一种基于人眼视觉特性的小波图像压缩模型.docVIP

一种基于人眼视觉特性的小波图像压缩模型 　　摘要：如何将人眼视觉特性结合到压缩编码技术中，以去除图像中的视觉冗余，是当前数字图像压缩领域中的热点问题。根据人眼的视觉选择特性以及JPEG2000感兴趣区域编码思想，并考虑到JPEG2000所采用的两种感兴趣区域编码方法的局限性，提出了实用的基于人眼眼视觉特性的小波图像压缩模型。并通过试验验证了该模型的性能，试验结果表面由该模型方法得到的重建图像的感兴趣区域质量较好，并且感兴趣区域的边缘部分更加清晰。 　　关键词： 人类视觉系统；感兴趣区域； 形状编码； 适形离散小波变换； SPECK算法 　　中图分类号：TN919 文献标识码：A 文章编号：1009-3044（2013）16-3802-04 　　日常生活中，人类接收的信息以视觉信息为主，与其他信息相比，图像所包含的信息量更大、更直观、更确切。随着通信技术和多媒体技术的迅速发展，数字图像的存储和传输得到了广泛应用。然而，由于数字图像的数据含量和信息含量非常大，使得现有通信网容量无法满足其传输和存储的需求，极大地限制了数字图像通信的发展。传统的图像压缩方法是以香农信息论为基础，考虑多媒体数据信源的统计特性来去除数据之间的数据冗余，这种方法未能考虑信息获取者的主观特性以及图像的具体结构和内容，也没有充分考虑到人类视觉系统的特性，使得压缩比无法得到进一步的提高。长期以来，研究者们通过对人眼视觉处理现象的观察与研究，发现了人类视觉系统的一些特性，如果能在图像编码中充分利用这些特性以去除图像中的视觉冗余，将能够在不影响重建图像质量的前提下进一步提高压缩比。因此，如何将人眼视觉特性结合到图像压缩编码技术中，成为当前数字图像压缩领域中的热点问题。 　　1 人眼视觉特性 　　人类视觉系统是一套复杂的生物学图像处理系统，而视觉也是人类最奇妙、最难以描述的功能之一。尽管到目前为止人们对它的了解还处于初级阶段，但随着神经学和脑科学的研究进展，还是在长期的探索中总结出了一些人眼的视觉特性。这些特性既揭示了人类视觉系统的复杂性，也为图像编码领域的相关研究工作提供了一些新的方法。 　　1）感受野等级特性：在初级视皮层中，神经细胞的响应只与该细胞视野范围中很小区域的光强度模式有关，在该区域中，光线的增强或者减弱都会引发神经细胞响应的显著变化，这样的区域被称为神经细胞的感受野。人类视觉通道上具有各层次的神经细胞，既有简单细胞也有复杂细胞，不同细胞所处理的信息分别对应于视网膜上的不同局部区域，但是随着层次的加深，其区域也就越大，此即为感受野等级假设。 　　2）反馈机制：人类视觉系统对视觉信息的处理，不仅有从视网膜到初级视皮层再到高级视皮层区域的前向处理通路，还存在着许多大脑高层区域到达初级视皮层区域的反馈处理通路。 　　3）注意选择特性和特征选择性：人类视觉系统的主要特征是分层次的多通道信息处理，视觉信息在视觉通路中的传播以在时间域和空间域逐级整合的方式实现，从而完成对视觉信息的概念化抽象。在视觉信息的处理过程中，大脑对外界信息的反应并不都是一致的，而是表现出选择特性。一是由于人类大脑的容积是有限的，无法处理感觉器官所提供的信息总量，更无法实现对全部信息的实时处理，因此，人类视觉系统所采取的方法是对部分信息有选择地进行处理；二是由于感觉器官所感受到的外部环境信息并不都是重要的，只需对部分特定信息做出响应并进行处理即可。 　　除了视觉注意选择特性，视皮层神经细胞对各种视觉刺激还具有高度的特征选择性，例如方位/方向选择特性、空间频率选择特性、速度选择特性、双眼视差选择特性、颜色选择特性等。 　　2 基于人眼视觉特性的小波图像压缩模型 　　针对人眼的视觉选择特性，人们提出了基于感兴趣区域（ROI）的编码方案。对处理的图像中用户感兴趣的区域进行压缩时采用低压缩比，而对感兴趣之外的背景区域采用高压缩比。该文根据人眼的视觉选择特性以及JPEG2000感兴趣区域编码思想，同时针对JPEG2000所采用的两种感兴趣区域编码方法的局限性，提出了实用的基于人眼视觉特性的小波图像压缩模型，并对此模型的可行性进行了深入的探索。 　　2.1压缩模型概述 　　本文提出的压缩模型具体过程如图1所示。首先，对于任意形状ROI的轮廓信息采用垂直边缘差分链算法进行编码，将得到的轮廓信息码流放入最后的压缩码流文件中；然后，由此轮廓信息编码得到ROI掩模，对输入图像的ROI和背景区域分别进行适形离散小波（SA-DWT）变换，对变换后的系数应用JPEG2000定义的比例位移法，选定一个合适的位移尺度因子s，根据ROI掩模对感兴趣区域进行移位；最后采用所提出的基于感兴趣区域的无链表SPECK算法进行编码，解码过程与编码过程相反。接下来对本模型各个部分所采用的技术做进一步详