（通信与信息系统专业论文）基于感兴趣区域的无人机侦察图像压缩算法研究.pdf

n a n j i n gu n i v e r s i t yo f a e r o n a u t i c sa n da s t r o n a u t i c s c o l l e g eo fi n f o r m a t i o ns c i e n c ea n dt e c h n o l o g y r e s e a r c ho nt h ec o m p r e s s i o n a l g o r i t h mo f u a vr e c o n n a i s s a n c e i m a g e b a s e do n r e g i o n o fi n t e r e s t a t h e s i si n c o m m u n i c a t i o na n di n f o r m a t i o ns y s t e me n g i n e e r i n g b y t a ih u a f e n g a d v i s e db y h u a n gd a q i n g s u b m i t t e di np a r t i a lf u l f i l l m e n t o ft h er e q u i r e m e n t s f o r t h ed e g r e eo f m a s t e ro f e n g i n e e r i n g j a n u a r y , 2 0 1 0 v l、jf；i i p i 承诺书 本人声明所呈交的硕士学位论文是本人在导师指导下进行的研究 工作及取得的研究成果。除了文中特别加以标注和致谢的地方外，论文 中不包含其他人已经发表或撰写过的研究成果，也不包含为获得南京航 空航天大学或其他教育机构的学位或证书而使用过的材料。 本人授权南京航空航天大学可以将学位论文的全部或部分内容编 入有关数据库进行检索，可以采用影印、缩印或扫描等复制手段保存、 汇编学位论文。 ( 保密的学位论文在解密后适用本承诺书) 作者签名：叠玺函 日 期：型：至：! z 南京航空航天大学硕士学位论文 摘要 感兴趣区域( r e g i o no fi n t e r e s t ，r o i ) 编码技术是指对图像中的感兴趣区域采用低压缩比的 压缩( 甚至是无损压缩) ，而对非感兴趣区域，即背景区域( r e g i o no fb a c k g r o u n d , b g ) 则采用高 压缩比的压缩。这样既能够获得较高的压缩比，又可以保证图像中的重要信息尽量少地丢失， 从而满足在低比特率条件下对重要的图像内容实现高质量压缩的要求。由于无人机侦察图像在 现实应用中，人们往往对某些特别的区域更感兴趣，对这些区域的图像质量的要求要比其他部 分高，所以本文将感兴趣区域编码技术应用在了无人机侦察图像的压缩中。 本文首先论述了课题的研究背景和发展状况：然后较全面地阐述了小波变换理论，用实例 分析了图像经小波变换后的系数分布特点，并探讨了两种基于小波变换的嵌入式编码算法： e z w 算法和s p i h t 算法；接着深入研究了j p e g 2 0 0 0 中的两种基于比特面偏移的r o i 算法和 r o i 掩模生成技术，提出了改进的的比特面偏移算法，并结合比特面偏移后的系数特点提出了 改进的s p i h t 算法，在v c + + 环境下，采用c + + 语言实现了整个算法的编解码。实验数据表明， 采用文中改进算法，在低比特率( 小于0 5 b p p ) 时，不仅能够很好地保持图像感兴趣区域的重 构质量，还能获得较好的背景信息。最后本文还提出了两种不用进行比特面偏移而实现r o i 图 像编码的算法并在m a t l a b 仿真软件上进行了实现。 