基于圖像紋理特征的JPEG-XR幀內(nèi)預(yù)測(cè)技術(shù)

鄔春明，焦龍龍，張金強(qiáng)

(東北電力大學(xué)信息工程學(xué)院，吉林 吉林132012)

?

基于圖像紋理特征的JPEG-XR幀內(nèi)預(yù)測(cè)技術(shù)

鄔春明，焦龍龍，張金強(qiáng)

(東北電力大學(xué)信息工程學(xué)院，吉林 吉林132012)

[摘要]為了進(jìn)一步提高壓縮效率以及重構(gòu)圖像的質(zhì)量，使之適用于無(wú)線多媒體傳感網(wǎng)絡(luò)的要求.在討論JPEG-XR編碼預(yù)測(cè)的過程后，提出一種以圖像紋理為依據(jù)的預(yù)測(cè)改進(jìn)方法.該方法通過統(tǒng)計(jì)圖像灰度共生矩陣像素間的相關(guān)特性，準(zhǔn)確表征圖像紋理的趨向，并依據(jù)紋理信息實(shí)現(xiàn)JPEG-XR 3個(gè)子帶的預(yù)測(cè).實(shí)驗(yàn)結(jié)果表明，該方法與標(biāo)準(zhǔn)JPEG-XR方法在同碼率下，峰值信噪比最大可提高1.1 dB，差值圖像熵平均降低0.441 7.

[關(guān)鍵詞]JPEG-XR編碼；圖像紋理；內(nèi)預(yù)測(cè)

0引言

圖像作為多媒體信息的重要載體之一，在信息傳播、醫(yī)療和地理信息等領(lǐng)域具有重要作用[1-2].繼JPEG和JPEG2000等圖像標(biāo)準(zhǔn)后，JPEG-XR是聯(lián)合圖像專家組(JPEG，Joint Photographic Experts Group)最新推出的一代圖像壓縮標(biāo)準(zhǔn)，兼具計(jì)算簡(jiǎn)單和圖像質(zhì)量?jī)?yōu)良的特點(diǎn).它是一種基于塊變換的壓縮算法，旨在以最低的計(jì)算復(fù)雜度達(dá)到最優(yōu)的圖像質(zhì)量和壓縮效率.JPEG-XR的變換、量化、預(yù)測(cè)、掃描、熵編碼等環(huán)節(jié)經(jīng)過精心設(shè)計(jì)，克服了JPEG在低碼率下的方塊效應(yīng)，提升壓縮后的圖像質(zhì)量.與JPEG2000圖像壓縮標(biāo)準(zhǔn)相比，它壓縮后獲得的圖像質(zhì)量與JPEG2000相當(dāng)，然而其算法復(fù)雜程度相對(duì)較低，消耗的資源數(shù)目卻與JPEG相近.對(duì)于無(wú)線多媒體領(lǐng)域，JPEG-XR彌補(bǔ)了無(wú)線傳感節(jié)點(diǎn)能耗分布均勻、硬件資源和能源受限的特點(diǎn)，成為無(wú)線多媒體傳感網(wǎng)絡(luò)首選的圖像標(biāo)準(zhǔn)，因此，JPEG-XR是下一代最具潛力的靜態(tài)圖片壓縮標(biāo)準(zhǔn)[3].

為了進(jìn)一步提高壓縮效率以及重構(gòu)圖像的質(zhì)量，國(guó)內(nèi)外很多研究人員對(duì)其進(jìn)行優(yōu)化改進(jìn)使之適合無(wú)線多媒體領(lǐng)域的應(yīng)用.其中國(guó)外研究方向大都針對(duì)變換、預(yù)測(cè)階段提出簡(jiǎn)化算法：如文獻(xiàn)[4]提出以LBT變換取代PCT與POT變換，大大簡(jiǎn)化計(jì)算復(fù)雜度；文獻(xiàn)[5-6]通過分別構(gòu)造不同疏矩陣的方式實(shí)現(xiàn)圖像壓縮，從而降低傳輸碼流數(shù)量；文獻(xiàn)[7]提出一種通過邊界信息提高預(yù)測(cè)效率的方法，該方法不但大大減少壓縮過程計(jì)算復(fù)雜度，而且充分保留了圖像細(xì)節(jié)；文獻(xiàn)[8]采用自適應(yīng)調(diào)整量化步長(zhǎng)以求降低圖像失真.國(guó)內(nèi)的相關(guān)研究較少，主要側(cè)重碼率的控制：如文獻(xiàn)[9]提出依據(jù)人眼視覺特性選擇量化參數(shù)，從而最大限度確保人眼獲取信息量；文獻(xiàn)[10]研究編碼過程的多流水線硬件實(shí)現(xiàn)，以達(dá)到較低碼率實(shí)現(xiàn)圖像的壓縮過程.

