基于朱刘法和蚁群法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法和蚁群法的群体图像编码结构生成方法。解决了现有多数方法不能保证用户即时访问以及HAP方法编码效率提升不高的问题。实现步骤为：构造群体图像相互关系的有权有向图；使用朱刘方法得到最小生成树；判断最小生成树是否满足深度限制；若满足，则输出该最小生成树，还原成图像，构成群体图像编码结构；若不满足深度限制，采用适宜蚁群法的规则添加新边，使用最大最小蚁群法对最小生成树进行深度限制，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。本发明专利技术生成的深度受限最小生成树权值小，编码效率高，且能保证用户即时访问。可应用于云中图像压缩、个人相册压缩等领域。

Structure generation method of group image coding based on Zhu Liu method and ant colony method

The invention discloses a group image coding structure generation method based on the Zhu Liu method and the ant colony method. It solves the problem that most of the existing methods can not guarantee the instant access of the users and the low efficiency of the HAP method. The implementation steps: construct group image relationship have the right to use the directed graph; Zhu Liu method to get the minimum spanning tree; minimum spanning tree to determine whether meet the depth limit; if satisfied, then the output of the minimum spanning tree, restore the image, a group image encoding structure; if it does not satisfy the depth limit, using appropriate ant colony method the rules add new edges of the minimum spanning tree depth restriction of the use of the max min ant colony method, minimum spanning tree output depth is limited, restore the image, a group image encoding structure. The depth limited minimum spanning tree generated by the invention has small weight, high coding efficiency and can ensure the user's immediate access. It can be used in the fields of image compression in the cloud, compression of personal album and so on.

【技术实现步骤摘要】
基于朱刘法和蚁群法的群体图像编码结构生成方法
本专利技术属于图像编码领域，更进一步涉及群体图像编码结构生成方法，具体是一种基于朱刘法和蚁群法的群体图像编码结构生成方法，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等类似场景，更加方便群体图像的压缩与存储。
技术介绍
图像通常以JPEG的格式存储，虽然能够实现存取方便，但也造成了存储空间大、编码效率低的缺点。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结构，再采用视频压缩技术进行压缩，极大地节省了互联网中海量图像的存储空间。伪视频结构即为群体图像编码结构，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。生成群体图像编码结构，不仅要考虑提高编码效率，还要保证用户能随时读取图像。能够随时读取图像，就要求对编码结构相对应的树形图进行深度限制。现有得到深度限制的最小生成树的方法主要有迭代式求解深度限制最小生成树方法和图像集层次聚类方法。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，这种方法需要将所有满足条件的最小生成树全部计算，从中选取权值最小的一个作为群体图像编码结构，时间复杂度高，不适用于现实情况；图像集层次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。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。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。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，但这种方法没有对最小生成树的深度进行限制，若用户访问深度较深的图像时，等待时间过长。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。但这种方法没有对最小生成树的深度进行限制，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。目前，现有大多群体图像编码结构生成方法基本不能满足用户即时访问图像的需求，而针对于群体图像之间相关性差异较小的情况，现有的HAP方法，虽然能够限制最小生成树的深度，但其得到的生成树的代价较大，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，提出一种基于朱刘法和蚁群法的群体图像编码结构生成方法，该方法能够限制最小生成树深度且提高群体图像编码效率。其实现步骤如下：(1)构造群体图像相互关系的有权有向图：将群体图像抽象为有权有向图，即将群体图像中每个图像抽象为节点，并根据图像的相关性表征为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的大小为节点集合V中节点的个数，实现对有权有向图G(V,E)的初始化；(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的最短入边的起点用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)采用适宜蚁群法的规则对最小生成树T添加新边＜vi,vj＞，得到添加新边后的有权有向图G2(V,E)，添加规则是节点vi的深度dep(vi)小于节点vj的深度dep(vj)且dep(vj)＞dma本文档来自技高网...

