基于朱刘方法和OTTC的群体图像编码结构生成方法技术

本发明专利技术公开了一种基于朱刘方法和OTTC的群体图像编码结构生成方法。解决了现有大部分方法不能保证用户即时访问、且HAP方法编码效率不高的问题。实现步骤为：构造有权有向图；用朱刘方法得到最小生成树；判断最小生成树的深度是否满足限制；如满足，则输出该最小生成树，还原成图像，构成群体图像编码结构；如最小生成树深度不满足限制，添加新边，使用OTTC进行深度限制，输出深度受限的最小生成树，还原成图像，构成群体图像编码结构。本发明专利技术具有生成树权值小，编码效率高，且能保证用户即时访问，与现有HAP方法对比的实验也证明了本发明专利技术生成树权值小，编码效率高。可应用于云中图像压缩、个人相册压缩等领域。

【技术实现步骤摘要】
基于朱刘方法和OTTC的群体图像编码结构生成方法
本专利技术属于图像编码
，更进一步涉及群体图像编码结构生成，具体是一种基于朱刘方法和OTTC的群体图像编码结构生成方法，可用于云端群体图像压缩，个人相册图像压缩以及图像数据库压缩的类似场景。
技术介绍
群体图像通常聚类后表现出相同场景下，相同或不同拍摄角度的特点，图像间的相关性较强，如果使用传统JPEG或JPEG-2000对图像进行编码，将会造成存储空间大、编码效率不够高。现有群体图像编码主要利用群体图像间的相关性生成伪视频编码结构，再采用视频压缩技术进行压缩。伪视频编码结构是群体图像经过一系列处理得到的类似于自然视频的序列，序列之间存在一定的参考关系。生成群体图像编码结构主要考虑两个方面：一是提高编码效率，二是保证用户能随时读取图像。提高编码效率通过对群体图像进行相关性描述，并生成树形图；而要保证用户能随时读取图像，必须对树形图进行深度限制，深度越大，用户读取图片需要时间越长。现有得到深度限制的最小生成树的方法主要有图像集层次聚类方法和迭代式求解深度限制最小生成树方法。图像集层次聚类方法是利用传统自下而上或者自上而下的方法对群体图像进行聚类，形成一个具有深度限制的聚类树形结构，但此类方法通常得到的树形结构并不是最优结构，编码效率提升不高；迭代式求解深度限制最小生成树方法是通过不断对最小生成树的子树进行迭代，直到找到权值最小、且满足深度限制的最小生成树为止，时间复杂度很高，难以在有效时间内得到满足条件的群体图像编码结构。YonggenLing,OscarC.Au,RuobingZou,JiahaoPang,HaiyanYang,AminZheng在其发表的论文“PhotoAlbumCompressionByLeveragingTemporal-SpatialCorrelationsandHEVC”(《IEEEInternationalSymposiumonCircuits&Systems》2014)提出采用HAP方法得到深度限制的有向图最小生成树，HAP方法是通过聚类的思想将图像分类并形成中心点，低层的聚类中心点作为高层的图像，依次从低层到高层迭代，直至最后得到一个聚类中心作为根图像。但HAP方法通过公式自动迭代，过程难于理解，且该聚类方法往往会产生生成树代价过大，继而造成编码效率不高。ZouR,AuOC,ZhouG在其发表的论文“Personalphotoalbumcompressionandmanagement”(《IEEEInternationalSymposiumonCircuitsandSystems.IEEE》2013)提出以迭代方法不断地判断子树是否满足深度限制条件，本质上是对所有满足条件的最小生成树进行遍历。对于节点数较多，得到最小生成树深度较深的情况下，迭代过程繁琐，必须将满足条件的子树全部计算完成才能得到结果，很难在有效时间内得到深度限制的最小生成树，因此不适用于现实情况。微软技术许可有限公司在其申请的专利“基于特征的图像集合压缩”(申请号:201380078260.4)公开了一种使用SIFT特征的压缩方法。