目前，基于灰度共生矩陣的紋理提取算法已經(jīng)用于多光譜影像高分辨率等的紋理提取，基于灰度共生矩陣的紋理提取技術(shù)作為目前應(yīng)用范圍最廣的紋理提取方法，在影像的紋理分析中發(fā)揮著非常重要的作用.[11-13]本文在研究JPEG-XR預(yù)測(cè)階段的方法后，結(jié)合灰度共生矩陣對(duì)圖像紋理特征的提取提出一種新的預(yù)測(cè)方法，該方法通過圖像灰度共生矩陣提取像素間的相關(guān)特性，準(zhǔn)確表征圖像紋理的趨向，并依據(jù)此紋理信息實(shí)現(xiàn)JPEG-XR 3個(gè)子帶的預(yù)測(cè)編碼.

1JPEG-XR

作為新一代圖像壓縮標(biāo)準(zhǔn)，JPEG-XR在獲得等同于JPEG2000的圖像質(zhì)量下，其計(jì)算復(fù)雜度僅和JPEG相當(dāng)[3-4].自新標(biāo)準(zhǔn)推出以來，國(guó)外很多研究人員對(duì)其進(jìn)行優(yōu)化改進(jìn). JPEG-XR編碼流程如圖1所示，它包括預(yù)處理、變換、量化、預(yù)測(cè)和掃描編碼幾個(gè)階段.

圖1　JPEG-XR編碼流程

預(yù)處理階段完成圖像的分塊(Title)以及色彩空間轉(zhuǎn)換.圖像分塊后的結(jié)構(gòu)如圖2所示.色彩空間轉(zhuǎn)換是將給定圖像轉(zhuǎn)換至YUV色彩空間，在此空間中亮度通道與色差通道不相關(guān)，這樣一來更符合人類視覺對(duì)亮度與色度的不同敏感特性，便于獨(dú)立靈活處理，從而提高壓縮率[14].另外色彩轉(zhuǎn)換采用整數(shù)無(wú)損可逆變換，保證解碼端無(wú)損恢復(fù)圖像.

圖2　JPEG-XR分塊后圖像結(jié)構(gòu)

JPEG-XR域變換采用分層次變換結(jié)構(gòu)，分為2個(gè)階段完成，每個(gè)階段完成一次LBT 變換.每次LBT 變換由POT(Photo Overlap Transform) 和PCT(Photo Core Transform)2個(gè)步驟組成.PCT為核心變換，目的是為了解除或降低塊中像素之間的冗余；POT是為了降低PCT變換而在低碼率下明顯的塊效應(yīng)而設(shè)計(jì)的.首先，以像素為單位對(duì)宏塊中的16個(gè)塊各自進(jìn)行LBT變換，變換后產(chǎn)生16個(gè)DC1系數(shù)和240個(gè)AC1系數(shù).然后，將第1步變換所得16個(gè)DC1系數(shù)再次執(zhí)行LBT變換，得到1個(gè)DC2和15個(gè)AC2系數(shù).將第2步變換的DC2系數(shù)定義為DC層，15個(gè)AC2系數(shù)定義為L(zhǎng)P層，第1步變換所得AC1系數(shù)定義為HP層.

在變換后，經(jīng)過量化的系數(shù)直接用于圖像的塊與塊之間的表征還是有一定冗余，預(yù)測(cè)則是用來去除這部分冗余.JPEG-XR標(biāo)準(zhǔn)中3個(gè)子帶分別遵循不同塊預(yù)測(cè)準(zhǔn)則.預(yù)測(cè)后所得數(shù)據(jù)以特定方式掃描，最后進(jìn)行熵編碼輸出碼流.