关键字：图像压缩，小波变换，感兴趣区域，侦察图像，s p i h t 基于感兴趣区域的无人机侦察图像压缩算法研究 a b s t r a c t r e g i o no fi n t e r e s t ( r o di m a g ec o d i n gt e c h n i q u em e a n st oc o m p r e s st h ei n t e r e s t i n gr e g i o n si n a ni m a g ew i t hl i t t l el o s so rw i t h o u tl o s s ，a n dt oc o m p r e s st h eu n i n t e r e s t i n gr e g i o n s ( r e g i o no f b a c k g r o u n d , b g ) w i t hm u c hl o s s b a s e d0 1 1t h i si d e aah i 曲c o m p r e s s i o n r a t i oc n nb eo b t a i n e da n dt h e i m p o r t a n ti n f o r m a t i o nc a nb ep r e s e r v e di nt h ei m a g e s c i n c ep e o p l ea l w a y sf e e lm o r ei n t e r e s t e di n s o m ep a r t i c u l a ra r e a so fa nu a vr e c o n n a i s s a n c ei m a g ea n dr e 圮l u i r eh i g h c rq u a l i t yo ft h e s ea 陀笛t h a n o t h e ra r e a si nt h er e a la p p l i c a t i o n , t h er o ii m a g ec o d i n gt e e h n i q u ei sa p p l i e dt ot h ec o m p r e s s i o no f u a vr e c o n n a i s s a n c ei m a g e si nt h i sp a p e r f i r s t , t h er e s e a r c hb a c k g r o u n da n dt h ed e v e l o p m e n t sa 他d i s c u s s e di nt h i sp a p e r s e c o n d l y , t h i s p a p e re l a b o r a t e sc o m p r e h e n s i v e l yo nt h ew a v e l e tt r a n s f o r mt h e o r y , a n a l y z e s t h ed i s t r i b u t i o n c h a r a c t e r i s t i co ft h ei m a g ew a v e l e tc o e f f i c i e n t sa f t e rw a v e l e tt r a n s f o r ma n dt h e nd i s c u s s e st w o e m b e d d e dc o d i n ga l g o r i t h m sb a s e do nw a v e l e tt r a n s f o r mi nd e t a i l ：t h ee z wa l g o r i t h ma n dt h e s p i h ta l g o r i t h m a f t e rt h a t , t h i sp a p e rd e 印l ys t u d y st h et w or o ic o d i n ga l g o r i t h m sb a s e do nb i t p l a n es h i f tt e c h n i q u ei nj p e g 2 0 0 0a n dt h er o im a s kg e n e r a t i o nt e c h n o l o g y , p u t sf o r w a r da n i m p r o v e d b i tp l a n es h i f ta l g o r i t h ma n da ni m p r o v e ds p i h ta l g o r i t h ma c c o r d i n gt o t h e c h a r a c t e r i s t i c so fw a v e l e tc o e f f i c i e n t sa 盘e rb i tp l a n es l i