一种面向无线视频传感器网络的图像压缩传输方法技术

本发明专利技术提供一种面向无线视频传感器网络的图像压缩传输方法，从视频传感器节点采集图像，对每帧图像采用基于分块压缩感知的运动检测算法将其获取的图像分成感兴趣区域与背景区域；感兴趣区域被分成16×16的子块，通过Haar小波分解得到每个子块的稀疏矩阵，进一步将其转化为256×1的列向量；背景区域做相同操作，被处理的频率远低于感兴趣区域；压缩采样被用于每个稀疏块所对应的列向量，根据节点剩余能量自适应调整压缩采样率；每个稀疏块的测量值按特定的数据包格式打包，无线发送至接收端。本方法能根据节点剩余能量自适应地调整图像质量，平衡节点能量消耗，对无线传输过程中的数据包丢失具有鲁棒性。

【技术实现步骤摘要】

本专利技术涉及无线传感器
，具体地说是涉及一种面向无线视频传感器网络 的图像压缩传输方法，适用于无线传感器网络智能视频感知、环境监测预警等应用领域。
技术介绍
随着无线传感器网络技术、微处理器技术和CMOS成像技术的发展，具有图像感知 与处理能力的无线视频传感器网络已被逐渐应用于视频监控、环境监测等众多领域。然而 受能源供给、通信带宽、计算与存储能力的限制，视频传感器节点无法实时、准确地传输大 量的图像数据。这严重制约了无线视频传感器网络的推广应用。因此，压缩传输成为了传感 器网络图像通信的根本途径。 JPEG和JPEG2000图像压缩标准以及EZW、SPIHT、SPECK等嵌入式压缩编码方法主要 侧重于压缩性能，致使其计算复杂度高、需要更多的存储空间，因此，这些方法在视频传感 器节点中无法实现或者效率不高。分布式图像压缩策略通过并行计算将工作负载分摊到多 个节点，降低了单个节点的计算开销和能耗，但分布式处理算法实现困难且节点间的信息 交互不可避免地增加了通信开销。此外，上述方法的共同点在于需要采用纠错机制（例如， 前向纠错、自动重发请求和多路径传输)减少在传输过程中丢包风险，这将导致额外的节点 能耗。近年来，基于压缩感知(CS)的图像传输方法成为了研究热点。该类方法对数据丢包具 有鲁棒性，计算相对简单，能有效减少传输数据、降低节点通信能耗。相关文献已就图像稀 疏化方法、稀疏系数分块与排列以及测量矩阵构建等方面进行了研究，但为了提高图像恢 复的质量，大多数方法都在压缩采样过程中引入了相对复杂的计算，导致节点负担增加。通 过运动检测从图像中分离出有用信息进行压缩传输，能大大减少传输数据量降低网络带宽 需求。但常用的帧差法、高斯混合背景建模等基于像素处理的方法计算复杂，而且其目标检 测效果对动态背景非常敏感。 图像压缩算法的设计必须充分考虑节点能量状况，这对于平衡节点能耗、延长网 络工作寿命至关重要。现有方法中绝大多数并没有考虑节点能量这一关键因素，个别涉及 到通过节点剩余能量来确定图像数据包发送优先级的方法，也缺少基于能量的图像质量控 制策略。
技术实现思路
本专利技术要解决的技术问题是:提供一种面向无线视频传感器网络的图像压缩传输 方法，能根据节点剩余能量自动控制图像质量，平衡节点能量消耗。 本专利技术为解决上述技术问题所采取的技术方案为:一种面向无线视频传感器网络 的图像压缩传输方法，其特征在于:它包括以下步骤： S1、对从视频传感器节点采集的每帧图像做如下预处理:采用基于分块压缩感知 的运动检测算法将图像分成感兴趣区域与背景区域； S2、感兴趣区域被分成16X16的子块，通过Haar小波分解得到每个子块的稀疏矩 阵，进一步将其转化为256X1的列向量;背景区域做相同操作，背景区域被处理的频率远低 于感兴趣区域； S3、压缩采样被用于每个稀疏块所对应的列向量，根据节点剩余能量自适应调整 压缩采样率从而控制图像质量、平衡节点能耗，所述的压缩采样率按以下公式进行自适应 调整：对于感兴趣区域内的子块h的压缩采样率MRiS 其中s是子块的稀疏性度量，为匕小波系数的绝对值和；?是感兴趣区域内所有子 块的稀疏性度量的平均值;MRrcil是预设的感兴趣区域压缩采样率，根据节点剩余能量确定； 对于背景区域内的所有子块都采用相同的压缩采样率MRtlle3S，其值由节点剩余能 量决定； 节点剩余能量与压缩采样率的关系为： 其中Eo和Er分别为节点的初始能量和剩余能量;Eth为防止节点剩余能量的快速衰 竭而引入的能量阈值;P和q为控制参数，且〇〈P〈l，q>l; S4、每个稀疏块的测量值按特定的数据包格式打包，无线发送至接收端。按上述方法，所述的S1具体包括： 1.1、根据节点获取的前f帧图像建立运动检测的背景模型： 首先，每帧图像被划分为η X η的子图像块，每个子图像块被排列为N X 1的列向量， Ν=ηΧη，其中η取2的整数次幂;其次，选取ΜΧΝ的测量矩阵，通过随机降维映射得到每个子 图像块1\1的测量值，再将该测量值还原为11^111的矩阵，其中1〈〈1^=11^111，也就是将原来 ηΧη的子图像块替换为mXm的测量值矩阵;依次对每帧图像的每个子图像块做相同处理， 最后得到f帧由mXm的测量值矩阵组成的重构图像;对于重构图像中的每个像素，其背景模 型表示为f帧重构图像中对应位置处像素值的集合； 1.2、对于待检测的图像帧，按照1.1得到其重构图像;重构图像中的每个像素分别 与1.1中得到的该像素背景模型进行匹配，如果该像素值与背景模型中至少两个值的绝对 差不超过阈值Th，则该像素被标记为背景，否则，该像素为前景;将重构图像中前景像素对 应于原图像中的区域标记为感兴趣区域，其它为背景区域； 1.3、对于背景像素，其背景模型的更新基于某一概率随机地选择背景模型中的样 本值，替换为当前像素值;对于前景像素，其背景模型保持不变。 按上述方法，所述的1.3当某个像素连续多帧被检测为前景时，将其重新标记为背 景。 按上述方法，所述的接收端解包得到测量值，采用贪婪迭代算法恢复小波系数，通 过Haar小波逆变换还原每个图像块，经块合并重构出原始图像。按上述方法，所述的S4具体包括：采用ZigBee技术传输压缩图像，每个数据包的最大载荷设定为70字节，其中包括 最大长度为64字节的测量数据以及固定长度为6字节的附加信息；附加信息具体包括4个字 节存储子块在图像中的位置信息，1个字节记录数据包的实际长度，半个字节标记该子块为 感兴趣区域还是背景区域，半个字节指示子块的数据包序号。按上述方法，所述的测量矩阵为矩阵元素为±1的伯努利随机矩阵。本专利技术的有益效果为： 1、本方法通过基于分块压缩感知的运动检测算法提取感兴趣区域，采用小波变换 完成图像稀疏化表示，对感兴趣区域与背景区域采用不同的压缩采样策略，能根据节点剩 余能量自适应地调整图像质量，平衡节点能量消耗。 2、本专利技术的方法在保证图像质量的情况下能有效降低传感器节点的计算开销与 通信能耗，同时对无线传输过程中的数据包丢失具有鲁棒性，适用于基于无线视频传感器 网络的环境监测、安全监控等领域。【附图说明】 图1为本专利技术一实施例的流程图。 图2为基于分块压缩感知的感兴趣区域提取的实验结果。 图3为自适应压缩采样与固定压缩采样时感兴趣区域图像恢复的结果。图4为节点剩余能量与预设压缩采样率的关系曲线。 图5为不同剩余能量状态下图像恢复的结果。 图6为不同丢包率条件下图像恢复的结果。【具体实施方式】 下面结合具体实例和附图对本专利技术做进一步说明。 -种面向无线视频传感器网络的图像压缩传输方法，如图1所示，它包括以下步 骤： S1、对从视频传感器节点采集的每帧图像做如下预处理:采用基于分块压缩感知 的运动检测算法将其获取的图像分成感兴趣区域与背景区域。 具体包括： 1.1、根据节点获取的前f帧图像建立运动检测的背景模型：首先，每帧图像被划分为η X η的子图像块，每个子图像块被排列为N X 1的列向量， Ν=ηΧη，其中η取2的整数次幂，一般取8,16,32,具体跟根据实际应用来定;其次，选取ΜΧΝ 的测量矩阵，通过随机降维映射得到每个子图像块MX 1的测量值，再将该本文档来自技高网...

