基于视觉模型和图像特征的遥感图像压缩_焦润海
合集下载
相关主题
- 1、下载文档前请自行甄别文档内容的完整性，平台不提供额外的编辑、内容补充、找答案等附加服务。
- 2、"仅部分预览"的文档,不可在线预览部分如存在完整性等问题,可反馈申请退款(可完整预览的文档不适用该条件!)。
- 3、如文档侵犯您的权益，请联系客服反馈,我们会尽快为您处理(人工客服工作时间：9:00-18:30)。
图 1 小波 4 级分解示意图
根据多分辨率分析, 二维离散小波变换把图 像划分为不同方向、 不同级别的子频带 , 每个子频 带是对原图像在不同尺度下的反映. 其中低频部 分集中了图像大部分的能量, 其余部分的能量分 散在沿水平、 垂直和对角的高频子带. 基于小波变 换的图像压缩正是通过编码重要的低频数据, 丢 弃大部分不重要的高频数据, 使得在较低的位率 下仍然能够取得较好的恢复图像质量. 不同图像由于其纹理复杂程度不同, 其低频 能量聚集性和高频能量分布存在差异. 通常来说, 人物图像纹理相对简单, 低频能量聚集性好, 遥感 图像细节丰富, 所含高频成分相对较多 . 为了定量 描述这一特性, 本文基于小波变换统计几幅典型 的人物图像( lena, woman, zelda, man) 和遥感图像 ( city, factory, Sydney, Beijing, Dalian) 在各个频带 上的能量分布规律( 见图 2、 图 3) . 假设一幅图像 a i , j , 0 i , j L , 其中 L 表示
Abstract: With characteristics of complicated texture and rich edges, remote sensing image is usually hard to achieve high compression ratio. Energy distribution among wavelet subbands at different orientat ions and scales was statisticed, then an adaptive quantization method for different wavelet subbands coefficients was proposed, in the method contrast sensitivity function( CSF) of human vision system( HVS) and energy distribution characteristic were both considered. The quantizat ion method was applied to an exist ing embedded wavelet image coder and the com pression results show that comparing with method without psychovisual quantization, this method gets better visual quality under the same compression ratio ( only with little peak signal noise ratio( PSNR) degradation) . Key words: image compression; remote sensing image; wavelet transform; human vision system; quantization
图 2 遥感图像能量分布图
图 3 人物图像能量分布图
图像的大小 , 经过小波变换后得到小波系数 c i , j , 0 i, j L , 其图像能量计算公式如下: E=
0 i, j L
ai , j =
0 i, j
2
c i, j
L
2
( 1)
式中小波变换前后能量不变的前提要求变换满足 正交性 . 本实验选用了当前在图像压缩中最常用
( 北京航空航天大学 计算机学院 , 北京 100083)
要 : 遥感图像具有纹理复杂 、 边缘丰富的特点 , 通常难以实现高压缩
比. 统计了图像经过小波变换后在不同方向 、 不同级别子频带的能量分布. 然后基于 人类视觉系统( HVS) 模型中的对比敏感度函数( CSF) 和遥感图像的能量分布特征 , 提 出一种不同频带小波系数的变步长量化方法, 并把该方法应用于嵌入式小波图像编 码器. 实验结果表明 , 与不采用心理视觉量化的压缩方法相比, 在相同压缩比下 , 峰值 信噪比略为降低 , 但恢复图像的主观质量有一定程度的改善 . 关 键 词 : 图像压缩 ; 遥感图像; 小波变换 ; 人类视觉系统; 量化 中图分类号 : TP 391 41 文献标识码 : A 文 章 编 号 : 1001 5965( 2005) 02 0197 05