i 屯t h e nr e a l i z e st h et o t a lc o m p r e s s i o n m e t h o du s i n gc + + l a n g u a g ei nv c 抖e n v i r o n m e n t t h er e s u l t so fe 嘞e n t ss h o wt h a t t h e c o m p r e s s i o nm e t h o dp r o p o s e di nt h i sp a p e rc a nn o to n l ym a i n t a i nt h er o ii m a g eq 砌i t yv e r y w e l l , b u ta l s oc a no b t a i ng o o db gi m a g eq u a l i t yi nl o wb i tr a t e ( 1 e s st h a n0 s b p p ) f i n a l l y , t h i sp a p e r a l s op u t sf o r w a r dt w ok i n d so fr o ii m a g ec o d i n ga l g o r i t h mw h i c ha l en o tb a s e d0 1 1b i tp l a n es h i r a n dr e a l i z e db ym a t l a bs i m u l a t i o ns o f t w a r e k e y w o r d s ：i m a g ec o m p r e s s i o n , w a v e l e tt r a n s f o r m , r e g i o no fi n t e r e s t , r e c o n n a i s s a n c ei m a g e ，s p i h t 南京航空航天大学硕士学位论文 目录 第一章绪论1 1 1 研究背景l 1 2 研究现状1 1 3 本文的主要研究工作3 第二章小波变换理论5 2 1 引言5 2 2 小波变换的基本原理6 2 2 1 连续小波变换6 2 2 2 离散小波变换8 2 2 3 多分辨率分析与l a l l a t 算法1 0 2 2 3 1 多分辨率分析1 0 2 2 3 2m a l l a t 算法1 2 2 3 提升小波1 3 2 3 1 提升小波提出的背景1 3 2 3 2 提升小波的基本思想1 3 2 3 3 提升小波的特点1 6 2 4 小结1 7 第三章基于小波变换的图像压缩技术1 8 3 1 引言1 8 3 2 图像小波系数的特点1 8 3 3 嵌入式编码2 l 3 3 1e z w 编码算法2 1 3 3 2s p i h t 编码算法2 4 3 4 图像压缩技术的评价2 7 3 4 1 压缩比2 7 3 4 2 保真度准则2 8 3 4 3 压缩和解压缩速度3 0 3 5 小结3 0 第四章基于比特面偏移的感兴趣区域编码算法3 1 基于感兴趣区域的无人机侦察图像压缩算法研究 4 1 引言3 1 4 2 比特面偏移的感兴趣区域编码算法3 1 4 2 1j p e g 2 0 0 0 中的r o i 编码算法3 1 4 2 2 改进的r o i 编码算法3 2 4 3r o i 掩模生成技术3 3 4 4 改进的基于比特面偏移的r o i 图像压缩方案3 5 4 5 实验结果与分析3 9 4 6 小结4 9 第五章不进行比特面偏移的r o i 编码算法5 1 5 1 引言5 1 5 2 简单的小波图像压缩算法5 1 5 3 在小波变换前进行图像分割的r o i 编码算法5 3 5 4 在小波变换后进行图像分割的r o i 编码算法5 7 5 5 小结6 0 第六章总结与展望6 1 参考文献6 3 致谢6 6 在学期间的研究成果及发表的学术论文6 7 南京航空航天大学硕士学位论文 图表清单 图2 1 一维信号m a l l a t 算法的分解与重构1 2 图2 2 提升小波变换过程1 6 图2 3 提升小波反变换过程1 6 图3 1 基于小波变换的图像压缩流程1 8 图3 2l e n a 原始图像与原始直方图1 9 图3 3l e n a 图的三层小波分解图像与分解后各层子带系数的直方图2 0 图3 4 零树系数的父子关系树2 2 图3 5 小波系数扫描方式2 3 图3 6s p i h t 算法的父子关系图2 5 图3 7s p i h t 算法的集合关系图2 6 图4 1g s b m 和m a x s h i i 生中r o i 系数的位平面偏移过程3 2 图4 2 改进算法的r o i 系数的位平面偏移过程3 3 图4 3 两种小波重构单个系数所需的低通系数和高通系数3 4 图4 4 衍生法生成掩模过程3 5 图4 5 软件界面4 0 图4 6 无人机侦察机测试图像4 0 图4 7 改进r o i 算法与m a x s h i f t 算法在不同码率下的重建图像4 4 图4 8 整幅图像的峰值信噪比折线图。