关键字 |
| 可变块;四叉树分割;差分脉码调制(DPCM);双预测评估 |
介绍 |
| proposedquadtree分段可变块双预测差分脉冲编码调制(VBDP - DPCM)图像编码系统在图像预处理的操作变量大小的片段,街区。双预测DPCM系统(DP-DPCM)然后分别应用于每个图像子块进行编码。传输无噪声信道时,原始信号和重建信号之间的变形主要是由于量化误差,采用最优的预测。重构信号退化由于量化误差成为严重的在低比特率由于大型量子化错误直接反馈到预测和用于后续评估未来的输入信号[1]。提出VBDP - DPCM算法已经establishedto适度反馈回路量化误差影响附近的预测最优的最小均方误差(MMSE)的观点。这个VBDP-DPCM方案给定图像分为变量大小图像子块和试图平衡最优预测设计。该方案mayexpressively减少反馈效应由于量化误差locallywith最大化的目标完全重建图像质量为每个测试图像。 |
| 当处理一个给定的图像帧,我们最初应用四叉树分割算法[2]-[4],[11]-[14]将给定的测试图像到图像子块有广泛不同的知觉的重要性。给定图像的细节区和更多的功能活动将被分割成块较小的块大小,和图像的背景不活跃的地区应该分配较大的块大小的区域。块大小可以改变从128 x128 8×8在这项研究。可变块图像分割的过程,以更好地满足非平稳的数学描述真实世界的图像。拥有综合表征潜在的随机性质的源信号通常导致一个更高效的源编码器的信号。四叉树图像分割后,预测差值图像块的邻近像素之间减少了。因此,我们可以减少预测误差的分布范围和降低比特率以及量化水平。然后应用DP-DPCM[6],[8]计划每个图像子块。在传统DPCM图象编码系统系统设计的重点是集中在预测过程中应该减少MMSE估计的输入信号。同样,量化器的设计是基于一个匹配的概率密度函数微分信号。 The quadtree image segmentation method applied is to divide a given image according to the activity details within the image into variable size image sub-blocks. Each image sub-block will be more stationary than the original image frame and the predicted differential values between the nearby pixels of an image sub-block are condensed. The quantizer design employed in the encoder is locally optimal in the MMSE sense. Experimental results have been obtained by processing two test images named,“LENA” and “WALT”. Objective measurement of system performance shows that the SNR obtained using the VBDP–DPCM scheme is about 5 dB or greater compared to that of conventional DPCM employing a predictor of the same order for low bit rate (R? 3) image compression. |
| 本文第二部分介绍了基本概念对传统的二维DPCM图象编码方案以及双预测DPCM编码算法。第三部分侧重于提出四叉树可变块图像分割应用于双预测DPCM图像压缩应用于本研究。整个VBDP-DPCM图像编码系统配置和性能结果第四部分所示。最后,提出了总结和结论在第五部分。 |
相关工作 |
| 在传统二维DPCM图像编码器量化器有一个反馈回路,预测序列值ij xˆ取决于前面量化误差值ij x ~而不是过去unquantized xij输入数据值。这确保了发送器和接收器的DPCM系统可以跟踪和重建稳定的方式输入信号波形。对于一个给定的NxN xij图像像素强度值,i, j = 0, 1,…, n - 1,一个典型的二维图像因果预测有三阶支持用于确定估计序列的描述 |
 |
| 可以简洁地表达 |
 |
| bx,残雪,dx DPCM预测器的预测系数x ~和b, c x ~,和d x ~相对应的数据值预测滤波器的输入位置b, c和d在图像领域,如图1所示。 |
让P表示one-lag协方差 J = 2的图像模型,分离自相关函数和J = 2为各向同性图像模型[5]。定义的最优三阶预测预测系数: |