2JPEG-XR標(biāo)準(zhǔn)預(yù)測(cè)

圖像相鄰塊間存在不同程度的相似性，通過預(yù)測(cè)記錄當(dāng)前塊像素與前一塊像素的差值，從而以較少的比特?cái)?shù)表示圖像.JPEG-XR采用自適應(yīng)的預(yù)測(cè)方法，對(duì)不同子帶采用不同的預(yù)測(cè)方法，而預(yù)測(cè)過程中又可以自適應(yīng)調(diào)整預(yù)測(cè)方向.本文以亮度通道為例進(jìn)行詳細(xì)說明，色彩通道與亮度通道預(yù)測(cè)方法相同.

(1) DC子帶的預(yù)測(cè).DC子帶的預(yù)測(cè)發(fā)生在相鄰宏塊間，預(yù)測(cè)模式包括從左鄰宏塊預(yù)測(cè)、從上鄰宏塊預(yù)測(cè)、從左上鄰宏塊預(yù)測(cè)、不預(yù)測(cè)4種.預(yù)測(cè)以鄰宏塊與當(dāng)前宏塊之間絕對(duì)差值為依據(jù)，選擇絕對(duì)差值最小的方向?yàn)轭A(yù)測(cè)方向，否則不進(jìn)行預(yù)測(cè).

(2) LP子帶預(yù)測(cè).LP子帶預(yù)測(cè)也發(fā)生在相鄰宏塊之間，但是只對(duì)第1行或者第1列進(jìn)行預(yù)測(cè)，并且預(yù)測(cè)是否執(zhí)行與DC預(yù)測(cè)有關(guān).LP預(yù)測(cè)模式包括從左鄰塊列預(yù)測(cè)、從上鄰塊行預(yù)測(cè)、不預(yù)測(cè)3種.若當(dāng)前宏塊量化步長(zhǎng)QP與預(yù)測(cè)宏塊之間的QP相等，此時(shí)DC子帶從左(上)鄰宏塊預(yù)測(cè)，則當(dāng)前LP子帶從左(上)鄰宏塊預(yù)測(cè)；否則，不進(jìn)行預(yù)測(cè).

(3) HP子帶預(yù)測(cè).HP子帶預(yù)測(cè)發(fā)生在宏塊內(nèi)的相鄰塊之間，并且只對(duì)當(dāng)前塊的第1行或者第1列預(yù)測(cè)，它的執(zhí)行與LP預(yù)測(cè)相關(guān)，同一宏塊內(nèi)所有塊選用一種預(yù)測(cè)方式.HP預(yù)測(cè)包括從左鄰塊的首列預(yù)測(cè)、從上鄰塊首行預(yù)測(cè)、不預(yù)測(cè)3種模式.宏塊內(nèi)位于邊界處無(wú)上鄰塊或者左鄰塊的HP系數(shù)不預(yù)測(cè)；對(duì)于非邊界塊HP預(yù)測(cè)以對(duì)應(yīng)的LP系數(shù)能量為依據(jù).當(dāng)LP系數(shù)第1行能量大于第1列，則HP選用模式2從上鄰塊首行進(jìn)行預(yù)測(cè)；當(dāng)LP系數(shù)第1列能量大于第1行，則選擇模式1從左鄰塊首行預(yù)測(cè)，否則不預(yù)測(cè).

3基于圖像紋理的預(yù)測(cè)方法

3.1圖像灰度共生矩陣

設(shè)大小M×N的二維數(shù)字圖像或圖像塊被量化為Ng灰度級(jí)，則其灰度共生矩陣定義為

(1)

其中：

(1)式中：#表示x集合中元素個(gè)數(shù)；d表示元素(x1，y1)與(x2，y2)間的距離；θ表示以上2個(gè)元素與水平坐標(biāo)軸正方向的夾角.灰度共生矩陣通過統(tǒng)計(jì)2個(gè)位置像素的聯(lián)合概率密度對(duì)圖像的紋理進(jìn)行描述，它不僅反映亮度的分布特性，也反映具有同樣或接近亮度的像素之間的位置分布特性[12].