4 6 图4 9 图像的b g 部分的峰值信噪比折线图4 7 图4 1 0 图像的r o i 部分的峰值信噪比折线图4 7 图4 1 1t e s t l 图像的两种算法在不同解码率时的峰值信噪比残差折线图4 8 图4 1 2t e s t 2 图像的两种算法在不同解码率时的峰值信噪比残差折线图。4 8 图4 1 3t e s t 3 图像的两种算法在不同解码率时的峰值信噪比残差折线图4 9 图5 1l e n a 图像小波分解后略除各层高频系数的重构图5 l 图5 2 使用不同的全局阈值进行压缩后的重构图像5 2 图5 3 各级选用不同的阈值进行压缩后的重构图像5 2 图5 4 用绝对值最大的瑞系数压缩后的重构图像5 3 。 图5 5 图像变换之前直接分割的r o i 编码算法流程5 3 图5 6t e s t 4 原始图像和感兴趣区域。5 4 v 基于感兴趣区域的无人机侦察图像压缩算法研究 图5 7b g 部分系数个数不变而r o i 部分系数逐渐增加的重构图像5 5 图5 8r o i 部分系数个数不变而b g 部分系数逐渐增加的重构图像5 6 图5 9 图像变换之后进行分割的r o i 编码算法流程5 8 图5 1 0t e s t 2 原始图像和进行三层小波分解后的图像。5 8 图5 1 1 选取不同数目的小波系数重构得到的r o i 部分图像5 9 图5 1 2 忽略不同层次的高频b g 信息的重构图像6 0 表3 1l e n a 图像小波变换数据统计结果2 0 表3 2 典型压缩的比特率。2 8 表3 3 尺度评分法等级量表2 9 表4 1l e n a 图像采用不同分解层数在不同码率下的峰值信噪比4 0 表4 2t e s t l 图像的两种算法在不同解码率下各个部分的峰值信噪比4 4 表4 3t e s t 2 图像的两种算法在不同解码率下各个部分的峰值信噪比4 5 表4 4t e s t 3 图像的两种算法在不同解码率下各个部分的峰值信噪比4 5 表5 1 选取不同百分比的系数重构得到的图像各部分的峰值信噪比和均方误差5 6 南京航空航天大学硕士学位论文 第一章绪论 1 1 研究背景 作为空中机器人的无人驾驶飞机，在军事上可用于侦察、监视等，在民用上可用于大地测 量、遥感等，即希望能获得高分辨率、能描述物体几何形状的二维或三维图像。随着现代数码 图像技术的迅速发展，航空摄像机性能、摄影图像分辨率得到了大幅度的提高，这些摄像机投 入运用的结果将使无人机侦察图像的数据量和计算机处理运算量大幅度增加。通常情况下，图 像数据的计算量和机器耗费的时间随原始数据的大小呈线性增长直接存储和传输如此庞大的 数据，要消耗巨大的磁盘空间和传输带宽，还会极大地增加处理器的负担，使通信成本大大增 加，有些情况下甚至使得通信根本无法实现，因此图像数据高速传输已经成为制约无人机应用 的“瓶颈”。虽然人们可以通过生产高速c p u 、海量存储器，以及建立高速宽带通信网络来解决 这些问题，但是从现阶段来看还是远远不够的。因而无人机侦察图像的大量数据必须经过压缩 才能适应传输和存储的需求。对无人机侦察图像进行压缩处理具有以下几个方面的优点【l 】： l 、更快地传输图像信号，降低信道占有率一时间域的压缩； 2 、有助于实现现有通信线路上开通更多的并行业务一频率域的压缩： 3 、降低发射机的功率能量域的压缩； 4 、紧缩图像数据存储容量，降低存储费用空问域的压缩。 图像压缩技术在无人机技术研究中越来越受到重视，它将在国防系统中发挥越来越重要的 作用。 由于无人机飞行高度较高，速度快，机载传感器视场角较大，所以无人机侦察图像中目标 像素小且数量大，帧内相关性即空间相关性较普通图像差，帧间相关性即时间相关性也不强。 而无人机侦察机的主要任务是实时获取情报信息，所以对恢复后的侦察目标区域的图像质量要 求也高。