一种率失真性能近似最优的JPEG-LS图像近无损压缩的码率控制方法技术

技术编号:15335951 阅读:257 留言:0更新日期:2017-05-16 22:14
一种率失真性能近似最优的JPEG‑LS图像近无损压缩的码率控制方法针对JPEG‑LS标准设计了一种近无损压缩的码率控制方法。预先建立高码率下编码码率关于平均绝对预测差与编码量化参数NEAR之间的数学模型。在编码具体图像过程中,以块为单位,利用该模型对量化参数进行调节。调节的逻辑是使已编码的部分所耗的比特数与未编码的部分在设定的量化参数下预计需要的比特数之和最接近预定的码率要求。此方法能尽量避免量化参数大范围的上下浮动,从而达到近似最优的率失真性能。

【技术实现步骤摘要】
一种率失真性能近似最优的JPEG-LS图像近无损压缩的码率控制方法
本专利技术属于图像压缩编码领域,具体涉及图像的近无损预测编码的码率控制技术。
技术介绍
足不出户,阅尽天下精彩。当前,信息技术给人们的生活带来了翻天覆地的变化。而图像是其中重要媒介与手段。毫无夸张地说,图像获取与传输已成为人们日常生活的重要组成部分。此外,图像获取与传输技术在国防、农业生产与减灾防灾等领域也有着重要应用。近年来,世界大国都竞相研发、建立对地观测系统应用于军事、农业等领域,以期望在信息时代抢占先机。然而越来越高的图像分辨率导致影像传输成为一个问题。而图像压缩是解决传输问题的主要方法。现有的图像压缩技术分为无损压缩和有损压缩两类。无损压缩可以完整地恢复原始影像,重建图像与原始图像之间分毫不差,非常有利于影像信息的保存,但是无损压缩的倍率通常较低(1~2之间),因此对传输帮助有限。有损压缩允许重建信号略微失真,以此换来更高的压缩倍率,因此压缩倍率通常比无损压缩要高得多。通过调整适当的参数可以精确控制压缩倍率。然而,大倍率的有损压缩,会导致图像质量降低。图像的近无损压缩是压缩倍率与图像质量上的一个折中方案。近无损压缩往往可以在2-4倍的压缩倍率下,图像失真非常小。通常,用到图像压缩的领域往往多是近无损压缩,例如我国与巴基斯坦联合研发的遥感卫星——资源三号就采用了近无损压缩方法。无损压缩主要采用预测编码方法,比较代表性的是JPEG-LS和CALIC。而有损压缩多采用基于变换的编码方法,例如JPEG2000和SPIHT。基于整数变换的有损编码方法往往也能用于无损压缩和近无损压缩。然而基于变换的压缩编码方法在近无损和无损压缩性能上往往低于基于预测编码的方法。特别是当图像纹理丰富时,基于变换的压缩编码方法(例如JPEG2000和SPIHT)的近无损压缩性能常常比基于预测的编码方法JPEG-LS和CALIC低2dB以上。尽管预测编码比较适合于图像的近无损压缩,但是其有一个先天性的缺陷——难以实现精确的码率控制。预测编码方法一般通过对预测误差进行量化来实现近无损压缩。一般基于整数预测方法且采用统一的整型量化参数,最终的编码码率往往难以控制。这就导致预测编码不能应用在在很多对压缩码率有特殊要求的场合。侯舒维等在其专利“一种JPEG-LS图像压缩的码率控制方法”(专利申请号:201010617932.2,公开号CN102088602A)中公开了一种JPEG-LS码率控制方法。吴宪云等在其申请的专利“基于JPEG-LS标准的动态码率控制方法”(专利申请号:201210434247.5,公开号CN102938838A)中公开了一种动态的JPEG-LS码率控制方法。张毅等在其发表的论文“一种新的基于先验数据表的JPEG-LS动态码率控制算法”(电子与信息学报,36(4),823-827,2014)中提出了一种加快码率收敛到目标码率的方法。这几种码率控制方法都有一个共同特征,通过动态调整量化参数试图使整个图像所有局部区域的编码码率达到预定的码率,而未考虑编码的率失真性能。张静等在其专利“高码率下JPEG_LS码率控制方法”(专利申请号:201210156691.5,公开号CN102695955A)公开了一种高码率下的码率控制方法。该方法尽管考虑了编码的率失真性能,然而存在两个缺陷。一是其码率模型过于复杂,先计算残块的方差,再计算残差的峰度值,从而确定残差的广义高斯分布;然后再计算每块的合适的码率,再由码率计算一个最佳的量化参数,整个过程设计到多个量的估计。其二是所有残差块使用同一个量化参数,而JPEG-LS采用的是整型量化参数,这必然造成编码码率并不总能达到预定的要求。而且把码率控制精度完全寄托于码率模型的精确性不是一个现实的方案。很多国外学者也提出了JPEG-LS编码的码率控制方法。主要集中在如何降低图像失真的可见性。其主要的原理是根据人眼的视觉掩蔽效应,在图像纹理丰富的区域引入较大的噪声;而平滑区域引入较小的噪声。这些方法能够在编码码率一定的情况下降低图像失真对人眼的能见度。然而,图像的失真却是客观存在的。在很多特定的应用领域,图像的质量好坏并不是人眼能判定的。一个典型的例子就是测绘遥感领域,需要将同一区域的不同视角的图像进行匹配。这一过程一般由计算机自动完成。一般情况下,更高的图像峰值信噪比(或更低的均方误差)的图像将获得更高的匹配精度。然而,研究发现针对人眼特征优化的,以降低失真对人眼能见度为目标的码率控制方法往往导致图像峰值信噪比急剧下降(或均方误差急剧增加)。
技术实现思路
JPEG-LS或者其他预测编码方法一般通过调整量化参数NEAR(为书写方便,正文部分简写为T)来调节编码的码率。然而,不同的调节方法可能导致编解码后重构的图像失真有很大的区别。鉴于上述码率控制方法的各种缺点,本专利技术提供一种率失真性能近似最优的JPEG-LS图像近无损压缩的码率控制方法。率失真性能近似最优的JPEG-LS图像近无损压缩的码率控制方法,预先建立通用的高码率下编码码率R关于平均绝对预测差MAD与编码量化参数T之间的数学模型,并据此在编码具体的图像过程中以块为单位实时调节T,包含以下步骤:步骤1,根据图像的特征,设定初始的编码量化参数T*;步骤2,对图像采用JPEG-LS算法进行编码,最初的编码量化参数T1设定为量化参数T*,每编码完一个块就调整一次编码量化参数,即,其中∆T确定的方法是使已编码的块所耗比特数与未编码的块估计需耗的比特数之和最接近目标码率要求,如下式:这里的k是整数,BN1→i表示编码前面i个块所耗的总比特数,PNj→i表示从第j个块到第i个块的总样点数,表示未编码部分的平均绝对预测差的估计值,N表示总块数。简单地,用一个分段模型建立编码码率R关于MAD与T之间的数学模型,具体为当MAD大于阈值Th,采用对数-线性模型,否则采用一般线性模型,其中和为受T控制的模型系数,阈值Th为0.5~2之间的值。为尽量避免不精确的估计带来的码率偏差与性能损失,步骤2中量化参数调节所使用的由下式估计:这里是前i面个已编码的块解码后求得预测残差,再计算而得的前i个块样点的平均绝对预测差,MAD是整个原图像样点的平均绝对预测差,ω(i)是一个值域为[0,1]区间的权值函数,当已编码片数i很小时,其值接近于零,而当已编码片数接近总片数时,其值接近于1。为减小预测残差提高编码性能,图像编码之前并不预先分块,整个图像预测编码是连续的,仅在编码过程中以块为单位调节量化参数。初始的编码量化参数T*的设定方法的具体为:首先对原图像的每一个样点进行预测,求得预测残差,以此估计出图像样点的平均绝对预测差MAD;再根据所得的平均绝对预测差MAD,搜寻最佳的量化参数T*作为初始量化参数,最佳即目标码率与模型码率之差最小。为避免图像块之间的依赖性可能导致的错误传播问题,另外一种编码方案是图像先分块,每个图像块采用JPEG-LS算法独立预测编码。步骤1所描述的初始的编码量化参数T*的估计方法的则为:首先对每一个块,求预测残差,并由此估计块的平均绝对预测差MADi,1≤i≤N;再搜寻最佳的量化参数T*作为初始量化参数,即使目标码率与平均模型码率之差最小。块的平均绝对预测差MADj(1本文档来自技高网
...
一种率失真性能近似最优的JPEG-LS图像近无损压缩的码率控制方法

