JPEG2000标准

2024-10-08

JPEG2000标准（共7篇）

JPEG2000标准篇1

0 引言

为了有效地压缩图像信号, 必须着眼于信号的冗余度, 设法用某种方法将其变换为冗余度更小的信号。根据冗余度情况, 有许多不同的信号变换方法。其中, 离散余弦变换以其突出的相关性和成熟的快速算法而被广泛采用, 但是该算法将图像分成子块进行变换, 因此存在方块效应和蚊式噪声。虽然这种噪声可采用后滤波处理和自适应量化来减少, 但增加了计算的复杂性。

小波变换作为一种时频局部化分析方法, 用来对整个图像进行变换, 能有效地克服传统余弦变换编码的缺点, 容易实现多分辨率压缩。新的图像压缩标准JPEG2000的核心算法就建立在小波变换的基础上。JPEG2000作为一个新的标准正处于不断的发展中。它不仅能提供优于现行JPEG标准的失真率和图像压缩性能, 而且还可以提供一些JPEG标准不能有效实现甚至在很多情况下完全无法实现的功能和特性。过去人们使用的小波变换算法一般采用浮点运算, 由于浮点运算必须对数据进行舍取, 使得图像信息发生丢失, 所以它不能实现无损编码, 而且硬件实时实现的难度很大。本文介绍一种JPEG2000标准中适合硬件实现的基于整数小波提升算法的无损小波变换的实现方法。

1 JPEG2000小波提升算法

JPEG2000图像编码过程由小波变换、系数量化、系数位建模和算术编码等组成, 其中首要的步骤就是对原始图像做小波变换, 将图像信号由时间域 (空间域) 表示变换到小波域表示。利用小波变换的正交/双正交变换特性, 它能够解除图像像素间的相关性, 消除图像信号在空域的冗余, 并集中图像信号的能量, 为后面的系数量化、系数位建模、算术编码等提供前提, 为高效的图像编码奠定基础。在JPEG2000中, 小波变换具体是由小波提升算法来实现的。提升算法主要有3个步骤:分裂 (Split) 、预测 (Predict) 和更新 (Update) , 如图1所示。分裂是把输入序列S (n) 分为两个子序列, 即由其偶下标位置的元素组成的子序列S2i (n) , 和由其奇序号采样组成的子信号S2i+1 (n) 。预测是通过近似信号来计算细节信号。更新是通过细节信号来计算近似信号。其中, 预测和更新可以重复多次。最后还有可能再经过一个缩放步骤。这整个过程完成一次小波变换, 得到输入信号S (n) 的近似分量c (n) 和细节分量d (n) 。

(5, 3) 双正交小波在JPEG2000中用于无损压缩, 考虑到图像质量和数据的处理量, 作为用于无损压缩的整型小波变换, 分解端采用了由5抽头低通滤波器和3抽头高通滤波器组成的 (5, 3) 滤波器。下面介绍基于 (5, 3) 可逆滤波器的整型双正交小波变换。Daubechies (5, 3) 小波变换利用提升方式实现的具体算法描述如下:

对于正变换:

式中提升系数为:α=-0.5、β=0.25、K=1.149 6, S2i、S2i+1、Sundefined、dundefined、Sundefined、dundefined分别表示图像序列的偶数项、奇数项、偶数项、奇数项、一次小波提升 (变换) 后的偶项系数、一次小波提升 (变换) 后的奇项系数。为了便于硬件实现, 取K=1。利用提升算法, 不仅实现了从整数到整数的小波变换, 而且使小波变换进一步分解成几个1阶多项式的乘积, 使运算复杂度进一步减小, 因而使得目前的硬件有能力完成实时小波变换。

2 (5, 3) 小波变换算法

根据上述整型小波变换原理, 首先对偶地址的数据Sundefined进行滤波运算, 滤波后的数据加上奇地址的数据dundefined, 从而得到奇地址的高频子带数据dundefined, 然后对此奇地址的高频子带数据进行滤波运算, 滤波后的数据加上偶地址的数据Sundefined, 从而得到偶地址的低频子带数据Sundefined。

2维双正交小波变换可以分解为2个一维小波变换, 实现方法十分简单。如果将一行行顺序进行的一维小波变换称为“行变换”, 而一列列顺序进行的一维小波变换称为“列变换”。那么, 对于二维双正交小波正变换, 首先进行行变换, 然后进行列变换, 即可完成二维正变换。

一维小波行变换具体实现步骤如下:

a) 将信号按行信号进行一维小波变换。将总时钟CLK的上升沿作为奇数选项时钟CLKO, 下降沿 (反相) 作为偶数项时钟CLKE, 信号数据DATA[]在CLKO和CLKE作用下经2个D触发器分解为奇数 (d0, d1, d2, …, dk) 和偶数 (S0, S1, S2, …, Sk) 。

b) 在CLKO作用下, 每2个相邻偶数样本之和Sundefined+Sundefined (Sundefined要延时1个时钟周期再与Si+1求和) 用乘法器求α (Sundefined+Sundefined) (其中α=-0.5为滤波系数) , 再与中间的奇数样本dundefined相加 (要延时3个时钟周期才能对应) , 生成新的奇数样本dundefined。

c) 同样, 在CLKE作用下, 每2个新生成的奇数样本之和dundefined+dundefined乘小波变换参数β, 再与中间的偶数样本Sundefined相加, 生成新的偶数样本Sundefined。

一维小波列变换具体实现步骤如下:

a) 将信号按列信号进行一维小波变换, 分成偶数样本 (Sundefined, Sundefined, Sundefined, …, Sundefined) 和奇数样本 (dundefined, dundefined, dundefined, …, dundefined) 。

b) 每2个新生成的偶数样本之和Sundefined+Sundefined乘小波变换参数α, 再与中间的奇数样本dundefined相加, 生成新的奇数样本dundefined。

c) 每2个新生成的奇数样本之和dundefined+dundefined乘小波变换参数β, 再与中间的偶数样本Sundefined相加, 生成新的偶数样本Sundefined。

经过以上变换处理, 所得到的变换结果 (dundefined, Sundefined, dundefined, Sundefined, …, dundefined, Sundefined) 就是1层 (5, 3) 小波变换。多层小波变换是对前1层的变换结果继续进行同样的变换。

3 总体结构

设处理图像的大小为128×128。为算法提出的硬件结构如图2所示, 其中, “小波变换提升方法”为数据通道, 实现对一维信号 (图像的1行或1列数据) 的小波变换;“图像帧存储器”存储图像或图像的小波系数等数据;“SRAM”高速缓存1行或1列数据;“小波变换控制单元”控制协调其他单元的工作, 完成图像的二维小波变换。

4 边界问题

对信号边界问题的解决, 一般有以下4种方法: (1) 补零延拓; (2) 重复边界值; (3) 简单周期延拓; (4) 对称周期延拓 (包括偶对称和奇对称两种情况) 。在此我们采用对称周期延拓法, 它能保证信号的完全重构。因为我们使用的是 (5, 3) 小波滤波器, 滤波器长度是奇数, 所以需要采用奇对称的扩展方式。设计中把边界扩展交由存储器和控制单元实现。

5 设计的实现和验证

按上述方法进行的FPGA设计, 是针对 (5, 3) 小波进行变换的, 此方法已经设计完成, 并且在Quartus Ⅱ 5.1集成开发环境下用美国Altera公司的EPF10K200E集成电路进行了实验验证, 与软件实现的理论结果符合。部分仿真波形如图3所示。

6 结束语

本文讨论了 (5, 3) 小波提升的基本原理和基于该算法的硬件实现。该算法简单、计算量小、易于硬件实现。从实验结果看, 完全能够满足JPEG2000标准中无损压缩部分的要求。

参考文献

[1]兰旭光, 郑南宁, 吴勇, 等.JPEG2000二维离散小波变换高效并行VLSI结构设计[J].西安交通大学学报, 2004, 38 (2) :149-153.

[2]BOLIEK M, CHRISTOPOULOS C, MAJANI E.JPEG 2000, Part I:Final committee draft, Version 1.0[S].ISO/ETCJTC l/SC 29/WC l N1646.

[3]WEEKS M, BAYOUMI M.Discrete wavelet transform:archi-tectures, design and performance issues[J].Journal of VLSISignal Processing, 2003, 35 (2) :155-178.

