图像编码技术的研究和应用

图像编码技术的研究和应用 一幅二维图像可以表示为将一个二维亮度函数通过采样和量化而得到的一 个二维数组。这样一个二维数组的数据量通常很大，从而对存储、处理和传 输都带来了许多问题，提出了许多新的要求O为此人们试图采用对图像新的表 达方法以减少表示一幅图像需要的数据量，这就是图像编码所要解决的主要问 题。压缩数据量的主要方法是消除冗余数据，从数学角度来讲是要将原始图像转 化为从统计角度看尽可能不相关的数据集。这个转换要在图像进行存储、处 理和传输之前进行，而在这之后需要将压缩了的图像解压缩以重建原始图像或 其近似图像.图像压缩和图像解压缩，通常也分别称为图像编码和图像解码。 图1通用的图像编码系统模型 这里给出了一个通用的图像编码系统模型，如图。这个模型主要包括2个 通过信道级连接的结构 模块编码器和解码器。当一幅输入图像送入编码 器 后，编码器根据输入数据进行信源编码产生一组信号。这组信号在进一步被信 道编码器编码后进入信道。通过信道传输后的码被送入信道解码器和信源解码 器，解码器重建输出的图像。一般来说，输出图是输入图的精确复制，那么系 统是无失真的或者信息保持型的；否则，称系统是信息损失的O .住源编.理器 图2 源编码器和源解码器模型 信源编码器的作用是减少或消除输入图像中的编码冗余、像素间冗余及心理视 觉冗余o尽管信源编码器的结构与具体应用和对保真度的要求有关， 但一般情况下信源编码器包括顺序的3个独立操 作，而对应的信源解器包含反序的2个独立操作（见图 2 o在信源编码器中，映射器将输入数据变换以减少表达图像的数据，这与具体 编码技术有关。量化器根据给定的保真度准则减少映射器输出的精确度。这 个操作可以减少心理冗余，但不可翻转。 符号编码器产生表达量化器输出的码本，并根据码 本输出.符号编码器编码为了减少冗余，这个操作是可以反转的O 当信道是石噪声的或者容易产生误差时，信道编码器和信道解码器对这个编解码 过程是非常重要的。由于信源编码器的输出数据一般只有很少的冗 余,所以他们对传输噪声很敏感。信道编码器通过 把可控制的冗余加入信源编码器后的码字以减少信道噪声的影响。 1现代编码方法 这里介绍了几种比较热的编码方法第二代编 码方法、分形编码、模型编码、神经网络编码、小波变换编码。 1.1第二代图像编码方法 第二代图像编码方法[1 ] 是针对传统编码方法中没有考虑人眼对轮廓、 边缘的特殊敏感性和方向感知特性而提出的。它认 为传统的第一代编码技术以信息论和数字信号处理 技术为理论基础，出发点是消除图像数据的统计冗 余信息，包括信息炳冗余、空间冗余和时间冗余。其 编码压缩图像数据的能力己接近极限，压缩比难以 提高。第二代图像编码方法充分利用人眼视觉系统 的生理和心理视觉冗余特性以及信源的各种性质以 期获得高压缩比，这类方法一般要对图像进行预处 理，将图像数据根据视觉敏感性进行分割。 按处理方法的不同,第二代图像编码方法可分为两种典型的编码技术[2 ] 一种是基于分裂合并的方法，先将图像分为纹理和边缘轮廓,然后各自采用 不同的方法编码；另一种是基于各向异性滤波器的 方法，先对图像进行方向性滤波，得到不同方向的图 像信息，再根据人眼的方向敏感性对各个通道采用特定的方法单独编码。 但是到目前为止,第二代图像编码方法复原图 像的质量不尽人意[3 ] o原因之一在于我们对人眼 视觉特性的了解仍较为肤浅；原因之二是图像的分 裂合并算法、各向异性滤波算法没有提供一种很好 的机制来利用已知的人眼视觉特性。然而这种编码 方法强调利用人眼视觉特性的思想对后来各种图像 编码方法的研究产生了深刻的影响。 2.2分形图像编码 分形图像编码是在分形几何理论的基础上发展起来的一种编码方法。分形理论 是欧氏几何相关理论的扩展，是研究不规则图形和混 沌运动的一门新科学O它描述了自然界物体的自相 似性,这种自相似性可以是确定的，也可以是统计意义上的。这一-理论基础决定 了它只有对具备明显自相似性或统计自相似性的图像，例如海岸线、云彩、 大树等才有较高的编码效率。而一般图像不具有这 一特性，因此编码效率与图像性质学特性有关，而且 分形图像编码方法实质上是通过消除图像的儿何冗余度来压缩数据的，根本没有 考虑人眼视觉特性的 作用。 分形图像压缩的概念是80年代中后期由Bar nsley等人提出的， 其理论基础是迭代函数系统IFS Iterated Functio nSystem理论，看眼点是利 用自然图像普遍存在的自相似特性儿何尺度不论怎 样变化，景物任何一小部分的形状都与较大部分的 形状极其相似,将这些自相似的结构以某种函数映 射关系的形式表现出来，当这些函数映射关系满足 一定的条件时，就可通过迭代计算重建图像。所以， 分形图像编码过程是找映射关系的过程,而解码过 程则是依照映射关系迭代计算的过程。整个方法包括以下步骤1将原图 集合X予分割为若干分形子图X m ,m 1 ,2 ,3M ;⑵对每一个子块X m 提取IFS代码；3对IFS代码进行编码、传输或储存;4译码形成IFS代码； 5由IFS代码构造Xm的重构子块Y m; 6由Y m构造X的重构图 Yo这种分形图像压缩方法的实现不需要对图像有什么先验知识的了解。 2.3基于模型的图像编码 基于模型的图像编码技术［4 ］是近几年发展起来的一种很有前途的编码方 法。它利用了计算机视觉和计算机图形学中的方法 和理论，其基本出发点是在编、解码两端分别建立起 相同的模型，针对输入的图像提取模型参数,或根据 模型参数重建图像。模型编码方法的核心是建模和 提取模型参数，其中模型的选取、描述和建立是决定 模型编码质量的关键因素。为了对图像数据建模， 一般要求对输入图像要有某些先验知识。目前研究 最多、进展最快的是针对可视电话应用中的图像序 列编码。这类应用中的图像大多为人的头肩像。 基于模型的图像编码方法是利用先验模型来抽 取图像中的主要信息，并以模型参数的形式表示它 们，因此可以获得很高的压缩比。然而在模型编码 方法的研究中还存在很多问题，例如1模型法需 要先验知识，不适合于一般的应用。2对不同的应用所建模型是不一样的。3 在线框模型中控制点的个数不易确定，还未找到有效的方法能根据图像 内容来选取。4由于利用模型法压缩后复原图像 的大部分是用图形学的方法产生的，因此看起来不够自然o 5 传统的误差评估准则不适合用于对模型编码的评价。 2.4神经网络图像编码 在图像编码的各种方法中， 除信息保持型编码方法外，其余所有方法始终没有 解决好如何充分利用人的视觉特性这个问题。神经网络图像编码[5 ] 试图在此有所突破,现在直接用于图像压缩的神经网络主要有B P 网络和自组织映射神经网络o采用BP网络实现数据压缩好比是强迫 数据通过细腰型网络的瓶颈，并期望在网络的瓶颈 处能获得较紧凑的数据表示。 图3给出了 B P网络进行数据压缩的原理，这是一 n - m - n型三层BP