灰度共生矩陣主要有熵、自相關(guān)性、對(duì)比度和能量4個(gè)特征參量，其中自相關(guān)性定義為

(2)

其中：

自相關(guān)性表征灰度共生矩陣空間上的相關(guān)性的值在某一方向上自相關(guān)參量值越大，表明圖像在該方向的紋理方向性越強(qiáng).本文提出的方法就是以此量為依據(jù)決定JPEG-XR編碼過程中預(yù)測(cè)方向選擇的.

3.2基于圖像共生矩陣的方向預(yù)測(cè)

圖像相鄰宏塊的紋理趨勢(shì)在方向上具有一致性，因此可以通過當(dāng)前塊的紋理信息決定編碼預(yù)測(cè)方向的選擇.DC子帶主要攜帶圖像的直流信息，本文中DC子帶的預(yù)測(cè)方向以當(dāng)前宏塊主要能量的走勢(shì)為依據(jù).如圖2所示，每個(gè)宏塊由4×4的塊構(gòu)成.每個(gè)塊的能量在宏塊中的比重為

(3)

其中

(3)式中：n=0，1，2，…，15代表塊的標(biāo)號(hào)；p(i，j)表示每個(gè)塊內(nèi)像素值；S為尺度因數(shù)，它的選擇由不同宏塊的量化步長(zhǎng)QS而定.

由此得到宏塊的能量矩陣是一個(gè)以宏塊為單位，其中包括4×4的塊能量的矩陣，依據(jù)此能量矩陣計(jì)算對(duì)應(yīng)灰度共生矩陣.根據(jù)(3)式分別計(jì)算出宏塊在90°，135°和180°三個(gè)方向灰度共生矩陣的自相關(guān)量，以此作為判定當(dāng)前塊的預(yù)測(cè)方向的依據(jù).記180°，135°和90°方向的自相關(guān)量分別為C_l，C_t，C_lt，則相關(guān)系數(shù)的關(guān)系見表1.

表1　各個(gè)方向自相關(guān)量關(guān)系

注：圖示中灰度越深表示值越大.

DC子帶的預(yù)測(cè)方式可依據(jù)表1選擇：

(1) 當(dāng)相關(guān)量為標(biāo)號(hào)1時(shí)，選擇從左側(cè)相鄰宏塊預(yù)測(cè)；

(2) 當(dāng)相關(guān)量為標(biāo)號(hào)2時(shí)，選擇從上側(cè)相鄰宏塊預(yù)測(cè)；

(3) 當(dāng)相關(guān)量為標(biāo)號(hào)3時(shí)，選擇從左上相鄰宏塊預(yù)測(cè)；

(4) 當(dāng)相關(guān)量為標(biāo)號(hào)4—6時(shí)，預(yù)測(cè)方向從相等量方向任選其一，并且盡量與前一鄰塊保持一致；

(5) 當(dāng)相關(guān)量為標(biāo)號(hào)7時(shí)，則不進(jìn)行預(yù)測(cè).

LP子帶的預(yù)測(cè)由DC子帶預(yù)測(cè)決定，當(dāng)DC子帶從左側(cè)鄰塊預(yù)測(cè)，且當(dāng)前宏塊與DC預(yù)測(cè)宏塊的方向相關(guān)量關(guān)系一致，則LP選擇從左側(cè)鄰宏塊進(jìn)行預(yù)測(cè)；當(dāng)DC子帶從上鄰塊預(yù)測(cè)，且當(dāng)前宏塊與上鄰宏塊各方向相關(guān)量關(guān)系一致，則從上鄰塊進(jìn)行預(yù)測(cè)，否則，LP子帶系數(shù)不預(yù)測(cè).

HP子帶的預(yù)測(cè)由LP子帶能量大小決定，因此對(duì)LP子帶求其灰度共生矩陣，并且選取180°和90° 兩個(gè)方向的相關(guān)量作為判斷預(yù)測(cè)方向.記180°方向自相關(guān)量為Chp_l，90°方向自相關(guān)量為Chp_t，則這2個(gè)量的關(guān)系見表2.

表2　LP子帶中上側(cè)和左側(cè)灰度矩陣自相關(guān)量關(guān)系

注：圖示中灰度越深值越大.