[4]KENNETHR.CASTLEMAN.Digital image processing[M].Pearson Education, 2003.

[5]ISO/IEC FCD 15444-1 JPEG2000 image coding system[S].2000.

[6]SWELDENS W.The lifting scheme:A construction of secondgeneration wavelets[J].SIAM Journal on Mathematical Anal-ysis, 1997, 29 (2) :511-546.

JPEG2000标准篇2

随着互联网和多媒体技术的发展,人们对于远程监视的需求也日益增加(如:矿区,煤田,医院等)。而在这些地方,人们对数字图像在质量、大小和应用上提出了更高的要求,本文结合JPEG2000图像标准和TCP/IP协议来进行的远程监视。由于采用JPEG2000静止图像作为媒体流,从而避免了类似H.263等流媒体,在网络环境恶劣的情况下,出现帧同步丢失而造成用户端的解码失败,而使得用户端不能实时的观察到相应监视点的情况。并且由于JPEG2000标准中加入了感兴趣区域(Region of Interest)压缩和无损压缩特征,这对于监视系统来说是非常重要的优点。系统框架如右图:

从图1中可以看出客户和监视点是多对多的关系,使得系统可以灵活的适应更种场合。

2 JPEG2000的原理和特征

JPEG2000标准与JPEG相比提供了许多新的特征,这些特征在实际的应用中,有着更丰富的选择。它包含有四种模式(顺序模式,渐进模式,无损模式和分层模式)。在编码端以最大的压缩质量(包括无失真压缩)和最大的图像分辨率压缩图像,它的最主要的特征如下:

(1)高压缩率:由于在离散子波变换算法中,图像数据可以转换成一系列更加有效存储像素模块的“子波”。因而,JPEG2000格式的图片压缩率比JPEG图片基础上再提高10%~30%,而且压缩后的图像显得更加细腻平滑,这一特征在互联网和遥感等图像传输领域有着广泛的应用。

(2)无损压缩和有损压缩:JPEG2000提供无损和有损两种压缩方式,无损压缩在许多领域是必须的,例如监视系统中发现异常时,要求清晰的再现监视场景的情况。再如图像档案中为了保存重要的信息无损的图像质量是必须的。

(3)感兴趣区域压缩:可以指定图片上感兴趣区域(Region of Interest),然后在压缩时对这些区域指定压缩质量,或在恢复时指定某些区域的解压缩要求。这是因为子波在空间和频率域上具有局域性,要完全恢复图像中的某个局部,并不需要所有编码都被精确保留,只要对应它的一部分编码没有误差就可以了。

JPEG2000主要是规定了一系列对连续色调、二值、灰度或彩色数字静止图像的无失真或有失真编解码方法[1]。JPEG2000的基本系统结构框图[3]如图2所示。

可见,JPEG2000改变了JPEG标准以DCT变换为核心的变换方法,采用了具有能量特性更为集中的小波变换以及率失真优化截取的内嵌码块编码算法(EBCOT)。

3 系统原理分析

监视系统采用JPEG2000格式图像数据作为的数据流,而当中的JPEG2000压缩编码采用小波变换为基础,且在系统中采用了JPEG2000中的感兴趣区域(ROI:regions of interest)特征。下面描述小波变换和ROI的原理。

3.1 小波变换原理

3.1.1 小波与小波变换——定义1

定义1设L2(R)是一个可测的、平方可积的一维函数矢量空间,R为实数集。小波是由满足的函数ψ(x)通过平移和缩放而产生的一个函数族ψa,b(x):

ψa,b(x)称作分析小波(Analyzing Wavelet)或连续小波,当且仅当母小波函数ψ(x)的Fourier变换ψ(ω)满足以下可容性(admissibility)条件:

这里,a被称作伸缩因子,b为平移因子。

3.1.2 小波与小波变换——定义2

定义2在定义1的基础上,函数f(x)在L2(R)上的连续小波变换定义如下:

小波变换的实质在于将L2(R)空间中的任意函数f(x)表示成为在ψa,b(x)的不同伸缩和平移因子上的投影的叠加,与Fourier变换不同的是,小波变换将一维时域函数映射到二维“时间-尺度”域上,因此f(x)在小波基上的展开具有多分辨率的特性。通过调整伸缩因子a和平移因子b,可以得到具有不同时频宽度的小波以匹配原始信号的不同位置,达到对信号的局部化分析。

相对于传统的DCT块变换,小波变换具有以下优点:

1)小波变换具有熵保持特性,能够有效地改变图像的能量分布,同时不损伤原始图像所包含的信息;

2)小波分解后大部分能量集中在低频子图的少量系数上;而大量的高频子图系数值普遍较小,且存在明显的相关性,有利于获得较高的编码效益;

3)小波变换作用于图像的整体,既能去除图像的全局相关性,又可将量化误差分散到整个图像内,避免了方块效应的产生;

4)多级分解后形成的不同分辨率和频率特性的子带信号,便于在失真编码中综合考虑视觉特性,同时有利于图像的渐进传输。

3.2 图像感兴趣区编码

在甚低比特率进行图像压缩时,往往会丢失一些细节信息,而其中有些细节信息是人们感兴趣的。例如人物头肩图像的视觉敏感区域,航空图像中携带重要信息的小目标区域,医学图像中病灶区域等等,这些区域可以统称为感兴趣区域(ROI:regions of interest)。

3.2.1 ROI图像编码

ROI图像编码就是要提高ROI系数的的编码优先级别,使ROI系数能优先传输,从而获得优于背景区域的压缩性能。通常采用两种途径改变ROI系数的优先级别。由于内嵌比特平面编码首先传输的是幅值最大的量化系数的位信息,所以一种方法是对ROI系数的幅度值进行比特平面提升(需要进行移位运算),再进行常规的比特平面编码。另一种是首先进行通常的比特平面编码(ROI系数必须独立编码),最后在码流组织时,优先传输ROI系数的比特流并分配更多的码率。

JPEG2000标准中采用的比特平面提升方法是完全提升方法(Max Shift),如图3(b)所示。编码器扫描所有的量化系数,找到一个s,使提升后的ROI系数的最小值大于背景区域系数的最大值。s要传送给解码端,解码后的系数若大于2s,则进行比特平面降低,因此这种方法无需传送ROI的坐标信息,解码器也无需计算ROI模板。

3.2.2 实验结果与分析

下面以标准测试图像Lena(512×512×8比特)为例,给出了实验结果。在编码之前,图像经过5级(9,7)小波分解。

在表1中,我们给出压缩比为8倍时(1.0bpp)不同提升比特平面s所对应的峰值信噪比PSNR比较。其中当s=0时,表示无ROI编码。实验结果表明,对图像ROI区域进行优先编码后,恢复图像的ROI信噪比能大幅度提高,但这是以背景部分信噪比降低为代价的。ROI的信噪比随s增大而相应提高,背景区及整体图像的信噪比则随s增大而逐渐降低。加权信噪比则和主观视觉基本保持一致,当ROI的比特平面提升1位时,感兴趣区信噪比明显提高,而背景部分的恢复质量下降,但基本不影响视觉效果,所以加权信噪比也明显提高;当s继续增大时,背景的恢复质量下降了近3dB,严重影响了主观视觉效果,所以加权信噪比也随之降低。图4所示为在甚低比特率0.1bpp压缩时的恢复图像比较,可以看出无ROI编码时(s=0),ROI和背景部分都有着严重的视觉失真,而ROI系数经过提升后能够保持良好的视觉质量。

4 系统软件结构

由于JPEG2000格式图像比JPEG格式图像在压缩率上大约有30%的提高且可以进行ROI的选择和渐进显示。而相对比于流媒体H.263等,由于JPEG2000采用帧内编码,所以不存在帧间同步的问题,例如在无线网络中,客户端接收数据由于网络环境的变化而出现较长时间的延时,如果采用H.263等就可能由于帧间失去同步,而造成解码的困难。而利用JPEG2000图像,在保证数据量小的情况下,也可以保证客户可以看到监视点的情况,只是此时的图像数据显示的速率可能会慢一些,而不会出现由于网络环境恶劣的情况下,不能观察到相应的监视场景。所以系统中采用JPEG2000格式作为相应的传输数据流,而没有采用流媒体H.263等的原因。