 |
 |
| 传统DPCM系统的性能表明,量化编码器的循环不是足够好,如果编码率是3位/像素,量化误差不足够小以被忽略的最佳线性预测器的设计。为了平衡最优预测设计和显著降低反馈效应由于量化误差和最大限度地提高重建图像质量的目的,一个双预测DPCM算法提出了[6]。 |
| 图2说明了DP-DPCM算法的框图。相应的DPCM译码器由两个级联过滤阶段。DP-DPCM方案的总体结构类似双differentiatorintegrator系统[9]。滤波器系数值选择的约束条件下保证系统的稳定性。有两个预测过滤器、H和F在这个方案中,Q是一个PDF-optimal均匀或非均匀量化器的结构。第一减法器的输出,e (n),输入第二个减法器的输入是一个局部估计的差分信号本身。输出信号? (n)的区别是序列e (n) - e (n)。量化器的输出序列? (n)反馈到加法器的estimatione (n) e (n)生产e ~ (n)的输入滤波器F和预测到主循环。从概念上讲,e ~ (n)应该统计接近预测误差e (n)而不是量化器输出信号? (n)。 |
| 预测系数可以写成 |
 |
 |
| 我们假定平均值E (E (n)) = 0, E (n)的协方差one-lag吗?然后定义为e |
 |
| 在x ~和b ~被定义为情商。(2),2σe是误差的方差序列e (n)和e (eaeb)相关的错误。2σe;是如下的形式[10] |
 |
| 我们可以获得协方差吗?e是下列方程 |
 |
| 我们现在可以计算预测的最优滤波器系数F用ρe andρe J eq。,(5)和(6)式。差异的方差序列出现在第二个减法器的输出给定 |
 |
在哪里 ξ的方差(n) = e (n) - e (n),表示2σξ,平方根,σξ(ξ的标准差(n))的参数调整动态范围是局部最优quantizerQ。 |
算法 |
| 为了进一步提高图像数据的压缩性能,我们提出了一个结合系统基于可变块四叉树图像分割应用于双预测差分脉冲编码调制(DP-DPCM)图像压缩算法。 |
| 在可变块图像压缩系统,我们输入图像分割成可变尺寸块,“细节”地区comprisingmore图像特征的活动划分为更小的块大小,每个子图像blockcan moresensibly描述出现在该地区,和“背景”地区用更少的图像variationis分配一个更大的块。我们有支持自顶向下的四叉树方法[2]获得可变块分割过程的温顺,同时规避过度开销需要描述更复杂的图像分割技术。段256 x256图像通过使用quadtreeprocedure,我们首先将给定256 x256输入图像划分为4个128 x128相等的块大小。每个128 x128图像块将根(初始节点),算法通过树的水平层次。在每个节点,执行一个测试来确定图像blockrepresented由该节点是一个“背景”的地区或一个“细节”地区。如果测试同意块是一个“背景”的地区,那么节点成为一片叶子。如果不是,分割收益到下一个水平,分别研究了连续的四个分支节点。最后的四叉树结构是由一个比特的信息为每个节点,这表明该节点是否nonleaf或者是一个叶子节点。通过为每个变量调整预测和量化器结构尺寸图像块的统计在现实世界的图像是competentlyrevealed固有的非平稳。编码效率实现的:(我)实现更好的图像的边缘繁忙地区的改造; (ii) considerable rate reductions in areas of near-constant gray level which is characteristic of the larger block size regions within an image. |
| 分割测试在这项研究中的应用是实现如下:k图像块的xk mn,我们首先估计均值,E (xk)和方差,Var (k)。然后,我们比较重视ofVar (k) ?θE (xk), ? ?是一个预设阈值。四叉树分割的阈值θ最初随机选择大,应该减少处理预期的变形直到得到一个可容忍的重建图像质量。如果Var (k)≥θE (xk)检查的图像块,块是标志着作为一个“细节”地区和细分课程收益更上一层楼。四叉树算法的测试程序是图3所示。 |
| 图4给出了提出了可变块双预测DPCM图象编码系统,提高了DPCM的适应性能预测和量化器结构为每个变量大小的图像块。NxN VBDP-DPCMimage编码的图像像素强度值xij, i, j = 0, 1,…, n - 1,划分为大小MkxMk块,块大小可以改变从128 x128 8×8。thekthsub-image块的像素值用xk mn, m, n = 0, 1,…,可1,将拥有统计静止在空间域。 |