【技术保护点】
一种率失真性能近似最优的JPEG‑LS图像近无损压缩的码率控制方法,通过分块调节预测残差量化参数来控制编码码率,其特征在于,建立通用的高码率下编码码率

【技术特征摘要】
1.一种率失真性能近似最优的JPEG-LS图像近无损压缩的码率控制方法,通过分块调节预测残差量化参数来控制编码码率,其特征在于,建立通用的高码率下编码码率R关于平均绝对预测差MAD与编码量化参数T之间的数学模型,在编码具体的图像过程中利用该模型调节T,包含以下步骤:步骤1,根据图像的特征,设定初始的编码量化参数T*;步骤2,对图像采用JPEG-LS算法进行编码,最初的编码量化参数T1设定为T*,每编码完一个块后调整一次编码量化参数,即,其中∆T确定的方法是使已编码部分所耗比特数与未编码部分估计需耗的比特数之和最接近目标码率的要求,如下式:这里的k是整数,BN1→i表示编码前面i个块所耗的总比特数,PNj→i表示从第j个块到第i个块的总样点数,表示未编码部分的平均绝对预测差的估计值,N表示总块数。2.根据权利1所描述的率失真性能近似最优的JPEG-LS图像近无损压缩的码率控制方法,其特征在于,建立的编码码率R关于MAD与T之间的数学模型是一个分段模型,具体为当MAD大于阈值Th,采用对数-线性模型,否则采用一般线性模型,其中α(T)和β(T)为受T控制的模型系数,阈值Th为0.5~2之间的值。3.根据权利1所描述的率失真性能近似最优的JPEG-LS图像近无损压缩的码率控制方法,其特征在于,将图像作为整体进行预测编码,仅在编码过...

【专利技术属性】
技术研发人员:李诗高
申请(专利权)人:武汉轻工大学
类型:发明
国别省市:湖北,42

网友询问留言 已有0条评论
  • 还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。

1