随着光学和电子技术的发展, 用于空间对地 观测的成像设备的分辨率越来越高, 由此带来的 直接结果是成像数据量的急剧增加. 这不仅是星 上数据压缩处理系统面对的难题, 也是地面应用 系统中数据存储和传输面临的挑战 . 因此, 遥感图 像的高效压缩是一个亟待解决的问题. 高分辨率的遥感图像纹理通常比较复杂, 因 此难以实现高压缩比 . 使用目前静态图像压缩中 性能较高的 SPIHT 算法压缩复杂遥感图像 city, 当压缩倍率达到 12 倍时 , 恢复图像的峰值信噪比 ( PSNR) 为 26. 3 dB, 存在较明显的主观失真 , 影响
的双正交小波基 Daubechies9 7, 该小 波基具有线 性相位, 能量集中性好 , 已被 JPEG2000 选为有损 压缩的变换函数. 由于该小波基近似满足正交特 性, 因此变换后能量基本保持不变 . 实验中采用 6 级小波变换. 图 2、 图 3 分别给出了遥感图像和 人物图像在各级频带上的能量分布. 图中小波变 换的频带从 6 至 1 依次对应从次低频至最高频的 各级频带 , 每级频带包含水平、 垂直和对角方向上 3 个子频带, 分析实验结果可以得出以下结论 : 1) 相对于人物图像 , 遥感图像经过 6 级小波 变换后, 除低频外的其它 6 级频带上仍然分布了 较多的能量, 亦即遥感图像的低频能量聚集性差. 2) 沿次低频至最高频, 遥感图像能量分布先 增加后减小, 即在中级频带有较多的能量, 表明遥 感图像中频信息较多 , 图像纹理丰富; 人物图像的 能量分布则近似单调递减 . 3) 对同一级、 不同 方向的 3 个子频带, 水平 和垂直子频带的能量大体相同, 对角子频带能量
1
遥感图像能量分布特征
小波变换 具有很好的能量集中性, 相对于
[ 4]
傅里叶变换 , 它在空域和频域都有很好的局部化 特性 , 适合于非平稳信号分析 , 对高频成分采用逐 渐精细的时域尺度刻画信号的细节信息 , 因此小 波变换在图像压缩和处理中得到广泛应用 . 图像 处理中二维离散小波变换 ( DWT ) 是一个子带滤波 器, 对于一幅图像进行一次小波变换后得到第 1 级的 4 个频带 LL1、 LH1 、 HL1、 HH1, 依次对各级的 低频 LLk 进行分解得到更粗一级的 4 个频带, 图 1 给出了一幅图像经过 4 级小波 变换的结果, 也 就是通常所说的小波塔式分解 .
Remote sensing image compression based on visual model and image feature
Jiao Runhai Li Yuancheng Hou Jingbiao
( School of Comput er Science and Technology, Beijing University of Aeronautics and Astronaut ics, Beijing 100083, China)
收稿日期 : 2004 06 20
[ 1]
地物目标的识别. 造成这种结果的原因是遥感图 像中目标边缘等细节 信息在频率域 对应高频成 分, 而 现 有 基 于 小 波 域 的 压 缩 方 法 如 SPIHT、 EZW
[ห้องสมุดไป่ตู้]
通常把高频分量作为不重要信息丢弃, 因
[3]
此恢复图像的质量较差. JPEG2000 中的嵌入式块 优化截断编码 ( EBCOT ) 虽然使用了基于视觉的 小波系数处理, 但是没有针对不同类型图像的特 点进行处理 . 本文研究提高恢复图像主观质量的 方法 . 在小波域统计图像的能量分布特征, 然后结 合人类视觉系统中的频率敏感度模型 , 对不同频 带的小波系数结合其能量分布和频率敏感度采用
3
小波系数量化和编码
图像压缩的效率主要通过量化来实现, 由于
量化操作是不可逆的 , 因此会导致信息丢失 , 这是 引起图像失真的唯一来源 . 在图像压缩过程中, 通 过量化丢弃非重要信息 , 在实现压缩的同时保证 恢复图像的质量. 但是主观角度数据的重要性和 客观角度数据的重要性存在不一致. 从客观角度 看, 小波系数值的大小代表了其重要程度, 根据能 量计算公式( 1) 易知, 小波频带能量值的大小代表 了其重要性 , 能量越大越重要 ; 从主观角度看 , 小 波系数的重要性与人眼对这些数据的敏感程度相 关, 人眼对某个频带的数据越敏感 , 该频带的小波 系数就越重要 . 因此 , 在图像压缩中只有综合客观 因素( 能量特征 ) 和主观因素 ( 视觉特性 ) , 更多地 保留重要的数据信息 , 才能更好地提高恢复图像 的质量. 3. 1 基于视觉和能量特征的变步长量化 通常来说, 图像经过小波变换后在低频聚集 了大部分的能量, 高频部分能量相对较少, 对应图 像的纹理和细节信息 . 