软件部分采用模块化设计,并充分的利用多线程(Multi Thread)和Intel CPU P4中的SSE2指令,利用SSE2指令对其中的JPEG2000的解码程序进行了相应的优化,使得解码的速率比用C语言的解码速率提高了7倍,这样就使得网络速率成为了最终的瓶颈。

软件结构包含有客户端和服务端,分别都采用多线程来实时的响应事件的请求。每个客户可以同时进行16路的监视,而服务端在理论上可以同时为无数的客户端服务,可实际的系统资源有限,要根据实际的情况来处理。

服务端单元采用COM技术封装了双线程来实现一个客户端的连接,来进行后台相应的服务处理,当中有相应的编码,解释请求控制字和传输。客户端单元同样也采用了多线程进行相应的服务请求,在界面上进行人机交互的请求,而在后台利用工作线程进行相应的处理。

程序流程如下:

当客户有ROI需求时,发出带有坐标的控制字到服务端,由服务端进行相应的命令解释,对相应的坐标区域进行相应的无损压缩后传输,而对于客户不关心的区域可以不处理,这样进一步减小了相应的网络所需的带宽了,可以提高服务端的系统资源利用。

渐进需求时,当网络环境恶劣时,由于使用TCP/IP协议会出现丢包率增加,对于服务端来说会反复的重传数据,而导致的就是使得客户端不能即时的看到监视场景的情况,所以在出现网络环境恶劣情况下,结合采用JPEG2000当中的分辨率渐进方法来进行相应的传输,进一步减少传输所需要的数据量,而使得客户可以实时的观察到相应的监视场景。

5 测试结果

图像数据源采用24倍压缩后进行硬件编码。经过实际的Internet网络实验,每次数据都取2小时的平均值,这样减少由于网络环境的因素影响。可得实验数据测得如下:

在局域网的测试中,利用1点对4点进行监视时,在320*240彩色的分辨率的情况下,可达到23.572frame/s基于上达到了监视系统的要求,而在实际的网络中,由于网络问题,存在一定的延时,但图像质量和ROI请求都满足监视系统的要求。

6 结论

本文提出了基于JPEG2000格式的监视系统,并充分利用了JPEG2000中的ROI特点,从实验结果看,效果可以满足大多数监视应用要求。整个系统已经通过了实际网络测试,完全达到项目要求。

参考文献

[1]JPEG2000Part I Final Committee Draft Version1.0,ISO/IEC JTC1/SC29/WG1N1646R,March2000.

[2]D.Taubman,“High Performance Scalable Image Compression with EBCOT,”[J]IEEE Trans.Image Processing,vol.9,no.7,pp.1158-1170,July2000.

[3]C.Christopoulos,A.Skodras,and T.Ebrahimi,“The JPEG2000Still Image Coding System:An Overview,”[J]IEEE Trans.Consumer Electronics,vol.46,no.4,pp.1103-1127,Nov.2000.

[4]D.Taubman,E.Ordentkich,M.Weinberger,and G.Seroussi,“Embedded Block Coding in JPEG2000,”[J]HPL-2001-35,HP Labs,Palo Alto,Feb.2001.

[5]D.Taubman,E.Ordentlich,M.Weinberger,G.Seroussi,I.Ueno,and F.Ono,“Embedded Block Coding in JPEG2000,”[J]IEEE Int.Conf.Image Processing,vol.2,pp.33-36,Sep.2000.

[6]李云松,“实时军事图像编码研究”,西安电子科技大学博士论文,2002.

[7]陈军,“高效图像内嵌编码技术研究”,西安电子科技大学博士论文,2002.

JPEG2000标准篇3

1 遥感图像的特点

遥感图像分辨率较高,目标物体所占的像素较少,图像中所含的高频信息和纹理信息较多,空间频率的局部变化较快,图像的不连续性较强。

为了从空间相关性来分析遥感图像数据之间的特征,文中采用图像的自相关函数r(l,k)来衡量

r(l,k)=∫∫f(x,y)f(x+l,x+k)dxdy (1)

其中,f(x,y)为图像的灰度函数。对上式进行归一化和离散化处理,有

$R (l, k) = \frac{\sum_{x = 1}^{Μ} \sum_{y = 1}^{Ν} [f (x, y) - u_{f}] \times [f (x + l, y + k) - u_{f}]}{\sum_{x = 1}^{Μ} \sum_{y = 1}^{Ν} [f (x, y) - u_{f}]^{2}} (2)$

其中,图像的大小为M×N,uf为图像亮度的平均值。即

$u_{f} = \frac{1}{Μ \times Ν} \sum_{x = 1}^{Μ} \sum_{y = 1}^{Ν} f (x, y) (3)$

当l=k=1时,即表示相邻两个像素之间的自相关函数值R(1,1),称为自相关系数。

在对遥感图像进行3层小波分解后,除LL子带集中了主要的低频信息,其它所有高频子带近似遵循零均值Gamma 分布。分析表明,除极少数纹理较强的局部区域之外,绝大多数纹理不太强的区域近似服从广义Gaussian 分布,特别是平坦区域,均值大多约为0。遥感图像的这些特性为采用JPEG2000中的算法提高图像压缩效率提供了理论依据。

2 遥感图像高频子带分级量化方案

遥感图像进行JPEG2000整数小波变换后,编码系统需要对分量中的每个拼接块(Tile-component)中的系数进行量化。量化的关键是根据变换后图像的系数特征、重构图像质量要求等因素设计合理的量化步长。其中高频子带影响较小,只作粗量化编码;低频子带对重建过程影响较大,可进行精细量化编码。

2.1 基于纹理特征的高频子带分级量化方案设计

本方案的具体步骤如下[1,2]:

(1) 对图像进行n层小波分解,将遥感图像分解成3n+1个子带,将子带进行层次划分,依次分成LLn,LHn-HLn,HHn-LHn-1,…,HH2-LH1-HL1和HH1,如图1所示;

(2) 将LLn子带直接送入编码器进行EBCOT 编码和算术编码;

(3) 依次将除LLn子带之外的高频子带小波系数划分为4×4的块,设定阈值T1>T0>0。将方差<T0的子块划分为平坦区,方差>T0且<T1的子块划分为次纹理区,方差>T1的子块划分为纹理区;

(4) 将LHn-HLn层中的小波系数分别进行分级量化。取量化步长1≤Δ $_{1}^{(n)}$ <Δ $_{2}^{(n)}$ Δ $_{3}^{(n)}$ 分别对子带中各区域进行量化。对块内方差<T $_{0}^{(n)}$ 的平坦区,采用量化步长Δ $_{3}^{(n)}$ 对小波系数进行粗量化;对块内方差>T $_{1}^{(n)}$ 且<T $_{1}^{(n)}$ 的次纹理区域,采用量化步长Δ $_{2}^{(n)}$ 对小波系数进行量化。对块内方差>T $_{1}^{(n)}$ 的纹理区域,采用量化步长Δ $_{1}^{(n)}$ 对块内小波系数进行精细量化;

(5) 将HHn-LHn-1-HLn-1层中的小波系数进行分级量化。依次对HHn,LHn-1,HLn-1进行区域量化处理,其量化步长分别为Δ $_{1}^{(n - 1)}$ <Δ $_{2}^{(n - 1)}$ <Δ $_{3}^{(n - 1)}$ 且Δ $_{1}^{(n)}$ ≤Δ $_{1}^{(n - 1)}$ 。设定其阈值为T $_{1}^{(n - 1)}$ >T $_{0}^{(n - 1)}$ >0,具体的处理过程与步骤(3)相同;

(6) 将HH1子带中的小波系数进行量化。由于HH1子带所含的能量极少,可以直接取量化步长Δ(0)(Δ $_{1}^{(1)}$ ≤Δ(0))对其小波系数进行量化处理,或对该子带做清零处理;

(7) 在完成上述步骤后,将获得的系数进行舍入处理整数化,获得新的小波系数。再将其划分为编码块(Code-block)送入Ebcot和算术编码器中进行编码;

(8) 将各高频子带对应的量化步长依次写入相应的拼接块(tile)标头的QCD或QCC字段中,各子带的阈值T0和T1也依次写入相应拼接块的标头com字段中,最终形成JPEG2000码流格式。