| 对于每个分割图像块,一阶和二阶统计估计在整个区块的图像数据。因此,完整的图像帧保留在空间域全局统计非平稳。当地的意思是确定和减去MkxMk图像块获得零均值图像块。被简化,亦然均匀间隔的输出水平的基础上设计一个拉普拉斯算子的概率密度函数(PDF)描述每个图像块的差分输入序列。一个三阶预测结构既用于x的预测ˆ(n)的图像信号基于x ~ (n)和预测的差异信号e (n)基于e ~ (n)。遵循[8]的交付过程,设计过程中被修改,以下步骤中列出。 |
| 步骤1:对于给定的图像,我们运用四叉树分割算法将图像分为可变大小的图像块有广泛不同的知觉的重要性。估计当地的均值、方差和协方差系数ρx为每个图像块。 |
| 步骤2:当地的意思是扣除每个图像块的像素的价值来获取一个零均值图像块。 |
| 步骤3:Determinethe最优预测系数,bx,选择,残雪,选择,dx, optfrom eq。,(3)和(4)式。预测系数值(cx bx,选择,选择,dx,选择),计算相应的误差序列的方差σ2e e (n)和e (eaeb),错误相关的二级过滤器F。 |
| 步骤4:方差值2 e和e [eaeb],我们可以计算ρe J = e (ea) / 2 eσ和ρe。然后用ρe J和ρe eq。(5)和eq。(6)解决optimalprediction系数(ce, de)阶段的过滤器。 |
| 第五步:系数(ce, de)替换成eq。(10)计算方差2σξand标准差,σξofξ(n)。σξ的参数调整动态范围是局部最优quantizerQ。 |
| 第六步:对于每个零均值图像块,我们可以确定预测系数基于前面的步骤。阶段的预测后的差分序列在步骤5中可以量化步长确定然后输出通道。 |
仿真结果 |
| 的源编码性能提出了可变block-sizeDP-DPCM系统提出了研究通常是大约5 dB或大于常规设计DPCM系统的操作在低比特率时(比特率R≤3位/像素)。值得注意的改进性能可以表示编码评定等级的值大于3。这一研究获得的仿真结果总结在表I和II。输出信噪比(信噪比)被定义为信噪比= 10日志(2 xσ/ 2 eσ)在dB,其中2 xσ是输入图像方差和2 e的重建误差方差σ是。TablesI和二所示的图像编码结果256 x256 VBDP-DPCM系统“莉娜”和“沃尔特”图像,分别。的源编码性能VBDP-DPCM系统相比具有更高的信噪比传统stationary-based DPCM系统。重建图像的方案在图4中大多使用更高质量的主观和客观。值信噪比等于12.68 dB, 17.57 dB,和22.71 dB 256 x256“莉娜”的形象获得了利率的1、2和3位/像素,分别为阈值θ= 5。信噪比的值等于16.23 dB, 20.62 dB,和24.81 dB areachieved“沃尔特”的形象在利率的1、2和3位/像素,分别为阈值θ= 5。这些结果比使用传统的发现,固定DPCM编码器/解码器系统。 |
| 图5比较重建“莉娜”图像的主观质量获得VBDP-DPCM系统(θ= 5)质量得到固定,常规设计DPCM编码传输比特率R = 1位/像素。重建的图像如图5所示(d)的忠实地再现灰度变化高空间活动的地区,例如,“莉娜”形象的羽毛更清晰而模糊呈现在图5(一个),结果为传统DPCM编码器。图6和图7显示的视觉质量reconstructedVBDP-DPCM“莉娜”和“沃尔特”图像在不同编码1、2和3位/像素。解码imagesnormally稍微明显一些图像细节,教授AR predictionsadapted当地统计数据,以及随着过滤操作温和的有毒影响量化误差反馈到DPCM预测循环的代码如图2所示(一个)。 |
结论和未来的工作 |
| 新双预测DPCM编码系统与可变块调查研究结果改进的源编码性能与传统设计相比DPCM图象编码方案对比特率R≤3位/像素。目标信噪比结果表明,新的VBDP-DPCM编码方案收益更好的重建图像质量相对传统的固定式DPCM图象编码系统。性能改进的结果概括为: |
| •图像分割结果在现实世界固有的统计非平稳图像被更好的利用; |
| •DP-DPCM编码模式应用于每个分段子图像块。我们能够适应每个变量的预测和量化器结构尺寸图像块; |
| •最优的平衡设计差分信号预测和滤波操作,减少有害影响的大型量子化错误被反馈到小的R值的预测循环。 |
| 的源编码性能可变块DP-DPCM算法通常是大约5 dB或大于常规设计的DPCM编码系统操作时低比特率。改进的DPCM系统提供更好的边缘感知重要观众的繁殖。 |
|
表乍一看 |
 |
|
| 表1 |
表2 |
|
|
数据乍一看 |
|
|
|
引用 |
- 耆那教徒,a K。,“Image Data Compression-a Review,” Proceedings of IEEE, Vol. 69, no. 3, pp. 349-389, March 1981.