由于人眼对低频数据的敏 感程度高 , 通常采用较小的量化步长或者不量化, 保证恢复图像质量 , 因此压缩效果来自对高频数 据的量化处理 . 目前来看 , 高频数据的量化主要有 2 种方法, 一是采用统一量化的方法 , 如 EZW 和 SPIHT, 对 于所有小波系数都除以同一个量化值 ; 二是采用 阶梯状的量化方法 , 根据视觉特性中对频率越高 的数据越不敏感的特性 , 按照频率从低至高的次 序逐步加大量化步长 . 对于纹理简单的人物图像, 由于其低频聚集了绝大部分能量, 高频能量相对 较少且能量分布随频率增加逐级降低, 上面 2 种 方法可以很好地保证恢复图像的质量 , 但是对于 复杂的遥感图像, 由于它的中高频能量较多 , 大步 长的量化将会导致较大的恢复失真, 使整体的视 觉效果变差. 因此, 结合前面对遥感图像的能量分 布特征和视觉特性 , 对不同频带的小波系数采用 不同的量化步长. 在中级频带 , 由于能量较多 , 适 当减少量化步长, 使得在较高压缩倍率时, 恢复图 像能够较好地保留纹理细节. 一幅图像经过小波塔式分解后分为水平、 垂 直和对角 3 个方向的频带. 结合上述小波频带能 量统计特征和心理视觉的对比敏感度特性 , 本文
[ 5]
第2期
焦润海等 : 基于视觉模型和图像特征的遥感图像压缩
199
最低 , 限于篇幅 , 对应的数据结果未在本文列出. 现有基于小波域的图像压缩算法对遥感图像 的压缩效果不好, 原因在于这些算法通常假设图 像的高频成分相对较少 , 由于人眼对这些信息不 敏感, 通过量化丢弃大部分高频成分实现数据压 缩. 但是对于纹理复杂的遥感图像来说 , 由于小波 变换后在中高频仍含有较多能量, 这种量化编码 方法就会导致恢复图像的质量相对较差 .
基金项目 : 国家 863 基金资助项目 ( 2004AA783041) ; 国防基础科研基金资助项目 作者简介 : 焦润海 ( 1977- ) , 男 , 河南舞阳人 , 博士生 , runhaijiao@ sina. com.
198
北 京 航 空 航 天 大 学 学 报
2005 年
可变量化步长, 使得量化后的小波系数能够定量 地体现人的视觉特性 . 把该方法应用于嵌入式小 波图像压缩算法 , 实验结果表明, 在保证压缩比不 变的前提下 , 该算法获得的恢复图像的主观质量 有所提高 , 较好地保留了图像的纹理细节.
2005 年 2 月 第 31 卷 第 2 期
北京 航空航天大学学报 Journal of Beijing University of Aeronautics and Astronautics
February 2005 Vol. 31 No 2
基于视觉模型和图像特征的遥感图像压缩
焦润海
摘
李元诚
侯京彪
根据多分辨率分析, 二维离散小波变换把图 像划分为不同方向、 不同级别的子频带 , 每个子频 带是对原图像在不同尺度下的反映. 其中低频部 分集中了图像大部分的能量, 其余部分的能量分 散在沿水平、 垂直和对角的高频子带. 基于小波变 换的图像压缩正是通过编码重要的低频数据, 丢 弃大部分不重要的高频数据, 使得在较低的位率 下仍然能够取得较好的恢复图像质量. 不同图像由于其纹理复杂程度不同, 其低频 能量聚集性和高频能量分布存在差异. 通常来说, 人物图像纹理相对简单, 低频能量聚集性好, 遥感 图像细节丰富, 所含高频成分相对较多 . 为了定量 描述这一特性, 本文基于小波变换统计几幅典型 的人物图像( lena, woman, zelda, man) 和遥感图像 ( city, factory, Sydney, Beijing, Dalian) 在各个频带 上的能量分布规律( 见图 2、 图 3) . 假设一幅图像 a i , j , 0 i , j L , 其中 L 表示
Abstract: With characteristics of complicated texture and rich edges, remote sensing image is usually hard to achieve high compression ratio. Energy distribution among wavelet subbands at different orientat ions and scales was statisticed, then an adaptive quantization method for different wavelet subbands coefficients was proposed, in the method contrast sensitivity function( CSF) of human vision system( HVS) and