当今侦察图像的分辨率和信息量不断提高，并且要求实时传输和实时显示，同时还要 求侦察目标失真小好判读，这样就对侦察图像的压缩提出了很高的要求，为解决好实时传输和 侦察目标失真度小这对矛盾，对侦察图像运用基于感兴趣区域的压缩算法是非常合适的 1 2 研究现状 随着通信技术和计算机技术的发展，图像信息已经成为通信和计算机系统的一种重要的处 理对象。在存储和传输中，图像信息需要大的存储容量和宽的传输信道，尤其是在需要实现大 规模图像数据库或传输高分辨率实时图像序列的场合，以现在的技术，仍然难以满足原始数字 图像存储和传输的需要。对图像数据的压缩成为技术进步的迫切需要，基于这种需求图像压 l 基于感兴趣区域的无人机侦察图像压缩算法研究 缩技术成为近几十年来非常活跃的一个研究领域，并在商业上取得了极大的成功。 从信息论角度2 1 ，图像信源的数据信息除了有效信息外，还包含了大量的冗余信息【3 l ，这 些信息是图像压缩编码的基础。一幅图像主要包含空间冗余、时间冗余、信息熵冗余、结构冗 余、知识冗余、视觉冗余等形式的冗余信息，图像压缩都是根据这些冗余信息的类型和特点以 及人类的视觉特性选择适合的压缩编码算法以尽量少的比特数表示和重建原始图像的，以此减 少数据总量、缩小信号空间，以达到压缩图像数据的目的。 图像压缩的基本理论起源于2 0 世纪4 0 年代末的香农信息理论，从该理论出发，以压缩过 程中是否减少了熵，压缩后的文件能否精确恢复原文件为界，图像数据压缩一般分为无损压缩 和有损压缩两类。 无损压缩的目标就是尽量去除原图像数据中的冗余部分，使得表示原图像样本所需的位数 减少而不丢失其中的任何信息。在解压缩时，被去除的冗余信息重新插入到数据中，从而使恢 复后的图像数据与压缩前完全一致。无损数据压缩算法可分为两大类：基于字典的技术和基于 统计的方法。基于字典的技术生成的文件包含的是定长码，每个码代表源文件中数据的一个特 定序列。基于字典技术的典型的无损压缩有行程编码、l z w 编码等。基于统计的方法通过用较 短代码代表频繁出现的字符，用较长代码代表不长出现的字符，从而实现数据的压缩。经典的 统计编码方法有：h u f f m a n 编码、f a n o s h a n n o n 编码、算术编码等。虽然无损压缩不会引入失 真，但由于无损压缩的最小数据量以其信息熵为下限，因而压缩数据量有限，压缩比不会太大， 一般在2 3 倍左右，难以满足大多数图像存储和传输的需要，所以人们开始了对有损压缩的广 泛研究。 有损压缩在压缩过程中用容易被压缩的近似数据代替原始数据，允许压缩过程中损失一定 的信息熵，来获得比无损压缩高得多的压缩比。在图像重建后，图像数据与原始数据不完全相 等，有一定的失真，所以有损压缩又称为不可逆压缩。但为了确保还原后的数据基本能保持原 数据的特征，这种丢弃部分信息造成的失真，应限制在某个规定的范围之内。有损压缩方法主 要应用于数字电视技术和静止图像通信方面。 有损压缩包括预测编码、变换编码、量化编码、信息熵编码等，其中变换编码【4 】己被应用 形成了各种图像压缩标准。交换编码方法实现数据压缩的数学本质在于通过坐标系的旋转变换， 产生能量集中的效果，即把分散在各个坐标轴上的原始数据，在新的适当的坐标系中集中到少 数坐标轴上，这就使得我们有可能用较少的编码比特数来表示。变换编码通常至少包含三步处 理：变换，量化和编码，在图像数据压缩中，变换编码将时域( 空间域) 图像变换到系数域( 频 率域) 上进行处理。变换编码可去除空伺域相邻像素的相关性在空间域具有强相关性的信号， 反映到频域上是在某些特定的区域中能量集中，再选用适当的量化编码方法，达到压缩的效果 常用的变换有k l 变换、离散傅立叶变换、离散余弦变换、离散正弦变换以及小波变换等 2 南京航空航天大学硕士学位论文 传统应用于无人机侦察图像的编码方法主要包括无损熵编码、d p c m 方法和基于d o r 变换的 j p e g 压缩算法但是它们都存在着一定的局限性，比如，无损熵编码和d p c m 的压缩效率都不 高，压缩比徘徊在1 和3 之间；而基于d c t 变换的3 p e g 方法在高压缩比的情况下，量化失真 较大，会导致明显的视觉误差，产生严重的方块效应和边缘g i b b s 效应，无法满足实际应用的 需求。 基于小波变换的压缩技术是一种现代的变换编码技术，对图像进行进行小波变换能使图像 数据在变换域上最大限度的不相关，能有效地消除图像数据空间的相关性。