数字图像多向混合差分无损编码方法.docVIP

数字图像多向混合差分无损编码方法 　　摘 要： 　　通过对双向混合差分方法以及3参数变长编码方法的研究与分析，针对数字图像编码提出了一种多向混合差分预处理方法。多向混合差分方法先根据当前点的邻近4点对当前点作局部特征分析，然后根据分析结果在基本差分方向中选择当前点的最佳差分方向。相对于双向混合差分方法，多向混合差分方法无需保存方向标志位；基本差分方向进一步细分为4种方向。与双向混合差分的实验结果相比，经多向混合差分处理后的测试图像平均熵值降低了8.2%，编码后单个像素值所占平均比特数降低了11%。实验结果表明，该方法可以把数字图像的熵值降到一个较低的水平，从而有利于编码效率的提高。 　　关键词： 　　数字图像预处理；数据提取；混合差分；3参数变长编码；游程编码 　　0 引言 　　数字图像编码技术是指在满足一定质量（信噪比的要求或主观评价得分）的条件下，以较少比特数表示图像或图像中所包含信息的技术。常用的编码方法有霍夫曼编码、行程编码、算术编码等。在对数字图像编码前需要对其进行预处理以改善图像的统计特性，提高压缩效率。传统的数字图像预处理方法有差分法、中值滤波法等。近年来随着数字图像领域的发展，出现了一些更为灵活、高效的预处理方法，如文献[1]以普通差分法为基础提出了双向混合差分法；文献[2]通过对图像按位平面的分解，提出了针对熵编码的自适应可逆图像预处理方法；随着小波变换等相关理论的发展，出现了如文献[3]中提出的基于小波变换的图像预处理方法。 　　文献[1]中的双向混合差分方法虽然可以有效地提高图像的数据集中度，但是由于最终要保存差分子块的方向标志位，其提取结果会产生一定的数据膨胀；而且随着差分子块尺寸的增大，其处理后的图像数据集中度也会有所降低。文献[2]中所提出的针对熵编码的预处理方法优点在于处理后的图像不会产生额外的数据冗余，不足之处是此方法处理后的图像数据的统计特性成“U”型分布，出现两个集中点，这样并不十分有利于熵编码效率的提升；文献[3]所提出的方法只是对图像的低频部分作处理，而且其中图像的模糊化处理不是完全可控和可逆的过程。 　　基于上述问题，本文提出了一种多向混合差分方法。该方法根据当前点的局部统计特性从四个备选方向中选取最优差分方向，在方向选取上具有更高的灵活性，能够得到较高的数据集中度。预处理和恢复时所采用的当前点的局部统计特性保持一致，省去了方向标志位，减少了图像处理后的数据膨胀，整个过程完全可逆。对于多数图像，该方法在控制数据膨胀的同时能够使图像数据集的统计特性呈“L”型分布，其像素值都集中在“0”附近，在一定程度上减小了信源熵，可以为后续熵编码提供良好的数据。 　　1 混合差分方法 　　双向混合差分的主要思想是将原始图像的像素矩阵分割成许多大小相同的子块，对比每个子块自身的像素值在备选差分方向上的变化趋势来决定这个子块的差分方向。备选差分方向有两个，即横向和纵向。差分后每个子块需要一位二值码作为方向标记位来标记其差分方向。由所有差分子块的方向标记位组成的差分方向表属于最终提取的等价数据的一部分。 　　多向混合差分方法采用具有可逆性的“邻近点预测法”，不再保存差分方向标记位。 　　具体过程分为3步： 　　1） 方向预测点的选取。 　　考虑到提取后数据的可恢复性，以及确保处理结果的唯一性，如图1所示，选取当前点（i， j）的邻近四点，即当前点的前一点（i， j-1）、左下方一点（i-1， j-1）、正下方一点（i-1， j）、右下方一点（i-1， j+1）作为方向预测点。 　　2） 差分方向的选取。 　　为了能够更精准地找寻最佳差分方向，更大程度上提高图像的数据集中度，本文决定结合已选的方向预测点在双向混合差分算法的基础上，增加备选差分方向。差分后图像需要准确无误的复原，折中考虑，本文定义了4个基本差分方向：横向X、纵向Y、偏左斜向下L、偏右斜向下R（下文中X、Y、L、R代表分别代表4个基本差分方向）。 　　对4个方向预测点（i， j-1）、（i-1， j-1）、（i-1， j）、（i-1， j+1）分别在X、Y、L、R 4个基本方向上进行差分。 　　如图2，以（i， j-1）为例： 　　X方向差分结果： 　　ΔX（i， j-1）=（i， j-1）-（i， j-2）（1） 　　Y方向差分结果： 　　ΔY（i， j-1）=（i， j-1）-（i-1， j-1）（2） 　　L方向差分结果： 　　ΔL（i， j-1）=（i， j-1）-（i-1， j-2）（3） 　　R方向差分结果： 　　ΔR（i， j-1）=（i， j-1）-（i-1， j）（4） 　　4个方向预测点分别依照式（1）、（2）、（3）、（4）作差分运算。 　　3）预测当前点最优差分方向