energy distribution characteristic were both considered. The quantizat ion method was applied to an exist ing embedded wavelet image coder and the com pression results show that comparing with method without psychovisual quantization, this method gets better visual quality under the same compression ratio ( only with little peak signal noise ratio( PSNR) degradation) . Key words: image compression; remote sensing image; wavelet transform; human vision system; quantization
图 2 遥感图像能量分布图
图 3 人物图像能量分布图
图像的大小 , 经过小波变换后得到小波系数 c i , j , 0 i, j L , 其图像能量计算公式如下: E=
0 i, j L
ai , j =
0 i, j
2
c i, j
L
2
( 1)
式中小波变换前后能量不变的前提要求变换满足 正交性 . 本实验选用了当前在图像压缩中最常用
( 北京航空航天大学 计算机学院 , 北京 100083)
要 : 遥感图像具有纹理复杂 、 边缘丰富的特点 , 通常难以实现高压缩
比. 统计了图像经过小波变换后在不同方向 、 不同级别子频带的能量分布. 然后基于 人类视觉系统( HVS) 模型中的对比敏感度函数( CSF) 和遥感图像的能量分布特征 , 提 出一种不同频带小波系数的变步长量化方法, 并把该方法应用于嵌入式小波图像编 码器. 实验结果表明 , 与不采用心理视觉量化的压缩方法相比, 在相同压缩比下 , 峰值 信噪比略为降低 , 但恢复图像的主观质量有一定程度的改善 . 关 键 词 : 图像压缩 ; 遥感图像; 小波变换 ; 人类视觉系统; 量化 中图分类号 : TP 391 41 文献标识码 : A 文 章 编 号 : 1001 5965( 2005) 02 0197 05
随着光学和电子技术的发展, 用于空间对地 观测的成像设备的分辨率越来越高, 由此带来的 直接结果是成像数据量的急剧增加. 这不仅是星 上数据压缩处理系统面对的难题, 也是地面应用 系统中数据存储和传输面临的挑战 . 因此, 遥感图 像的高效压缩是一个亟待解决的问题. 高分辨率的遥感图像纹理通常比较复杂, 因 此难以实现高压缩比 . 使用目前静态图像压缩中 性能较高的 SPIHT 算法压缩复杂遥感图像 city, 当压缩倍率达到 12 倍时 , 恢复图像的峰值信噪比 ( PSNR) 为 26. 3 dB, 存在较明显的主观失真 , 影响
的双正交小波基 Daubechies9 7, 该小 波基具有线 性相位, 能量集中性好 , 已被 JPEG2000 选为有损 压缩的变换函数. 由于该小波基近似满足正交特 性, 因此变换后能量基本保持不变 . 实验中采用 6 级小波变换. 图 2、 图 3 分别给出了遥感图像和 人物图像在各级频带上的能量分布. 图中小波变 换的频带从 6 至 1 依次对应从次低频至最高频的 各级频带 , 每级频带包含水平、 垂直和对角方向上 3 个子频带, 分析实验结果可以得出以下结论 : 1) 相对于人物图像 , 遥感图像经过 6 级小波 变换后, 除低频外的其它 6 级频带上仍然分布了 较多的能量, 亦即遥感图像的低频能量聚集性差. 2) 沿次低频至最高频, 遥感图像能量分布先 增加后减小, 即在中级频带有较多的能量, 表明遥 感图像中频信息较多 , 图像纹理丰富; 人物图像的 能量分布则近似单调递减 . 3) 对同一级、 不同 方向的 3 个子频带, 水平 和垂直子频带的能量大体相同, 对角子频带能量
1
遥感图像能量分布特征
小波变换 具有很好的能量集中性, 相对于
[ 4]
傅里叶变换 , 它在空域和频域都有很好的局部化 特性 , 适合于非平稳信号分析 , 对高频成分采用逐 渐精细的时域尺度刻画信号的细节信息 , 因此小 波变换在图像压缩和处理中得到广泛应用 . 图像 处理中二维离散小波变换 ( DWT ) 是一个子带滤波 器, 对于一幅图像进行一次小波变换后得到第 1 级的 4 个频带 LL1、 LH1 、 HL1、 HH1, 依次对各级的 低频 LLk 进行分解得到更粗一级的 4 个频带, 图 1 给出了一幅图像经过 4 级小波 变换的结果, 也 就是通常所说的小波塔式分解 .