- Vaisey, j .和Gersho。,“Image Compression with Variable Block Size Segmentation,” IEEE Transactions on Signal Processing, Vol.40, No.8, pp. 2040-2060, Aug. 1992.
- 陈,c . T。,“Adaptive Transform Coding via Quadtree-Based Variable Blocksize DCT,” Proceedings of ICASSP, Vol.3, pp. 1854-1857, May 1989.
- 吴,J.-C。andDaut, d G。,“Adaptive Nonstationary DPCM Image Coding with Variable Blocksize,”Proceedings of the SPIE Visual Communications and Image Processing (VCIP) 1997, Vol.3024, pp. 447-458, San Jose, CA, February 1997.
- Sakrison d J。,“Image Coding Applications of Vision Models,” Advances in Electronics and Electron Physics, Vol.12, pp. 21-71, 1979.
- 爱抚,d G。,Zhao, D.-M., and Wu, J.-C., “Double Predictor Differential Pulse Code Modulation Algorithm for Image Data Compression,” Optical Engineering, Vol.32, No.7, pp. 1514-1523, July1993.
- 陈,H.-B。,“Advanced Double Predictor Differential Pulse Code Modulation Image Transmission System,” Master’s thesis, EE dept., Dayeh University, Chang-Hua, Taiwan, July 1998.
- 吴,J.-C Chen H.-B。刘,R.-J。,“Variable Block-Size Double Predictor DPCM Image Coding”, Proceedings of SPIE Visual Communications and Image Processing (VCIP) 2000,Vol.4067,pp. 838-847, May 2000.
- Nasseri, z和Kanefsky, M。,“Doubly Adaptive DPCM,” IEEE Transactions on Information Theory, Vol.36, No.2, pp. 414-420, March 1990.
- Tekalp, a . M。考夫曼,H。,and Woods, J. W., “Fast Recursive Estimation of the Parameters of a Space-Varying Autoregressive Image Model,” IEEE Transactions on Acoustic Speech Signal Processing, Vol.ASSP-33, pp. 469-472, April 1985.
- 猎人,通用汽车和施蒂格利茨,K。,“Operations on Images Using Quad Trees,” IEEE Transactions on Pattern Analysis and Machine Intelligence, Vol.PAMI-1, No.2, pp. 145-153, April 1979.
- 深远的,t·赖夫,J。,“Quad Tree Structures for Image Compression Applications,” Information Processing & Management, Vol.28, No.6, pp. 707-721, 1992.
- Dhanalakshmi, s . andRavichandran T。,“A New Method for Image Segmentation,” International Journal of Advanced Research in Computer Science and Software Engineering, Vol.2, No.9, pp. 293-299, 2012.
- 陈,w l。、胡、研究。,Liu, K.-Y.,Lo, C.-C., and Wen, C.-H.,“Variable-Rate Quadtree-segmented Block Truncation Coding forColor Image Compression,” International Journal of Signal Proc., Image Proc. and Pattern Recognition, Vol.7, No.1, pp.65-76, 2014.
|
菜单
J = 2的图像模型,分离自相关函数和J = 2为各向同性图像模型[5]。定义的最优三阶预测预测系数:
ξ的方差(n) = e (n) - e (n),表示2σξ,平方根,σξ(ξ的标准差(n))的参数调整动态范围是局部最优quantizerQ。
