基于物体及二次拟合光度变换的群体图像编码算法

发布时间：2020-04-09 01:45

【摘要】：近几年,由于云储存的出现,很多大型的科技公司都对外提供云存储的业务,而且很多用户会选择将图像数据保存到云端,所以在云端将会出现大量的图像数据存储。云端图像数据高效压缩存储已成为一个重要的研究方向。传统的图像压缩编码如JPEG、MPEG等都是以单张图像来进行压缩存储,并未考虑到图像之间的相似性,使得对于整个图像集编码效率不高。为了有效利用图像之间的冗余信息,提高云端图像数据的压缩编码效率,出现了图像集的联合压缩编码,即群体图像编码。本文针对现有的群体图像编码框架及原理进行介绍,对群体图像编码的光度变换和编码结构的生成提出相应的改进方案。首先,对目前现有的光度变换提出了一种基于二次拟合的光度变换改进方案,使光度变换后的结果更加接近目标图像,提高群体图像的编码效率。然后,实现了一种基于匹配面积的图像距离描述方法。该算法使用三角剖分计算SIFT匹配点覆盖面积,之后将匹配面积与SIFT匹配点的距离按照公式进行计算作为基于匹配面积的图像距离。该基于匹配面积的图像距离方法更加精确的表述了图像间的相似信息,帮助生成更加高效的编码结构,提升最终的编码效率。最后,本文针对现有的群体图像中单参考编码,提出了一种基于物体的多参考编码方法。该方法利用物体检测技术,识别图像中含有的物体,分别针对图像中的物体和未识别的剩余部分寻找合适的参考图像,接着进行相应的多参考预测图像生成,最后进行基于块的运动补偿编码,最终结果明显提升编码效率。通过对每个改进和实现的方案进行实验仿真,仿真结果表明:使用二次拟合光度变换编码两个图像集和原有的线性拟合光度变换对比,在同样比特率下二次拟合光度变换PSNR提高0.12dB到0.2dB,对于光度差异较大的图像集,二次拟合光度变换对编码效率有较大提升;使用基于匹配面积的图像距离方法测试图像集的编码效率较原有的SIFT匹配点距离,同样比特率下PSNR提高约0.1dB,提高了群体图像编码效率;使用基于物体的多参考群体图像编码和目前的单参考群体图像编码进行对比,该算法在相同的比特率下PSNR较单参考提升约0.1dB到0.6dB。
【图文】：

百度,主楼,图像

显然是无法有效的降低图像的编码比特数。因此这就需要考虑如何利用这些图像之间的相似信息，进行压缩编码，进一步降低存储空间，节省存储成本。图1.1 百度搜索西电主楼结果基于此提出了群体图像编码，群体图像编码是借鉴视频编码中帧间编码参考模式，充分利用图像集中图像之间的相似信息设计算法，保证在图像质量不受影响的情况下降低图像之间的冗余信息，实现降低图像集总体的冗余信息，有效的减少存储空间。1.2 研究现状自 20 世纪 40 年代香农发表跨时代的文章《通信的数学理论》后，一门崭新的学科信息论诞生了[2]。文章给出了从数学模型来描述信息的编码，用概率统计这一数学工具具体描述信源、信道等各个部分的编码，这使信息编码领域进入了飞速的发展期，尤其对于图像和视频信息领域。由于图像和视频表述的信息更加的生动形象，所以大

差分图像,二维,尺度空间,图像

西安电子科技大学硕士学位论文12图2.3 二维高斯卷积通过使用高斯卷积核对图像卷积获取不同尺度下的图像，就是代表尺度空间的尺度因子。实际上进行尺度空间变换的原因就是为了模拟人眼对于图像由远到近的成像，正是模拟这一特性才使得尺度空间算子对图像的分析可以模拟人眼，，不受图像灰度大小、对比度、以及图像的角度、位置、大小的影响，保证该算子的鲁棒性。这样就定义了一个图像的尺度空间 L( x, y , )，如式（2-3）。L( x, y , ) G ( x, y , )* I ( x, y)(2-3)接下来通过尺度空间构建高斯金字塔。高斯金字塔是通过对图像降采样构建不同大小的图像，作为金子塔的每层，设定不同尺度的高斯函数，使用这些高斯函数与每层图像进行卷积运算，得到每层的不同尺度模糊图像，这就是高斯金字塔。使用高斯金字塔中每层相邻不同尺度模糊图像相减，得到高斯差分图像，这些差分图像就形成高斯差分金字塔。依据高斯差分金字塔进行空间极值点检测
【学位授予单位】：西安电子科技大学
【学位级别】：硕士
【学位授予年份】：2018
【分类号】：TN919.81

【参考文献】