII值等效，该图像数据值原始用于数据存储。每个值需要八比特的数据存储器，或者换言之一个字节的数据存储器。当前36像素区域需要大约288比特或者36字节的数据存储器。后面将示范可以压缩该数据并且只用122比特存储。

图7示出了沿图像矩阵中的水平方向应用重复编码压缩。这产生了水平位面和存储的水平值。图8示出了沿图像矩阵中的垂直方向应用重复编码压缩。这产生了垂直位面和存储的垂直值。

图9示出了通过二进制加法运算组合水平和垂直位面，从而仅生成相应于从原始图像矩阵存储的最终值的五个零值。图10示出了应用重复编码压缩之前和之后，36像素区域所需的总存储器。原始存储器需求为288比特。在应用了重复编码压缩之后，所需的存储器为112比特。这证明实现了很高的压缩。

图11示出了对整个图像应用重复编码压缩，并且大小从原来的188,000比特压缩到44,000比特。图12示出了实施重复编码压缩的完整原理。沿水平和垂直方向编码图像矩阵，并得到相应的位面。通过二进制加法运算组合水平和垂直位面而实现进一步压缩。这导致RCC位面，该RCC位面被逻辑反转并与原始图像矩阵进行比较以获得最终的RCC数据值。这些RCC数据值与水平和垂直位面一起被存储在数据存储器中，用于归档和将来的检索。

通过霍夫曼编码可以进一步压缩编码后的数据。因此使用重复编码压缩系统实现了数据图像的压缩。该系统易于实施并且非常快，因为其不使用任何复杂的变换技术。真正的优点在于，该方法可以用于任何类型的图像文件。这里该系统只用于灰度级图像。但是将来其也可以用于彩色图像。

在实施有损系统的情况下，不仅比较相邻像素用于重复，而且也用于差值。如果相邻像素之间的差值小于给定的任意阈值，则使两个相邻像素相同。这就进一步增加了图像数据中的重复数目，并因此在进行了重复编码压缩之后还增加了压缩比。该阈值可以根据特定应用和系统的需求而变化。阈值越高，则压缩比越好，并且重构的图像质量损失越大。

该图像的重复编码压缩系统可以用于诸如医学图像归档和传输、数据库系统、信息技术、娱乐、通信与无线应用、卫星成像、遥感、军事应用等领域。本发明参考特定实施方式进行了描述，而所述描述绝不限制本发明的范围。

Claims (15)

1.一种重复编码压缩系统，包括：用于捕获图像的部件、用于转换为数字形式的部件、用于将数据重定形为矩阵形式的部件、用于将重复编码为位面索引和存储的数据值的部件、用于存储压缩的数据的部件以及用于检索数据的部件。

2.一种重复编码压缩系统，用于执行用于压缩图像数据并涉及零次乘法的单一数学运算。

3.一种沿所述水平和垂直方向编码所述重复的重复编码压缩系统。

4.一种压缩图像和其它高度相关数据的重复编码压缩方法，包括下列步骤：

a)捕获图像，

b)转换为数字形式，

c)将数据重定形为矩阵形式，

d)将重复编码为位面索引和存储的数据值，

e)将压缩后的数据存储在存储器中，

f)检索数据用于解压缩。

5.一种得出包括有关沿所述水平和垂直方向的所述重复信息的所述位面的重复编码压缩方法。

6.一种通过二进制加法运算组合所述水平和垂直位面以产生所述RCC位面的重复编码压缩方法。

7.一种比较得出的所述RCC位面和所述原始图像矩阵以获得所述最终RCC数据值的重复编码压缩方法。

8.一种与所述水平和垂直位面一起存储并归档所述RCC数据值的重复编码压缩方法。

9.一种从存储的所述RCC数据值和所述位面重构原始图像的重复编码压缩方法。

10.一种归档压缩后的图像数据值并检索该数据值以重构原始图像的重复编码压缩系统。

11.一种用于图像数据值的无损压缩的重复编码压缩方法。

12.一种用于有损压缩的重复编码压缩方法，通过与所述阈值进行比较而获得显著较高的压缩比。

13.一种用于实施所述压缩方法的重复编码压缩系统，用于如医学图像归档和传输、数据库系统、信息技术、娱乐、通信与无线应用、卫星成像、遥感、军事应用的各种应用。

14.一种在说明书中描述并借助附图举例的用于压缩图像和其它高度相关数据的重复编码压缩系统。

15.一种在说明书中描述并借助附图举例的用于图像压缩的重复编码压缩方法。

Images