在解码器端,由于采用本方法压缩后,码流组织为JPEG2000码流结构,可以将其直接进行JPEG2000解码,获取恢复图像[3]。

2.2 关于阈值和量化步长的选取

(1) 阈值T0,T1的选取。

阈值的选取可以有两条途径:一是通过对遥感图像进行实验可以获得各个阈值与压缩系统性能指标峰值信噪比和压缩比的关系,由用户根据需要交互地给出,或由系统给出一个较优的缺省值;另一种方法是通过对小波分解子图进行统计分析后自适应获得[2,4]。

(2) 量化步长的选取。

量化步长的选取可以根据子带的统计特性和最小失真,计算出量化步长的最优值;实际应用中可先选取初始量化器,根据实际图像压缩过程,验证各量化步长与压缩性能指标PSNR和CR(峰值信噪比和压缩比)的关系,经过多次调整量化步长最终确定较优值。

3 仿真结果及分析

选取卫星遥感图像中截取的512×512,8 bit灰度图像作为测试图像。其中图2(a)为航拍遥感图像,图2(b)为卫星遥感图像,如图2所示。

小波变换滤波器为Daubechies(5/3)滤波器组,进行3级离散小波变换。在分级量化方法中还附加条件如下

T1=2×T0 (4)

${\begin{cases} Δ_{1}^{(3)} = 1 \\ Δ_{2}^{(i + 1)} = Δ^{(i)} \\ Δ_{j + 1}^{(i)} = Δ_{j}^{(i)} \times 2 \end{cases}$

其中,i∈{0,1,…,3},j∈{1,2,3} (5)

表1给出了上述两幅遥感图像采用JPEG2000无损压缩后的测试数据。由于无损压缩,图像可以完全重构,PSNR趋近于无穷大。所以采用压缩重构时间、压缩比为图像压缩的评价标准,具体数据,如表1所示。

表2给出了以上两幅遥感图像采用高频子带分级量化后的测试数据。采用分级量化方案对遥感图像进行压缩,由于高频子带采用>1的量化步长,势必产生一定的失真;另外,分级量化后的参数整数化处理也引入了部分失真。因此,在评价此方案的压缩性能时采用压缩和重构时间、峰值信噪比和压缩比为评价标准。

由表1和表2可知,与JPEG2000无损压缩方法相比,分级量化方法在图像压缩性能上有了明显提高,不同图像压缩比提高了20%左右;尽管引入了部分高频子带系数的失真,峰值信噪比有所下降,但是采用文中方案重建的图像质量均可达到40 dB,人眼很难分辨出图像的失真。因此,本方案能满足遥感图像压缩的要求。

采用分级量化方法对遥感图像进行高保真压缩和重构,运算时间均有所增加。由于在编码过程中,将高频子带分块,计算每个子块的方差并对其进行量化;解码过程中,需要判断高频子带子块的纹理属性,也通过计算方差并与阈值进行比较。因此,此方法在一定程度上增加了算法的复杂度。

4 结束语

文中在JPEG2000无损压缩的框架上,增加了一种遥感图像高频子带分级量化方案,实验表明其实现简单,压缩效果良好。可见,该方法在遥感图像高保真压缩方面具有良好的效果。

摘要：介绍了JPEG2000静态图像压缩标准的基本情况;对遥感图像的相关性以及小波变换域统计特性进行了分析,得出遥感图像的特点。针对其特点,设计了基于JPEG2000无损压缩的高频子带分级量化高保真压缩方案。实验结果表明,此方案在对遥感图像进行压缩时取得了较好的效果。

关键词：遥感图像,图像压缩,小波变换

参考文献

[1]Chao H,Fisher P.An Approach of Integer Reversible Wave-let Transform for Image Compression[J].The Wavelet Di-gest,1996,5(8):19-38.

[2]万登峰.基于JPEG2000遥感图像压缩的应用研究[D].上海:上海交通大学,2006.

[3]王达生.ISO/IEC/JTC1/SC29/WG11第53次会议将召开[J].计算机辅助设计与图形学学报,2000,12(5):374-380.

JPEG2000标准篇4

心电压缩方法有无损压缩和有损压缩之分。有损压缩往往能达到比无损压缩高得多的压缩比。有损压缩是对原始信号的一个近似值,可能引起心电信号中有效特征的丢失[1],而且这种丢失对于心电信号诊断特征信息的影响无法进行精确评估[2]。根据有些国家(如美国)的法律,经过有损压缩的医学信号不能用于临床诊断[3]。相对于有损压缩,无损压缩的缺点是压缩率很难有大的提高,但可以保证采集后的心电信息无损失地保存、传输。

显然,保持心电诊断信息的完整性,应当是心电压缩中首要考虑的因素,其次才是数据的压缩率。因此,虽然在有损压缩方面进行了大量的研究,但心电信号的无损压缩对临床上的诊断更有意义,也是本课题研究的目标。国内外的心电无损压缩集中在滤波组[4]、优化编码算法[58]、线性预测[9~10]和小波技术[11]等研究。心电信号是一种准周期信号,其波形呈现某种相似性,因而是一种冗余度较大、而信息熵较小的信号,从理论上来讲,应该具有较大的压缩比。而以往的无损压缩方法大都没有考虑到这种相似性冗余,因而压缩比受到很大的限制。

1 一维二维相结合的心电压缩方法

心电信号是一种准周期的随机信号,每个心跳周期主要由QRS复合波、P波、T波、ST段和基线等组成,其中QRS复合波部分心电信号变化幅度较大,但相邻QRS波之间常具有较大相似性冗余,心跳周期其余部分信号变化幅度相对较缓,适用于直接预测压缩编码。本文首先对心电数据进行一阶差分处理,可以将心电数据存储位数由12位降低到8位。在对心电数据进行一阶差分的基础上,为了有效提取心拍间周期性的相似性,首先通过QRS波形检测算法找出QRS差分波形的峰值位置,将差分后的心电数据按心拍分段进行压缩。本压缩方法的整体流程如图1所示。

其中为了尽可能多地利用心拍周期间的相似性,以平均RR间期的4/5长度作为标准去剔除过小的RR间期(把后一个R波位置去除)。最终的心电压缩结果由图1中的输出1、输出2和输出3共同组成。具体主要步骤分述如下。

1.1 相邻采样点间差分

消除采样点之间的冗余最好的方法是进行差分,这对于采样频率越高的心电数据,效果越好。本文主要以MIT-BIH心律失常数据库的48个数据作为实验对象,这些数据的采样频率是360 Hz,保存精度是12位。正常的心电波形(非噪声影响)在足够高的采样频率下,采样点之间的变化总是比最高与最低幅值的差值要小很多,以MIT-BIH心律失常数据库为例,经过实验,所有数据一阶差分以后的最大值与最小值之间的幅度都小于或等于255。对等于255的数据进行分析发现,该情况出现在被噪声严重干扰,无法辨别QRS波形的区域。因此,可以认为12位保存精度的心电数据在360 Hz以上采样频率,差分后的值可以用8位的数据进行描述,差分对数据的压缩效果是12/8=1.5。差分后的数据范围相对集中,适合进一步使用Huffman熵编码。

对于差分后幅值超过8位的数据,需要考虑一种编码方式,使之兼容8位的差分编码模式。本文将255作为转义字符序列,即大于和等于255的序列将使用转义字符加(差分数值-255)的双字节(即16位)的编码方式,同时考虑到保持差分波形的平滑效果,转义符后的数值将采用反码的方式进行表达,如255表示为0xFF0xFF,256表示为0xFF 0xFE。这样的双字节编码在整个差分序列中很少出现,因此它对差分编码的压缩率几乎没有影响。

1.2 R波波峰检测

在心电图中,R波具有波形陡峭、幅度大、宽度窄的特点。本文选择R波实时检测中比较有代表性的Hamilton[12]阈值检测法。该算法对R波检测率非常高,对MIT-BIH心律失常数据库的检测率高达99.69%,而且简单、快速。将所有检测出的R波位置,同样进行一阶差分,然后对差分结果进行Huffman熵编码。