图像经小波变换后 被划分为多个高频带数据和一个低频带数据，具有良好的时域和频域局部化特性。虽然图像变 换本身不带来压缩，但由于变换系数的良好性质，只要采用适当的量化和编码就可以有效的对 图像进行压缩。同时，由于小波具有多分辨率特性，基于小波变换的压缩技术具有根据不同领 域、不同应用场合、不同图像质量与分辨率的需要进行压缩和解压缩的能力。这在无人机侦察 图像的处理中具有非常重要的意义。 2 0 0 0 年颁布的j p e g 2 0 0 0 图像压缩标准【5 6 l ，采用小波变换作为主要技术，不仅在压缩率上 比以d o r 变换为主要技术的j p e g 标准有很大提高，还提供了感兴趣区域压缩的新特征，使得我 们可以根据图像各部分的重要性来对图像各部分进行不同压缩率的压缩，从而获得更好的用户 体验。 1 3 本文的主要研究工作 本文主要工作是研究基于感兴趣区域的无人机侦察图像的压缩处理，文章的主要内容安捧 如下： 第一章是绪论部分，主要介绍了论文的研究背景和研究现状，概述了论文的主要研究工作。 第二章介绍了小波交换技术的基本理论知识，首先分析了小波变换来源于傅里叶变换的不 足，接着介绍了连续小波变换和离散小波变换的基本原理，然后介绍了多分辨分析和小波分解 和重构的快速算法：m a l l a t 算法，最后探讨了第二代小波变换提升小波变换的背景和原理 及其优点，并将提升小波变换运用于本文的图像压缩编码中。 第三章主要研究了基于小波变换的图像压缩编码算法。首先通过实验统计分析了图像分解 后的小波系数的特点，接着介绍了嵌入式编码的思想，深入研究了两种基于零树的编码算法 e z w 算法和s p i h t 算法的编解码过程，并对两种算法进行了比较分析，最后介绍了评价 图像压缩技术性能的指标 第四章首先介绍了j p e g 2 0 0 0 中的两种基于比特面偏移的r o i 编码算法，对这两种算法的 优缺点进行了分析比较并提出了改进的基于比特面偏移的r o i 编码算法，该算法不仅允许用户 在一幅图像中指定任意形状的区域建立掩模，还能灵活调节r o i 和b g 的重构图像的相对质量； 3 基于感兴趣区域的无人机侦察图像压缩算法研究 接着在研究了j p e g 2 0 0 0 中r o i 掩模的生成技术后，本文采用了较为简便的r o i 掩模生成技术； 然后介绍了改进的r o i 图像压缩编码方案的主要处理步骤，并在实现过程中根据比特面偏移后 的图像小波系数特点提出了改进的s p i h t 编码算法；最后进行了实验仿真，给出了结果和分析。 第五章首先介绍了几种简单的基于小波变换的压缩方法，并进行了仿真，接着提出了两种 不用进行比特面偏移的r o i 编码算法：在小波变换前进行图像分割的r o i 编码算法和在小波变 换后进行图像分割的r o i 编码算法，并进行了仿真实验和结果分析。 第六章是对全文工作的总结。 4 南京航空航天大学硕士学位论文 第二章小波变换理论 2 1 引言 小波的基本概念是1 9 8 4 年由法国地球物理学家j m o r l e t 在分析地震波的局部性时提出的。 信号处理领域是小波变换应用最早和应用最广泛的领域之一小波分析是一个新的数学分支， 它的发展来源于傅立叶分析的不足【7 - 引 傅立叶变换是一种互逆的变换，它把在两个方向上都无限伸展的正弦曲线波作为正交基函 数，把周期函数展开成傅立叶级数，把非周期函数展开成傅立叶积分，利用傅立叶变换对函数 作频谱分析，反映了整个信号的时间频谱特性，较好地揭示了平稳信号的特征。傅立叶变换的 定义如下： 若厂o ) 在空间r ( o 2 石) 上满足： r 石) 陋 1 ，平移步长6 0 0 ，取a = b = u , o a o ，这 样，连续小波可写成对应的离散小波： 8 南京航空航天大学硕士学位论文 一l 1 f ，i ( z ) = a o7 2 y ( 口i z 一尼) ，k z ( 2 1 1 ) 这里z 表示全部整数的集合。最典型的将口o ，6 0 的值取作口。篁2 ，6 0 = l 则得到的离散小波变为： y ，。t ( 力= 27 2 y ( 2 x - k )j ，k z ( 2 1 2 ) 这种离散化小波被称为二进小波。 定义2 4 ：对信号f ( x ) r 似) 做变换 w ( j ，七) = ( 厂，。) = 口。