其主要思想是：将图像集根据SIFT特征进行聚类，并对聚类好的图像进行有向图描述，再生成最小生成树，根据最小生成树对图像的残差进行编码。但该方法没有对最小生成树进行深度限制，若聚类后图像个数较多，最小生成树的深度将会较大，造成用户不能随机访问图像，适用性不强。施云慧、李达、丁文鹏、尹宝才在其申请的专利“一种屏幕图像集合的压缩方法”(申请号:201510029087.X)公开了一种屏幕图像集合的压缩方法。其主要是计算图像集中每幅图像的每个图像块的哈希值，并通过哈希特征来表征图像之间的相关性，在对其生成最小生成树来确定预测结构，继而使用HEVC编码。但这种方法没有对最小生成树的深度进行限制，使得编解码时间较长，用户访问深度较深的图像时，等待时间过长。RTWang，YZhao，CYLin，HHBai，MQLiu在其发表的论文“Imagesetcompressionbasedonundirectedweightedgraph”(《JournalofInformationHidingandMultimediaSignalProcessing》2015)提出基础无向图的编码预测结构，其具体过程为：对两两图像之间yuv文件中y分量进行下采样，将高分辨率图像转换为低分辨率，并使用相关系数描述图像间相似程度，进而将群体图像描述为无向图，并使用prim算法得到最小生成树，该方法同样没有对最小生成树进行深度限制，若用户访问深度较深的图像时，等待时间过长，不适用于现实情况。西安电子科技大学在其申请的专利“群体图像编码结构生成方法”(申请号：201710028348.5)提出使用基于最短路径的群体图像编码结构生成方法，依次搜索根节点s经过1个中间节点，2个中间节点，…n个中间节点到达其余所有节点的最短路径，得到一棵有重复节点的生成树；通过遍历根节点s到其余每个节点的路径，去除重复节点，得到群体图像编码结构。该方法适用于群体图像间相关性差异较大的情况，对于群体图像间相关性差异较小的情况并不适用。综上，现有群体图像编码结构生成方法基本上没有考虑深度受限的最小生成树。而专利“群体图像编码结构生成方法”适用于群体图像之间相关性差异较大的情况。当群体图像之间相关性差异较小时，HAP方法得到的深度受限最小生成树的代价较大，编码效率不够高。
技术实现思路
本专利技术在于针对上述现有技术的不足，提出一种基于朱刘方法和OTTC的群体图像编码结构生成方法，适用于群体图像之间相关性差异较小的情况，对最小生成树的深度进行限制，并同时进一步减小生成树的代价，提高群体图像编码效率。本专利技术是一种基于朱刘方法和OTTC的群体图像编码结构生成方法，其特征在于，包括有如下步骤：(1)构造有权有向图：将群体图像抽象为有权有向图，即将群体图像中的每一个图像抽象为节点，并根据图像的相关性表征两两节点之间的距离，相关性越大，距离越短，得到满足各个节点之间相互关系的有权有向图G(V,E)，其中，V为节点集合，E为有向边集合；(2)初始化：给定最大深度限制dmax，用于限制最终树形图的深度；给定节点个数N；(3)在有权有向图G(V,E)中使用朱刘方法得到最小生成树T：(3a)对有权有向图G(V,E)进行预处理，得到预处理后的有权有向图G1(V,E)：虚拟一个根节点r，将该根节点r与其他所有节点的距离定义为有权有向图G(V,E)中所有边的权值之和；对于任意两个节点vi和vj，若从节点vi到节点vj有多条边，则只保留其中最短的一条；(3b)寻找所有节点的最短入边，构成最短入边集合P，节点v最短入边的起点用π(v)来表示；(3c)判断最短入边集合P＝{＜π(v),v＞}是否构成环，其中，节点v∈V且v≠r，若不构成任何环，得到最小生成树T，跳转至步骤(4)；否则，执行步骤(3d)；(3d)对构成环的有权有向图进行缩环处理，并返回步骤(3b)；(4)判断最小生成树的深度dep(T)是否大于最大深度限制dmax，若是，则执行步骤(5)；否则，则该最小生成树T即为深度受限的最小生成树，执行步骤(7)本文档来自技高网...