【技术保护点】
一种面向无线视频传感器网络的图像压缩传输方法，其特征在于：它包括以下步骤：S1、对从视频传感器节点采集的每帧图像做如下预处理：采用基于分块压缩感知的运动检测算法将图像分成感兴趣区域与背景区域；S2、感兴趣区域被分成16×16的子块，通过Haar小波分解得到每个子块的稀疏矩阵，进一步将其转化为256×1的列向量；背景区域做相同操作，背景区域被处理的频率远低于感兴趣区域；S3、压缩采样被用于每个稀疏块所对应的列向量，根据节点剩余能量自适应调整压缩采样率从而控制图像质量、平衡节点能耗，所述的压缩采样率按以下公式进行自适应调整：对于感兴趣区域内的子块bi的压缩采样率MRi为MRi=(MRroi-MRmin)si/s‾+MRmin]]>其中s是子块的稀疏性度量，为bi小波系数的绝对值和；是感兴趣区域内所有子块的稀疏性度量的平均值；MRroi是预设的感兴趣区域压缩采样率，根据节点剩余能量确定；对于背景区域内的所有子块都采用相同的压缩采样率MRtiles，其值由节点剩余能量决定；节点剩余能量与压缩采样率的关系为：MRroi=(Er-EthE0-Eth)p,MRtiles=(Er-EthE0-Eth)q]]>其中E0和Er分别为节点的初始能量和剩余能量；Eth为防止节点剩余能量的快速衰竭而引入的能量阈值；p和q为控制参数，且0<p<1，q>1；S4、每个稀疏块的测量值按特定的数据包格式打包，无线发送至接收端。...

【技术特征摘要】

【专利技术属性】
技术研发人员：王勇，王典洪，卢倩，张旭帆，罗大鹏，
申请(专利权)人：中国地质大学武汉，
类型：发明
国别省市：湖北;42