HP子帶處于邊界無(wú)左鄰塊和上鄰塊的系數(shù)不進(jìn)行預(yù)測(cè).若存在鄰塊且對(duì)應(yīng)LP自相關(guān)量有如表2中標(biāo)號(hào)1所示關(guān)系，HP系數(shù)第1列選擇從左側(cè)鄰塊預(yù)測(cè)；存在如標(biāo)號(hào)2所示關(guān)系，則第1行選擇從上側(cè)鄰塊預(yù)測(cè)；若如標(biāo)號(hào)3所示情況，則不進(jìn)行預(yù)測(cè).

4實(shí)驗(yàn)部分

4.1圖像差值的熵

圖像差值是指原圖像與壓縮處理后的圖像作差所得的矩陣，它反映了圖像壓縮后與原圖的相差程度.然后對(duì)此圖像差值求熵.根據(jù)信息論可知，圖像差異越小則其信息熵越小，即壓縮損失越小.實(shí)驗(yàn)1中灰度共生矩陣的參數(shù)設(shè)置灰度等級(jí)Ng=8，尺度矩d=1.計(jì)算其左側(cè)(θ=180°)，上側(cè)(θ=90°)和左上(θ=135°)三個(gè)方向的自相關(guān)量.將以上過程嵌入到JPEG-XR預(yù)測(cè)流程中對(duì)圖像壓縮處理.對(duì)本文提出的方法、文獻(xiàn)[9]的方法以及標(biāo)準(zhǔn)JPEG-XR方法分別求圖像差值的熵，結(jié)果如表3所示.依據(jù)圖像差值信息熵的意義可知，本文提出的方法比起其他2種具有明顯優(yōu)勢(shì).

表3　圖像差值的熵

4.2碼率-峰值信噪比

通過計(jì)算相同比特率下圖像的峰值信噪比來驗(yàn)證本文提出方法的有效性.實(shí)驗(yàn)選用標(biāo)準(zhǔn)庫(kù)中紋理信息從細(xì)節(jié)到平滑的“mandrill”，“l(fā)ena”，“moon surface” 3幅極具代表性的圖像，結(jié)果如圖3所示，橫坐標(biāo)表示單位時(shí)間單位像素的比特?cái)?shù)，縱軸表示圖像的峰值信噪比.由圖3可以看出，本文改進(jìn)方案在同等比特率下，峰值信噪比與標(biāo)準(zhǔn)JPEG-XR壓縮方法相比，最高高出1.1 dB.也即在保持相等圖像質(zhì)量前提下，壓縮了比特率.另外，橫向?qū)Ρ冗@3幅不同紋理圖像間特征參數(shù)，可見本文方法對(duì)紋理豐富的細(xì)節(jié)圖像壓縮處理更具有優(yōu)勢(shì).

圖3　不同圖像在不同碼率下的峰值信噪比

5小結(jié)

本文提出一種依據(jù)圖像的紋理特征新的預(yù)測(cè)方法，該方法用圖像灰度共生矩陣提取圖像紋理特征，然后將灰度共生矩陣的自相關(guān)參量作為預(yù)測(cè)方向的判斷依據(jù)來決策JPEG-XR 3個(gè)子帶的預(yù)測(cè)方向.實(shí)驗(yàn)結(jié)果表明，本文方法與JPEG-XR標(biāo)準(zhǔn)方法以及文獻(xiàn)[9]的預(yù)測(cè)方法相比，不但能較大程度減小重構(gòu)圖像的信息損失，而且還有效地壓縮了碼率，因此，本文方法在無(wú)線多媒體網(wǎng)絡(luò)信息處理和嵌入式圖像壓縮等應(yīng)用領(lǐng)域都極具借鑒意義.

[參考文獻(xiàn)]

[1]JADHAV S S，JADHAV S K. JPEG XR an image coding standard[J]. International Journal of Computer & Electrical Engineering，2012.

[2]王巧，喬雙. Richardson-Lucy與調(diào)制核相結(jié)合的圖像復(fù)原方法[J]. 東北師大學(xué)報(bào)(自然科學(xué)版)，2014，46(1):66-70.