1.3 二维无损压缩

心电信号是一种准周期信号,心拍与心拍之间存在一定的相似性。为减少这种相似性冗余,本文将心电信号按心拍周期分段组成二维矩阵,用心电信号幅度值表示为图像的灰度值,使用二维图像的压缩方法消除心拍之间的空间冗余。取R波左右固定长度的心电差分后数据(选择R峰前后各2/5的平均心拍长度的采样点),逐行排列,这样心拍之间的相似性映射到二维图像相邻行之间的相似性,心拍内部采样点之间的变化趋势(即差分后的8位数值)映射到二维8位灰度图像相邻列之中,如图2所示。因此,可以将二维图像的压缩方法,应用到一维心电信号的压缩上来。

2 实验评价

本文对MIT-BIH心律失常数据库中的所有48个数据的第一导联,检测R峰后,将差分QRS复合波构成48幅8位灰度级的二维图像矩阵。为了验证方便,将它们统一保存为8位的无压缩格式的灰度位图格式。然后,分别使用常见的二维图像无损压缩方法:JPEG无损压缩模式、JPEG-LS和JPEG2000压缩进行实验对比,结果如表1。

实验结果表明,JPEG2000和JPEG-LS对于QRS差分波形组构成的二维灰度图像有着良好的压缩效果,因为它们的压缩方法比较充分的利用了波形之间的相关性,即图像的空间冗余度。由于JPEG2000的应用比JPEG-LS要广泛得多,因此本文选择JPEG2000作为心电波形的二维无损压缩方法。

心电压缩中使用JPEG2000技术,已有文献报道,如Ali等[13]和杨圣等[14]将JPEG2000压缩技术应用于心电一维信号的压缩,但一方面它们使用的不是无损压缩,另一方面它们压缩的对象是原始的心电信号,信号中存在大幅噪声(如基线漂移)对压缩效果影响比较大。这些文献侧重于讨论QRS的准周期性对压缩的影响,同时为了二维信号对齐而补位,增加了压缩成本。这与本文的研究方法是很不同的。

本文进行评估的计算机配置如下:C P U为Pentium(R)4 3.00 GHz主频;内存为512 MB;操作系统为Microsoft Windows XP Professional Service Pack2。测试数据为MIT-BIH心律失常数据库。MIT-BIH心律失常数据库一共有48个记录,每个记录是从24小时的心电记录中选取了具有代表性的30分钟的数据片段(一共有650000个采样点)组成数据库。每条记录均包含2个通道的数据。数据的采样频率为360 Hz,采样精度为11位(采样的数据范围在02047之间),但数据保存时使用的是12位。

原始的1个M I T-B I H心电记录数据大小为650000×2×12个字节。本文设计的一维、二维相结合的心电无损压缩方法主要部分在Matlab 7.0中实现,输出Bitmap灰度图像后,利用软件Kakadu5.2.5[15]对其进行JPEG2000无损压缩,根据生成的JPEG2000图像(*.jp2)文件大小,以及一维差分信息的Huffman编码结果,很容易计算得到本文方法的无损压缩率。选择了几种无损心电压缩方法与本文方法进行比较,具体结果如表2,其中WinRAR是Windows平台最流行的压缩程序。

进一步实验比较表明,本文提出的一维二维相结合的心电无损压缩效果总体优于国内外已有的很多心电无损压缩方法[3~11]。此外,在JPEG2000无损压缩后的图像中,还包含了一部分公共的文件头信息,如JPEG2000图像的层数等,如将这部分信息去除,本文方法的压缩率仍有提高的空间。

压缩方法的解压所占时间主要由两部分组成:一是对jp2图像进行解压的时间,另一是Huffman解码的时间。本文中,前者用Kakadu软件完成对jp2文件的解压,后者使用自编Huffman解码模块完成。对于一个完整的MIT-BIH心律失常数据库中压缩后的单导联心电数据,其解压总时间平均在1秒以内。

3 结束语

基于同样的测试数据集,本文的心电无损压缩方法与其他心电无损压缩方法进行了比较,表明本文的方法在压缩效果上优于其他方法,具体体现在压缩比的最小值和平均值均高于其他方法。

MIT-BIH心律失常数据库中所有数据使用本文的心电无损压缩方法,其平均压缩比达到3.16,优于其他相同测试集的压缩方法。测试集中单条记录最差的压缩比2.67,也优于其他相同测试集的压缩方法。因此本文方法针对各类心电信号都会具有较好的压缩效果。

JPEG2000标准篇5

对于一幅图像,其中可能有某些部分对观察者来说是特别需要注意的地方,或者说某些部分有特别重要的意义,对此在编码时需要给予特别对待,我们将这些需要特别关注的区域称为图像的感兴趣区域。对于这部分的编码的处理,一般分为两种情况:一种情况是这部分区域在时间上被优先进行编码并放在码流的前面,这样在窄带传输的场合,可以优先保证这部分内容的传输和重建;另外一种情况是,在总码率一定的情况下,对这部分内容分配比其他部分更好的编码参数,这样在重建时可以保证这部分内容有更好的重建质量[1]。

JPEG2000是国际化标准组织和国际电子技术联盟(IEC)联合推出的新一代静止图像压缩标准[2],自1997年开始起草到2000年12月国际标准正式发布。它提供了许多新的特征,其中包括:低码率下的超级压缩特性;连续和二值图像压缩;支持无损和有损压缩;渐进性传输;感兴趣区域编码;码流的随机访问和处理;良好的容错性,将在医疗图像、电子图书馆、彩色传真、数字摄影、遥感等方面广泛应用。

JPEG2000中两种经典ROI压缩方法[3],最大位移法和一般移位法,实现原理是通过提升小波变换后ROI区域小波参数(移位处理)的相对重要性,从而对ROI区域实现优先编码,本文提出一种新的ROI压缩方法,其出发点则是利用JPEG2000中“质量层”的特点[4],对于压缩后的比特流优化截断组成的包所构成的质量层,ROI区域保留质量层中相对多的包,而对于背景区域则保留质量层中相对少的包,从另一个角度实现ROI区域的压缩,该方法的优点是无需对小波变化后的数据进行移位,减少编码量,提高压缩效率,加快编码的速度,但也有缺点,就是没有提高ROI区域在码流上的相对重要性。

1JPEG2000中经典的ROI编码思想及实现原理

JPEG2000中经典的ROI编码方法是通过移动小波变换后的系数在位平面中的位置,使得ROI区域的位平面重要性大于背景区域,来实现ROI区域优先编码和不同编码率的。JPEG2000标准中定义了两种系数位移法:最大位移法和一般位移法。其中,最大位移法被JPEG2000的PART1[5]所采纳,一般位移法被JPEG2000的PART2[6]所采纳,图1是两种方法的图示。

一般移位法(Generic scaling based method)是选择一个适当的位移因子s,使位于ROI区域之外的背景系数都右移s位,这样ROI区域的一些最有效的位平面就高于背景系数的位平面,如图1(c)。在嵌入式编码/解码的过程中,有些ROI区域的位平面会先于背景区域的位平面一起编码、传输和解码(仍有一些ROI区域的位平面会与背景区域的位平面一起编码、传输和解码,这取决于位移因子s)。如果码流被截断或编码/解码过程没有全部完成,ROI区域的重建图像质量会优于背景区域的图像质量[7]。

最大位移法(Max-shift method)中,位移因子s不是预先选定的。在编码端,所有量化的小波系数被逐一扫描,位移因子s的选择必须使ROI区域的最小系数大于背景区域的最大系数,如图1(b)。在解码端,接收到的比s小的系数都是背景区域的系数,反之是ROI区域的系数。

无论是一般位移法和最大位移法都是通过移动ROI区域的位平面来提高ROI区域的位平面重要性,两种方法相比较而言一般位移法更加灵活,可以设定ROI区域相对于背景区域的重要性系数比,也就是说可以灵活设定ROI区域位平面移动的位数,这样就可以调节ROI区域和背景区域的质量比,而最大位移法ROI位平面移动的位数是固定的,灵活性不如一般位移法。