一亡f ( x ) y ( a o - y 工一蛾进j , k z ( 2 1 3 ) 称为离散小波变换p w d j 州，其中竹i ( x ) 定义如( 2 1 2 ) 式为了能够重构信号厂( 曲， 要求 吩 ) ， e z 是口( 尺) 的鼬e s z 定义2 5 ：函数y 口俾) ， 。t ) 似e z 在下述意义上是一个鼬e s z 基： 妙f ，i ，j , k z 的线性张成在r ( r ) 中是稠密的，并且存在正常数a 与b ，使 舶玑5 睦勤叫旺 亿 对所有二重双无限平方可和序列 勺。) 成立，即对于脏勺 ) i l 二= 芝。妻l 巳 1 2 - - t ，且c ( f ，_ ，) o ，则称节点( f ，j ) 是负的显著系数节点，编码为 n e g ； c ( i ，) i 丁，同时( f ，) 的子孙节点均为非显著节点，则节点( f ，) 称为“零树根”，编 码为“z r ； 4 、i c ( i ，j f ) l t ，但是o ，j ) 的子孙节点中存在显著节点，则节点o ，) 称为“孤零”，编码为 “i z ”。 对于一个“零树根”节点，它的后代将在扫描时自动跳过，不参与编码，因此节省了编码比 特。对于大多数自然图像，特别是当阈值t 较高时，零树预测成功率很高。但是当阈值t 较低 时，零树预测的成功率会下降，编码效率因而降低。如果零树预测失败，节点就编码为“孤零”， 这种情况越多，越不利于压缩编码。 第三，e z w 定义了渐进式量化策略，采用分层量化编码的方法。首先从一个最大的量化阈 值丁= 2 k “开始4 刍j 2 t - m s b - s t ，向上偏移墨个位平面； 如果o b b 最，则向下偏移& 个位平面。 改进算法中墨、最的确定需要根据不同的图像质量要求、不同的应用场景等来确定。在 低解码率时，如果对r o i 和b g 的图像质量都有所要求，s 就不宜选取过大，如果仅对r o i 有所要求，则s 就可以选取的大一些。在确定了s 后，调整& 可以进一步调节r o i 和b g 重 构图像质量的对比度，非常灵活。 4 3r o i 掩模生成技术 实现r o i 系数位平面偏移的的一个关键技术是如何生成掩模( m a s k ) 。r o i 在源图像上，经 过小波变换后r o i 信息就会分散到变换系数中去，掩模就是为了指明哪些变换系数与r o i 信息 有关。掩模用一个位平面m o ，j ，) 表示，l 表示需要这个位置上的系数，o 表示不需要，即： 讹加 嬲：篙 他- ) j p e g 2 0 0 0 标准中是通过跟踪逆变换来导出掩模的，称为回溯法【蚓回溯法是和小波变换 的具体实现过程联系较大的一种方法。对编码器来说，它是知道感兴趣区域所在的位置的，然 而要找到变换后的r o i 系数就必须考虑解码器是如何工作的。在小波逆变换的最后一步是将两 个子带合成一个，回溯这一过程，就能找到这两个子带中哪些系数和感兴趣区域像素有关再 上一步过程，是把4 个子带合成2 个子带的过程，同样回溯这一步，就找到了这4 个子带中的 重要系数。回溯所有的步骤，就可以得到掩模：回溯法和具体使用的小波滤波器类型有关，例 如对于d 5 3 和d 9 7 小波，重构一个系数所需的低通系数和高通系数如图4 3 所示【4 5 】 3 3 基于感兴趣区域的无人机侦察图像压缩算法研究 l o w ( a ) ( 5 ，3 ) 小波逆变换系数合成关系 i n 2n - l n n + ln + 2 n - 3 n - 2n 1n n + in + 2时3 2 n 2 n + l ( b ) ( 9 ，7 ) 小波逆变换系数合成关系 图4 3 两种小波重构单个系数所需的低通系数和高通系数 由图4 3 ( a ) 可见，重构一个系数x 2 n 需要一个低通系数和2 个高通系数，重构x 2 n + 1 需 要2 个低通系数和3 个高通系数。同样由图4 3 ( b ) 可见，d 9 7 小波如果要重构一个系数x 2 n 需要3 个低通系数和4 个高通系数，重构x 2 n + 1 需要4 个低通系数和5 个高通系数。 这种方法是根据小波滤波器的结果来推出r o i 系数的，因而与小波滤波器的具体类型有关。 它能保证准确的找到所有与r o i 有关的系数，但是在滤波器比较复杂的时候，比如d 1 3 l l 小 波，该方法得到的掩模会比较大，这样需要优先编码的系数将比较多，编码效率会受到一定的 影响。事实上，与r o i 有关的小波系数的重要程度是不同的，有的r o i 系数在逆变换时可能只 有用到1 次，相对于用