Remote sensing image compression based on visual model and image feature
Jiao Runhai Li Yuancheng Hou Jingbiao
( School of Comput er Science and Technology, Beijing University of Aeronautics and Astronaut ics, Beijing 100083, China)
收稿日期 : 2004 06 20
[ 1]
地物目标的识别. 造成这种结果的原因是遥感图 像中目标边缘等细节 信息在频率域 对应高频成 分, 而 现 有 基 于 小 波 域 的 压 缩 方 法 如 SPIHT、 EZW
[ห้องสมุดไป่ตู้]
通常把高频分量作为不重要信息丢弃, 因
[3]
此恢复图像的质量较差. JPEG2000 中的嵌入式块 优化截断编码 ( EBCOT ) 虽然使用了基于视觉的 小波系数处理, 但是没有针对不同类型图像的特 点进行处理 . 本文研究提高恢复图像主观质量的 方法 . 在小波域统计图像的能量分布特征, 然后结 合人类视觉系统中的频率敏感度模型 , 对不同频 带的小波系数结合其能量分布和频率敏感度采用
3
小波系数量化和编码
图像压缩的效率主要通过量化来实现, 由于
量化操作是不可逆的 , 因此会导致信息丢失 , 这是 引起图像失真的唯一来源 . 在图像压缩过程中, 通 过量化丢弃非重要信息 , 在实现压缩的同时保证 恢复图像的质量. 但是主观角度数据的重要性和 客观角度数据的重要性存在不一致. 从客观角度 看, 小波系数值的大小代表了其重要程度, 根据能 量计算公式( 1) 易知, 小波频带能量值的大小代表 了其重要性 , 能量越大越重要 ; 从主观角度看 , 小 波系数的重要性与人眼对这些数据的敏感程度相 关, 人眼对某个频带的数据越敏感 , 该频带的小波 系数就越重要 . 因此 , 在图像压缩中只有综合客观 因素( 能量特征 ) 和主观因素 ( 视觉特性 ) , 更多地 保留重要的数据信息 , 才能更好地提高恢复图像 的质量. 3. 1 基于视觉和能量特征的变步长量化 通常来说, 图像经过小波变换后在低频聚集 了大部分的能量, 高频部分能量相对较少, 对应图 像的纹理和细节信息 . 由于人眼对低频数据的敏 感程度高 , 通常采用较小的量化步长或者不量化, 保证恢复图像质量 , 因此压缩效果来自对高频数 据的量化处理 . 目前来看 , 高频数据的量化主要有 2 种方法, 一是采用统一量化的方法 , 如 EZW 和 SPIHT, 对 于所有小波系数都除以同一个量化值 ; 二是采用 阶梯状的量化方法 , 根据视觉特性中对频率越高 的数据越不敏感的特性 , 按照频率从低至高的次 序逐步加大量化步长 . 对于纹理简单的人物图像, 由于其低频聚集了绝大部分能量, 高频能量相对 较少且能量分布随频率增加逐级降低, 上面 2 种 方法可以很好地保证恢复图像的质量 , 但是对于 复杂的遥感图像, 由于它的中高频能量较多 , 大步 长的量化将会导致较大的恢复失真, 使整体的视 觉效果变差. 因此, 结合前面对遥感图像的能量分 布特征和视觉特性 , 对不同频带的小波系数采用 不同的量化步长. 在中级频带 , 由于能量较多 , 适 当减少量化步长, 使得在较高压缩倍率时, 恢复图 像能够较好地保留纹理细节. 一幅图像经过小波塔式分解后分为水平、 垂 直和对角 3 个方向的频带. 结合上述小波频带能 量统计特征和心理视觉的对比敏感度特性 , 本文
[ 5]
第2期
焦润海等 : 基于视觉模型和图像特征的遥感图像压缩
199
最低 , 限于篇幅 , 对应的数据结果未在本文列出. 现有基于小波域的图像压缩算法对遥感图像 的压缩效果不好, 原因在于这些算法通常假设图 像的高频成分相对较少 , 由于人眼对这些信息不 敏感, 通过量化丢弃大部分高频成分实现数据压 缩. 但是对于纹理复杂的遥感图像来说 , 由于小波 变换后在中高频仍含有较多能量, 这种量化编码 方法就会导致恢复图像的质量相对较差 .
基金项目 : 国家 863 基金资助项目 ( 2004AA783041) ; 国防基础科研基金资助项目 作者简介 : 焦润海 ( 1977- ) , 男 , 河南舞阳人 , 博士生 , runhaijiao@ sina. com.
198
北 京 航 空 航 天 大 学 学 报
2005 年
可变量化步长, 使得量化后的小波系数能够定量 地体现人的视觉特性 . 把该方法应用于嵌入式小 波图像压缩算法 , 实验结果表明, 在保证压缩比不 变的前提下 , 该算法获得的恢复图像的主观质量 有所提高 , 较好地保留了图像的纹理细节.
2005 年 2 月 第 31 卷 第 2 期
北京 航空航天大学学报 Journal of Beijing University of Aeronautics and Astronautics
February 2005 Vol. 31 No 2
基于视觉模型和图像特征的遥感图像压缩
焦润海
摘
李元诚
侯京彪