2本文提出的新ROI压缩方法

2.1JPEG2000标准中嵌入式位流和质量层的定义

由于本文方法用到JPEG2000中嵌入式位流和质量层的知识,这里首先介绍一下这两个知识点的实现原理。JPEG2000中使用的位流规则是嵌入式位流[7],其吸引力在于,希望的压缩等级可以在信源已经压缩之后确定,只是把位流截断到希望的长度,就可以实现码率控制。码率控制是由质量层实现的,通过持续增加质量层单元,可以相应的增加压缩表示的质量,用ϑ0到ϑΛ-1表示这些质量层。第一个质量层ϑ0包括优化码块贡献,它们具有长度L $_{i}^{(z_{i}^{0})}$ ,在长度约束 $\sum_{i} L_{i}^{(z_{i}^{0})} \leq L_{\max}^{0}$ 下,使失真 $D^{0} = \sum_{i} D_{i}^{(z_{i}^{0})}$ 最小。后续质量层ϑl包括每个码块的额外贡献,码块长度为L $_{i}^{(z_{i}^{l})}$ -L $_{i}^{(z_{i}^{l - 1})}$ 它们在长度约束 $\sum_{i} L_{i}^{(z_{i}^{j})} \leq L_{\max}^{l}$ 下,使失真 $D^{l} = \sum_{i} D_{i}^{(z_{i}^{l})}$ 最小。

尽管从概念上说每个质量层包括每个码块的贡献,但是要强调的是,事实是某些甚至全部贡献可能是空的。通过包含足够的信息以识别每个码块对每个质量层所作的贡献,可以构造失真可伸缩组合流[4]。图2表明的是质量层渐进结构。

2.2本文提出的新ROI压缩方法

经过上一小节对JPEG2000中两种经典的ROI压缩方法的分析,容易看出因为其引入了对小波系数的移位过程,所以不可避免地加大了编码量。例如,小波变换后原小波系数为m位,对ROI区域进行压缩,经典方法移动n位,则要对(m+n)位数据位进行编码,而原来仅对m位数据位编码,加大了n/m的编码量和压缩所需要的时间,增加了压缩后的比特流,编码示意图如图1所示。

为了避免JPEG2000中经典ROI压缩方法的重编码现象,本文提出了一个利用JPEG2000“失真可伸缩性”,在质量层的角度实现对ROI区域和背景区域采用不同质量重要性,根据不同的质量重要性来处理比特流被优化截断所形成的包,以避免移位带来的编码量加大的现象。

在本方法中,通过丢弃质量层中包的方法,从另一个角度实现了对ROI区域的压缩存储,本方法和JPEG2000中经典ROI压缩方法出发点不同,经典方法是对ROI区域的小波系数进行升位处理,使得ROI区域的小波系数和背景区域的小波系数拥有不同位平面重要性,从而实现对ROI区域的优先编码和优先传输,而本文则是对压缩以后形成的包进行相应优化处理,在质量层的基础上,通过将质量层上某些背景区域和ROI区域的包设置为空包,来控制ROI区域和背景区域包的相对重要性,从而实现ROI编码,这里的空包是表示只有包头信息而缺少包体信息,即在包的范围中没有编码块贡献的编码字节,通过设置该空标头位为0表示该包为空包,包体长度为0,此时该包仅需要占用一个字节的包头长度。JPEG2000中包的结构[4]如图3所示。

编程过程中,具体的操作是取两个目标质量参数p,q,分别表示ROI和背景区域的目标质量。如果压缩后比特流截断成的总质量层数为S,则表示ROI区域要保留p×S的质量层中的包,背景区域要保留q×S的质量层中的包,丢弃包的规则是从最高质量层开始,即从上向下丢弃。一般来说要求ROI区域的压缩后质量高于背景区域的质量,所以说一般有p>q,如果q取0,表示背景区域的包将全部丢弃,质量层的贡献仅由ROI区域给出。

算法的处理过程如图4所示,假设图4中图(a)表示一张包含ROI区域的图片,在质量层最优化截取后得到图4中(b),表示没有丢弃包前完整的质量层组成结构,对该图像采用p=0.75,q=0.50的目标质量后,采用本文算法对包进行丢弃处理后的结果如图4(c)所示,质量层在ROI区域保留了75%的包,质量层在背景区域则只保留了50%的包,其余的包均被丢弃,这样也就达到了ROI压缩的目的。

本文算法避免了移位处理,与经典ROI处理方法相比减少了需编码字节的位数,但同时也有其缺点,经典ROI压缩方法通过对ROI区域移位处理,可以使ROI区域优先编码和传输,当网络不稳定时,能确保ROI区域的优先传输,本文方法没有该优点。

3实验结果和性能分析

根据本文提出的方法,对彩色图像Lenna进行了ROI区域的编码,ROI区域为Lenna的脸部,通过分别取得合适的参数p,q,在相同的比特率,背景区域PSNR相近的条件下(本实验条件只能取得背景区域PSNR相近,很难完全相等),与一般移位法进行了比较。图5中(a)-(f)分别显示了本文压缩比特率在0.1,0.3,0.5,0.7,1.0,1.5 时的效果。(实验环境为vc 6.0.CPU P4 2.8.内存512M)

表1和表2是本文中方法和一般位移法在PSNR和处理时间上的一些数据。

从实验结果上看,在比特率相同,背景区域基本相同的条件下,比较表1和表2,可以看出本文中算法比较一般移位法,ROI区域的PSNR略高于一般移位法ROI区域的PSNR值,从处理时间上,可以看出本文方法比一般移位法运算速度快,因为本文方法的压缩运算量要少,这在图像较大时体现的差别更大。

4结论

本文提出了一种新的ROI压缩方法,该方法利用JEPG2000压缩标准的质量层的特点,对于给定的ROI区域和背景区域的目标质量,采用丢弃包的方法实现对感兴趣区域的压缩,因为本方法避免了JPEG2000经典压缩方法中对ROI区域的移位处理,减少了压缩量,实验效果略好于经典的压缩方法,缺点是由于没有对ROI系数的移位操作,所以ROI区域不能够优先编码和传输。

参考文献

[1]房睿君.基于JPEG2000的感兴趣区域算法研究.硕士学位论文,西北工业大学,2006.

[2]Michael D Adams.The JPEG2000Still Image Compression Standard.IS0/IEC J TC1/SC29/WG1N2412,SEP.2001.

[3]AndrewP Bradley,Fred WMStentiford.JPEG2000and region of Inter-est Coding.DICTA2002:Digital Image computing Techniques and Ap-plications,January2002:21-22.

[4]David S Taubman,Michael WMarcellin.JPEG2000图像压缩基础、标准和实践.魏立江等译,电子工业出版社,2001.

[5]ISO/ISC JTC1/SC29/WG1(ITU-T SG8)JPEG2000PartⅠFinal Committee Draft Version1.0,Mar,2000.

[6]ISO/ISC JTC1/SC29/WG1(ITU-T SG8)JPEG2000PartⅡFinal Committee Draft Version1.0,Mar,2000.

JPEG2000标准篇6

在图像应用中, 根据人们对图像不同区域的质量要求, 可以提高对图像的编码效率。在低码率应用中, 感兴趣区域 (ROI) 编码往往是比较常用的做法。所谓ROI编码就是通过某些算法使得ROI区域图像的质量比其他区域图像质量更高。JPEG2000是支持ROI编码的新一代图像编码标准。在JPEG2000标准中, 提出了可伸缩优先权的ROI算法, 即位平面平移算法。随后有学者根据JPEG2000中位平面平移算法提出了部分位平面平移 (PSB) 算法和混合位平面平移算法 (HBShifit) 。其中PSB算法实用性最优。本文将结合图像小波变换后的高低频特性, 对PSB算法进行改进, 已达到在不显著降低ROI区域视觉质量的前提下, 提高背景图像的目的。

1 JPEG2000标准中的ROI算法

在JPEG2000标准中, 提出了两种不同的ROI算法。一种是通过改变ROI相关码块的失真贡献, 以提高ROI区域码流在整个码流中所占比重, 从而实现ROI区域编码。但是由于存在码块同时包含ROI区域和背景区域的情况, 这种算法往往不能实现精细的ROI区域控制。另一种ROI算法就是位平面平移的算法, 这种算法是以JPEG2000中基于优化截断的嵌入式位平面编码算法 (EBCOD) 为基础的, 通过在编码端提高ROI区域的位平面, 从而实现ROI区域的优先编码。ROI区域跟背景区域的图像质量差异则是跟ROI区域提升的层数S有关, 提升越大差异越明显。