[3]JENISCH S，UHL A. A detailed evaluation of format-compliant encryption methods for JPEG XR-compressed images[J]. Eurasip Journal on Information Security，2014(1):1-20.

[4]ZHANG S，TIAN X，XIONG C，et al. Unified VLSI architecture for photo core transform used in JPEG XR[J]. Electronics Letters，2015，51(8):628-630.

[5]SENAPATI R K，PATI U C，MAHAPATRA K K. Reduced memory，low complexity embedded image compression algorithm using hierarchical listless discrete Tchebichef transform[J]. Iet Image Processing，2014，8(4):213-238.

[6]MAALOUF A，LARABI M C. Low-complexity enhanced lapped transform for image coding in JPEG XR/HD photo[C]//Image Processing (ICIP)，2009 16th IEEE International Conference on，Cairo：IEEE，2009：5-8.

[7]MAALOUF A，LARABI M C. Enhancing the Intra-prediction in JPEG-XR by Using Edge Information[C]// 2013 International Conference on Signal-Image Technology & Internet-Based Systems，Bankok：IEEE，2010:138-143.

[8]RAUT A C，SEDAMKAR R R. Adaptive super-spatial prediction approach for lossless image compression[J]. International Journal of Engineering Research & Applications，2014，4(6)：164-165.

[9]劉致遠(yuǎn)，陳耀武. 基于主觀質(zhì)量的JPEG XR量化參數(shù)選擇[J].計(jì)算機(jī)工程，2014，40(1)： 239-245.

[10]胡小開. JPEG XR編碼器研究及其FPGA實(shí)現(xiàn)[D]. 哈爾濱:哈爾濱工業(yè)大學(xué)，2011.

[11]任國(guó)貞，江濤.基于灰度共生矩陣的紋理提取方法研究[J]. 計(jì)算機(jī)應(yīng)用與軟件，2014，31(11)：190-192.

[12]侯群群，王飛，嚴(yán)麗. 基于灰度共生矩陣的彩色遙感圖像紋理特征提取[J]. 國(guó)土資源遙感，2013， 25(4)：26-32.

[13]陳海霞，崔茜. 基于Gabor小波和PCA的人臉識(shí)別[J]. 東北師大學(xué)報(bào)(自然科學(xué)版)，2014，46(4):77-80.

[14]張孟. 基于JPEGXR的遙感圖像壓縮算法典型部分研究和實(shí)現(xiàn)[D]. 哈爾濱:哈爾濱工業(yè)大學(xué)，2014.

(責(zé)任編輯：石紹慶)

Enhancing the intra-prediction in JPEG-XR by using texture information

WU Chun-ming，JIAO Long-long，ZHANG Jin-qiang

(School of Information Engineering，Northeast Dianli University，Jilin 132012，China)

Abstract:As an emerging image coding standard，JPEG-XR can compress image in hight image quality with low-complexity，so it will be the most proposing image compress standard.To further improve the compression efficiency to meet the requirements of the wireless multimedia sensor networks. After introduce the prediction in JPEG-XR standard，this paper propose a prediction technique based on image texture feature.The method can accurate characterization of an image texture by counting relativity between pixels，and get a new method to predict JPEG-XR’s three subbands according to the statistics. The experiment results object evaluate of our modified JPEG-XR scheme works better than the JPEG-XR standard both in bit rate and reconstruction image quality. Compare with the standard JPEG-XR，our method got 1.1 dB increase in PSNR under the same bit rate and the average entropy of difference image decreased 0.4417.So it is an promising method in JPEG-XR image processing.

Keywords:JPEG-XR encoding；image texture；intra-prediction

[中圖分類號(hào)]TP 391[學(xué)科代碼]520·60

[文獻(xiàn)標(biāo)志碼]A

[作者簡(jiǎn)介]鄔春明(1966—)，男，教授，主要從事無(wú)線通信技術(shù)領(lǐng)域研究.

[基金項(xiàng)目]國(guó)家自然科學(xué)基金資助項(xiàng)目(61301257)；吉林省科技發(fā)展計(jì)劃項(xiàng)目(2013020605GX).

[收稿日期]2015-04-07

[文章編號(hào)]1000-1832(2016)01-0054-06

[DOI]10.16163/j.cnki.22-1123/n.2016.01.013