【技术保护点】
一种基于朱刘方法和OTTC的群体图像编码结构生成方法，其特征在于，包括有如下步骤：(1)构造有权有向图：将群体图像抽象为有权有向图，即将群体图像中的每一个图像抽象为节点，并根据图像的相关性表征两两节点之间的距离，相关性越大，距离越短，得到满足各个节点之间相互关系的有权有向图G(V,E)，其中，V为节点集合，E为有向边集合；(2)初始化：给定最大深度限制dmax，用于限制最终树形图的深度；给定节点个数N；(3)在有权有向图G(V,E)中使用朱刘方法得到最小生成树T：(3a)对有权有向图G(V,E)进行预处理，得到预处理后的有权有向图G1(V,E)：虚拟一个根节点r，将该根节点r与其他所有节点的距离定义为有权有向图G(V,E)中所有边的权值之和；对于任意两个节点vi和vj，若从节点vi到节点vj有多条边，则只保留其中最短的一条；(3b)寻找所有节点的最短入边，构成最短入边集合P，节点v最短入边的起点用π(v)来表示；(3c)判断最短入边集合P＝{＜π(v),v＞}是否构成环，其中，节点v∈V且v≠r，若不构成任何环，得到最小生成树T，跳转至步骤(4)；否则，执行步骤(3d)；(3d)对构成环的有权有向图进行缩环处理，并返回步骤(3b)；(4)判断最小生成树的深度dep(T)是否大于最大深度限制dmax，若是，则执行步骤(5)；否则，则该最小生成树T即为深度受限的最小生成树，执行步骤(7)；(5)对最小生成树T添加新边＜vi,vj＞，得到添加新边后的有权有向图G2(V,E)，确定有权有向图G2(V,E)的根节点R，其中边添加规则是节点vi的深度dep(vi)小于节点vj的深度dep(vj)；(6)在添加新边后的有权有向图G2(V,E)使用OTTC对最小生成树进行深度限制：(6a)令迭代次数iter＝0，蓝子树集合B和浅蓝边集合L为空，取有权有向图G2(V,E)中根节点R加入蓝节点集合TT，把根节点R的出度边＜R,vj＞着以浅蓝色，即：L＝L∪(R,vj)，其中...

【技术特征摘要】
1.一种基于朱刘方法和OTTC的群体图像编码结构生成方法，其特征在于，包括有如下步骤：(1)构造有权有向图：将群体图像抽象为有权有向图，即将群体图像中的每一个图像抽象为节点，并根据图像的相关性表征两两节点之间的距离，相关性越大，距离越短，得到满足各个节点之间相互关系的有权有向图G(V,E)，其中，V为节点集合，E为有向边集合；(2)初始化：给定最大深度限制dmax，用于限制最终树形图的深度；给定节点个数N；(3)在有权有向图G(V,E)中使用朱刘方法得到最小生成树T：(3a)对有权有向图G(V,E)进行预处理，得到预处理后的有权有向图G1(V,E)：虚拟一个根节点r，将该根节点r与其他所有节点的距离定义为有权有向图G(V,E)中所有边的权值之和；对于任意两个节点vi和vj，若从节点vi到节点vj有多条边，则只保留其中最短的一条；(3b)寻找所有节点的最短入边，构成最短入边集合P，节点v最短入边的起点用π(v)来表示；(3c)判断最短入边集合P＝{＜π(v),v＞}是否构成环，其中，节点v∈V且v≠r，若不构成任何环，得到最小生成树T，跳转至步骤(4)；否则，执行步骤(3d)；(3d)对构成环的有权有向图进行缩环处理，并返回步骤(3b)；(4)判断最小生成树的深度dep(T)是否大于最大深度限制dmax，若是，则执行步骤(5)；否则，则该最小生成树T即为深度受限的最小生成树，执行步骤(7)；(5)对最小生成树T添加新边＜vi,vj＞，得到添加新边后的有权有向图G2(V,E)，确定有权有向图G2(V,E)的根节点R，其中边添加规则是节点vi的深度dep(vi)小于节点vj的深度dep(vj)；(6)在添加新边后的有权有向图G2(V,E)使用OTTC对最小生成树进行深度限制：(6a)令迭代次数iter＝0，蓝子树集合B和浅蓝边集合L为空，取有权有向图G2(V,E)中根节点R加入蓝节点集合TT，把根节点R的出度边＜R,vj＞着以浅蓝色，即：L＝L∪(...

【专利技术属性】
技术研发人员：吴炜，裴婉婉，许冬梅，
申请(专利权)人：西安电子科技大学，
类型：发明
国别省市：陕西,61