在JPEG2000标准中, 提出了MAXShift算法和一般位平面平移算法。MAXShift算法是将ROI区域完全提升背景区域以上, 而一般位平面平移算法[1]则更加灵活。如图1 (b) , 1 (c) 所示, 本文用黑色区域代表梁志位平面, 而灰色区域则表示0, 通过对比可以发现MAXShiift可以看作一般为平面平移的一种特例。然而对于一般位平面平移算法, 在压缩后形成的码流中必须将ROI区域的形状 (限于矩形或椭圆形) 、位置和大小信息通过RGN字段的一种扩展形式进行发送;对于MAXShift算法, 虽然不用发送形状, 大小等信息, 但是这种算法并不支持多ROI压缩, 而且在完全传送ROI相关码流之前, 背景区域相关码流不会被发送。为了克服以上各种缺点, Lijie Liu提出了部分重要位平面平移 (PSBShift) 算法, 如图1 (d) 所示, 这种算法是将ROI区域量化索引中较重要的位平面进行平移。Li-Bao Zhang提出如图1 (e) 所示的混合位平面平移 (HBShift) 算法。从图1中对比可以看到, 部分位平面平移算法在克服最大位平面平移和一般位平面平移的各种缺点的同时, 又比混合位平面平移法实现简单, 因此在工程上有更高的实用性。

2 部分子带的PSB平移算法

图2是PSBShift算法在0.5bpp下的解码结果, 其中S=9, ROI区域面积为图像大小的1/14, 可以看到在ROI区域有很好的压缩效果, PSNR达到了37.41d B, 但在背景区域表现较差, PSNR仅为21.69d B。实际上, 在图像的PSNR达到30d B以上时, 图像质量即可满足大部分的图像应用。因此, 可以通过适当降低ROI区域的质量, 而换取背景质量的提高。

对于图像而言, 经过二维小波变换后可以将图像分成不同的高低频子带和分辨率率级。如图3 (a) 所示, 一幅图像经过N级二维小波变换后都会将图像划分成N+1个分辨率级和3N+1个子带, 其中每个子带都会形成一个ROI区域的映射。但是每个子带对于ROI区域的最终质量的贡献实际上是不同的, 同时人眼对图像细节 (即高频失真) 不敏感, 因此可以在不明显降低ROI区域的视觉质量的前提下牺牲部分子带的ROI特性, 而获得背景质量的一定提高, 这就是部分子带的PSB平移算法。

图3是采用如图4 (b) 所示的子带选取后的测试结果, 在测试程序中采用的是4级小波变换, 于此处示意图中的3级小波变换不同。其中S依然设为9, ROI区域的面积为1/14, 通过对比可以看到, 图像背景的质量有了一定提高, 背景区域的PSNR从21.69d B提高到了现在22.64d B, 而ROI区域的PSNR则从37.41d B下降到了35.13d B, 但从图2和图3的对比可以发现ROI区域的视觉质量实际上并没有明显的下降。

3 测试结果与子带的选择

由于不同的子带对ROI质量的最终贡献不同, 因此对于子带的选取也有一定的要求。为此在Barbara, Goldhill和Girl三幅图像上, 分别测试了5种

不同的子带组合。在测试中, 采取的仍然是4级小波变换, 因此一共可以产生R0至R45个分辨率级, 除了R0外每个分辨率级都有HL、LH和HH3个子带。为了表示方便用坐标 (M, N) 代表每个子带的位置, 其中第一个分量代表子带属于哪个分辨率级, 第二个分量代表是哪个子带, 其中1代表HL子带, 2代表LH子带, 3代表HH子带。对于分辨率级R0用 (0, 0) 表示。在测试中分别测试了{ (4, 3) }, { (4, 3) , (4, 2) }, {R4}, {R4, R3}, {R4, R3, R2}5种子带组合, 测试结果如图5所示。

通过对比测试结果, 可以看到放弃ROI特性的子带越多对背景图像质量的补偿效果越明显, 同时ROI区域图像质量下降越明显, 同时对背景区域质量提高的边际效应越差。为了保证ROI区域的图像质量, 放弃ROI特性的子带个数一般较少, 一般选取3个左右, 且子带多处于最高分辨率级和次高分辨率级。事实上, 从测试结果可以看到选择最高分辨率级上的的两个子带就可以在保证ROI区域质量的前提下 (PSNR高于30d B) , 背景质量提高1d B至2d B。另外, 在压缩率较高时 (码率在0.2bpp以下) , 合理的子带选取后 (此处为R4的HH子带和HL子带) , ROI区域的图像质量跟PSB算法没有区别, 在码率在0.3bpp以上时, 在保证ROI区域质量的前提下 (PSNR高于30d B) , 背景区域的质量在3幅测试图像上均有1d B以上的质量提升。

一个需要注意的问题是对于不同的图像在某些够分辨率级子带 (一般为LH或HL子带) 对ROI区域的质量的贡献较大, 舍弃这些子带可能会造成ROI区域质量明显下降 (低于30d B) , 在没有图像先验信息的情况下, 可以采用折中的子带组合。一个比较合理的组合是选择最高分辨率级和次高分辨率级的HH子带。通过在三幅图像上的测试 (测试结果如图6所示) , ROI区域的质量仍然保持在30d B以上, 而背景质量有大约1d B提升。

4 结束语

本文根据ROI应用的实际需要提出了部分子带的PSB改进算法。根据小波变换后不同子带对ROI区域的视觉质量的贡献的不同, 以及人眼对图像细节不敏感的特点, 在保证ROI区域质量的前提下, 舍弃部分子带的ROI特性, 而换得背景图像质量的提高, 从而使整个图像的质量获得了提升。新算法在高压缩比时充分保证了ROI区域的质量, 同时在中低压缩比时又明显地提升了背景质量。

参考文献

[1]Taubman D, Marcellin M.JPEG2000:Image compression fundamentals, practice and standdars[M].Massachusetts, USA:Kluwer Ac-ademic Publishers, 2002.

[2]Liu Lijie, Fan Guoliang.A New JPEG2000 Region-of-Interest Imagecoding Method:Partial Significant Bitplanes Shift[J].IEEE SignalProcessing Lett., 2003, 10 (2) :35-38.

[3]ZHANG Li-Bao, Wang Ke.New Approach For JPEG2000 RegionOf Interest Image coding:Hybrid Bitplanes Shift[C].Proceedingsof the Third international Conference on Machine Learning and Cy-bernetics.

[4]Bryan E Usevitch.A Tutorial on Modern Lossy-Wavelet Image Com-pression:Foundations of JPEG 2000[J].IEEE Signal ProcessingMagazine, 2001, 9:22-35.

[5]Pablo G Tahoces, Ramo’n Varela J, Marl’a J Lado, et al.Imagecompression:Maxshift ROI encoding options in JPEG2000[J].Computer Vision and Image Understanding, 2008, 109:139-140.

JPEG2000标准篇7

关键词：数字化图像,扫描加工,通用格式

档案数字化是档案信息化建设中一项重要基础性工作。在档案数字化工作中, 图像档案的数字化是档案数字化工作的重中之重。目前, 在档案领域, 存储档案数字化图像的标准格式一直是国家档案局推荐的通用文件格式———TIFF文件格式, 而JPEG2000作为一种新兴的数字图像文件格式, 有着TIFF无法比拟的优势。本文将JPEG2000与TIFF进行比较, 并前瞻性探讨了JPEG2000作为档案数字化图像通用格式的应用前景。

一、档案数字化图像通用格式概述

在档案工作中, 档案馆数字化图像的来源主要是档案原件 (纸张档案、缩微胶片等) 的扫描加工和数码相机拍照的数码照片。本文研究的主要是档案原件扫描加工形成的档案数字图像。