【技术保护点】
一种基于朱刘法和蚁群法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)构造群体图像相互关系的有权有向图：将群体图像抽象为有权有向图，即将群体图像中每个图像抽象为节点，并根据图像的相关性表征为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的大小为节点集合V中节点的个数，实现对有权有向图G(V,E)的初始化；(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的最短入边的起点用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)采用适宜蚁群法的规则对最小生成树T添加新边＜vi,vj＞，得到添加新边后的有权有向图G2(V,E)，添加规则是节点vi的深度dep(vi)小于节点vj的深度dep(vj)且dep(vj)＞dmax；(6)在添加新边后的有权有向图G2(V,E)使用最大最小蚁群法对最小生成树进行深度限制：(6a)初始化最大最小蚂蚁法参数：给定蚂蚁个数为m，设置最大迭代次数F，置全局最优解的初始权值为无穷大，已迭代次数iter为0；(6b)构造用于存放蚂蚁通过的节点和边的禁忌表Tabuk,k代表任意一只蚂蚁，k＝1,2,…,m，并初始化为空；(6c)将当前节点集C中所有节点添加到所有蚂蚁的禁忌表Tabuk中，其中C＝{v|dep(v)＜dmax}，k＝1,2,…,m，置本次迭代最优解的初始权值为无穷大；(6d)取第k只蚂蚁，计算其深度限制最小生成树Tk(V,E)；(6e)计算当前蚂蚁k深度限制最小生成树Tk(V,E)的权值Qk，清空该蚂蚁对应的禁忌表Tabuk；(6f)判断全部蚂蚁是否找到当次深度限制最小生成树Tk(V,E)，若是，执行步骤(6g)，否则，返回步骤(6d)；(6g)从所有蚂蚁的权值(Q1，Q2，…Qk，…，Qm)中选取最优蚂蚁的权值Qbest，判断其权值Qbest的权值是否小于本次迭代的最优解，若是，则更新当前迭代最优解；再判断权值Qbest的权值是否小于全局最优解，若是，更新全局最优解；(6h)计算最大信息素τmax和最小信息素τmin；(6i)更新路径信息素τij(t+1)；(6j)迭代次数iter加1，判断迭代次数是否达到最大迭代次数F，若是，全局最优解即为对应的深度限制的最小生成树，否则，返回步骤(6c)；(7)输出深度受限的最小生成树，并将节点还原为图像，构成群体图像伪视频序列编码结构。...

【技术特征摘要】
1.一种基于朱刘法和蚁群法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)构造群体图像相互关系的有权有向图：将群体图像抽象为有权有向图，即将群体图像中每个图像抽象为节点，并根据图像的相关性表征为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的大小为节点集合V中节点的个数，实现对有权有向图G(V,E)的初始化；(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的最短入边的起点用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)采用适宜蚁群法的规则对最小生成树T添加新边＜vi,vj＞，得到添加新边后的有权有向图G2(V,E)，添加规则是节点vi的深度dep(vi)小于节点vj的深度dep(vj)且dep(vj)＞dmax；(6)在添加新边后的有权有向图G2(V,E)使用最大最小蚁群法对最小生成树进行深度限制：(6a)初始化最大最小蚂蚁法参数：给定蚂蚁个数为m，设置最大迭代次数F，置全局最优解的初始权值为无穷大，已迭代次数iter为0；(6b)构造用于存放蚂蚁通过的节点和边的禁忌表Tabuk,k代表任意一只蚂蚁，k＝1,2,…,m，并初始化为空；(6c)将当前节点集C中所有节点添加到所有蚂蚁的禁忌表Tabuk中，其中C＝{v|dep(v)＜dmax}，k＝1,2,…,m，置本次迭代最优解的初始权值为无穷大；(6d)取第k只蚂蚁，计算其深度限制最小生成树Tk(V,E)；(6e)计算当前蚂蚁k深度限制最小生成树Tk(V,E)的权值Qk，清空该蚂蚁对应的禁忌表Tabuk；(6f)判断全部蚂蚁是否找到当次深度限制最小生成树Tk(V,E)，若是，执行步骤(6g)，否则，返回步骤(6d)；(6g)从所有蚂蚁的权值(Q1，Q2，…Qk，…，Qm)中选取最优蚂蚁的权值Qbest，判断其权值Qbest的权值是否小于本次迭代的最优解，若是，则更新当前迭代最优解；再判断权值Qbest的权值是否小于全局最优解，若是，更新全局最优解；(6h)计算最大信息素τmax和最小信息素τmin；(6i)更新路径信息素τij(t+1)；(6j)迭代次数iter加1，判断迭代次数是否达到最大迭代次数F，若是，全局最优解即为对应的深度限制的最小生成树，否则，返回步骤(6c)；(7)输出...

【专利技术属性】
技术研发人员：吴炜，裴婉婉，王思柯，
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