为了保证数字化图像的长久保存及其作为档案凭证性的需求, 所选的图像文件格式必须具有相对稳定性和独立于一定的技术环境。综合说来, 档案数字化图像通用格式的选择需考虑以下因素: (1) 文件的保真度:档案数字化图像可以看做是对原文件 (实物, 档案原件) 的信息拷贝, 文件的保真度就是指这种拷贝的精确程度。保真度越高, 精确度越高, 数字化图像就越能反映源文件特征。在选择数字化图像通用格式时, 选择能够保持原文件特征的文件格式, 即保真度高的文件格式, 将有助于保持档案原件的原貌, 保证其凭证性需求; (2) 文件体积:高密度存储是档案管理追求的目标之一, 特别是随着电子档案的海量增加, 档案部门将要面临巨大的存储压力。选择存储密度大, 文件保真度高两者兼得的数字化图像文件格式, 将有助于缩小文件体积, 增加存储容量; (3) 独立于软硬件平台:档案数字化图像文件格式根据其对软硬件环境的依赖性可以分为“应用软件专用格式”和“中间转换格式”两种, 应用软件专用格式是某种应用软件在运行过程中为其数据对象自行规定的记录格式。中间转换格式是按照能够适应软硬件平台的要求, 为同类专用格式相互转换而特别设计的格式。中间转换格式可以将文件从一种应用软件转换到另一种应用软件, 也可作为一种独立的输出格式, 因而具有一定的独立性。选择能够独立于一定软硬件平台的文件格式将有助于档案图像文件的长久保存, 避免因软硬件平台过时带来的种种保存利用问题; (4) 文件的凭证性:档案数字化图像的重要特征就是其作为档案的凭证性。为保证其凭证性需求, 相应的文件格式应当能够真实地反映档案原貌, 支持图像元数据记录, 数字签名或数字水印等技术, 确保其真实性、完整性、可靠性。

二、JPEG2000与TIFF作为档案数字化图像通用格式比较

1. JPEG2000和TIFF现状比较。

TIFF (Tagged Image File Format) , 即标记图像文件格式, 是由Aldus公司于1986年专门为页面排版开发的一种的图像文件格式。它是Macintosh和PC机上使用最广泛的图像文件格式, 大多数扫描仪都支持输出TIFF格式图像文件的。TIFF因其存储的图像质量高, 独立于软硬件平台, 支持多种色彩模式、多通道等特点受到广大用户的广泛推崇。目前, 大多数档案馆扫描档案原件生成的图像都采用传统TIFF文件格式, 如上海市档案馆就是采用传统的TIFF文件格式长期保存图像文件。近年来, 由于多媒体技术的迅速发展, 传统的JPEG格式已经不能满足多媒体技术的发展需求。1996年, JPEG (Joint Photographic Experts Group) , 即联合图像专家组技术委员会, 决定开发更强大的图像数据压缩技术, 于是新一代具有更高压缩率、更强大功能、更卓越效率的静态图像压缩技术———JPEG2000诞生了。JPEG2000标准, 即ISO15444, 包括12个部分, 分别为: (1) 核心编码系统; (2) 扩展; (3) 运动JPEG2000; (4) 适应性; (5) 参考软件; (6) 复合图像文件格式; (7) 技术报告; (8) 安全性; (9) 交互性协议和AP1; (10) 三维成像; (11) 无线传输应用; (12) ISO基本媒体文件格式。其中除第7部分技术报告已经被废弃外, 其余大部分都已经成为ISO国际标准或者正在制订中。目前, JPEG2000在国内档案界的应用较少, 而国外如瑞典国家档案馆等就同时采用JPEG2000和TIFF格式保存图像文件。

2. JPEG2000和TIFF特点比较。

TIFF作为传统格式, 在档案界应用广泛, 而JPEG2000则是档案图像文件格式中的新贵, 相对应用较少。相比之下, JPEG2000因其所占空间小、灵活压缩等特点, 大有取代TIFF的趋势。两者进行比较, 具体来说, 有以下几点: (1) 文件保真度比较:高保真度的文件格式能够充分反映档案原件特征。传统TIFF文件格式能够充分反映扫描档案原件的特征, 选择高清晰度的TIFF文件格式能够作为档案数字化图像的长久保存格式。与TIFF文件格式相比, JPEG2000文件格式同样能够达到相同甚至更高的图像保真度, 并且比TIFF更具有优势的是, JPEG2000能够根据不同的需要灵活选择保真度。对于数字化图像的长久保存, JPEG2000能够选择无损压缩生成体积更小、保真度更高的图像文件;而对于数字化图像的利用, 例如网络传输等, JPEG2000能够选择有损压缩生成体积小、保真度较低的图像文件, 提供给用户使用。而TIFF文件格式如果要生成低保真度的图像文件, 必须转化为JPEG、PDF或是GIF才能提供给用户使用, 不仅麻烦, 而且中间不同文件格式的转化过程必然带来不必要的信息丢失。 (2) 文件体积比较:对于长久保存的档案来说, 选择高保真度、小而轻便灵活的文件格式将是未来档案文件格式的发展趋势。传统的TIFF文件格式对于长久保存的档案数字化图像一般采用非压缩的方法, 形成的图像文件占用存储空间极大。一张6寸普通照片可以达到4M, 这对于有限的库房存储空间来说显然是一个巨大的压力, 随着档案数字化图像的海量增加, 将会导致存储设备和资金投入急剧上升。由于受网络带宽的限制, 大体积的TIFF不适用于网络传输和提供利用, 因而TIFF提供给用户使用的时候, 通常是转化成其他的文件格式。JPEG2000由于采用无损压缩的方式, 文件的体积能够成倍减少, 适用于长久保存, 还能够采用有损压缩成为体积更小、更灵活的图像文件提供利用。 (3) 独立于软硬件平台比较:TIFF文件格式和JPEG2000文件格式都能够独立于一定的软硬件平台。目前市面上大部分的扫描仪、数码照相机等设备都开始支持新的JPEG2000文件格式, 大部分的软件, 如绘图软件也都开始支持JPEG2000文件格式。TIFF格式编码较为复杂, 对TIFF图像文件解压缩难度很大, 对图像作特殊处理时非常困难。JPEG2000文件格式的编码较为简单, 适用不同的图像处理, 将成为未来软硬件平台支持的图像文件主流格式之一。JPEG2000还具有开放式的框架结构, 用户可以加入自定义的解码算法, 以适应不同的图像类型和应用领域。

综上所述, TIFF格式作为传统的档案数字化图像文件格式, 具备一定的应用基础, 但由于其本身的局限性, 经其处理的数字化图像只适用于长期保存, 而不便于利用, 因而通用性受到一定限制。而JPEG2000满足档案数字化图像通用格式的需求, 经其处理的数字化图像既可以长期保存, 又可以作为档案利用和网络传输, 这些优势使JPEG2000将可能成为未来档案数字化图像的通用格式, 具备广泛的应用前景。

三、JPEG2000作为档案数字化图像通用格式的应用前景

J P EG2000作为档案数字化图像通用格式的应用前景: (1) 应用于档案数字化图像的长期保存格式。应用JPEG2000可以完美解决文件保真度和文件体积的矛盾。JPEG2000支持无损压缩, 在保证图像质量的情况下, 极大减少文件体积。 (2) 应用于档案数字化图像的利用格式。JPEG2000作为档案文件的利用格式相当灵活, 既可以选择不同的压缩率, 又可以对特定区域指定压缩参数。例如, 对重点区域进行无损压缩保证图片质量, 其他无关区域进行有损压缩, 既保证重要文件信息不丢失又减小了文件体积, 便于利用。 (3) 应用于图像内容检索。JPEG2000标准提供了内容描述元数据功能, 可以将元数据集成在图像码流之中, 大大提高检索的准确性。 (4) 应用于档案馆网站的图片传输:档案馆网站提供大量图片档案, 如何在有限带宽内高效地传输这些图片档案是当前亟待解决的问题。JPEG2000的较高压缩率能有效降低图片的文档尺寸, 渐进式传输可以使利用者先看到图片轮廓然后再决定是否下载以及下载何种质量的图片, 利用方式相当灵活, 并且JPEG2000良好的误差稳定性又能有效地保证图像传输的成功率。

参考文献

[1]张照余.数字化档案的文件格式选择[J].档案学通讯, 2003 (6) .

[2]王翠英.JPEG2000在数字图书馆的应用[J].新世纪图书馆, 2004 (5) .

【JPEG2000标准】推荐阅读：

JPEG2000压缩05-13

JPEG标准08-06

AMBE200006-24

Server200006-28

中国2000年以来07-06

SS2000型10-07

长政发2000文件05-19

军训总结2000字09-27