（电力系统及其自动化专业论文）稀疏分解在交通图像压缩中的应用.pdf

西南交通大学硕士研究生学位论文第1 i 页 应，主观效果更好。 本文工作得到国家自然科学基金资助项目( 6 0 7 0 2 0 2 6 ) ，四川省青年科技基金资助 项 j ( 0 9 z q 0 2 6 0 4 0 ) ，西华大学信号与信息处理省级重点实验室开放研究基金( s z j j 2 0 0 9 0 0 0 3 ) 和水路公路交通安全与装备教育部工程研究中心开放基：金( w h u t e r c t s 2 0 0 9 a 0 1 ) 共同资助。 算法 关键词：交通图像压缩；冗余字典；稀疏分解；交通图像特点；多级树集合分裂 西南交通大学硕士研究生学位论文 第lii 页 a b s t r a c t w 弛t h e r a p i dd e v e l o p m e n to f e c o n o m i cc o n s t r u c t i o n ，t h eu r b a nt r a f f i cp r o b l e mi sg e t t i n g m o r ea n dm o r es e r i o u s ，a n dt h em o d e r nm a n a g e m e n ti sa l lu r g e n tn e e dt o m a n a g et h e t r a n s p o r t a t i o n t h e r e f o r ei n t e l l i g e n tt r a f f i cs y s t e mi ss t u d i e d i ni n t e l l i g e n tt r a f f i cs y s t e m ， i m a g ei n f o r m a t i o na si m p o r t a n ti n f o r m a t i o nh a sb e e na l w a y sc o l l e c t e da n du s e db e c a u s ei ti s i n t u i t i v ea n dr i c hi nc o n t e n t h o w e v e r , i th a sa l r e a d yb e c o m eo n eo ft h em a j o rf a c t o r so f b l o c k i n gi n t e l l i g e n tt r a f f i cs y s t e mf r o ma p p l i c a t i o ne x t e n s i v e ，b e c a u s e i tc a n tm e e tt h e r e q u i r e m e n to f r e a l - t i m et r a n s m i s s i o ni nt h el a r g ea n dh i g h - q u a l i t yt r a f f i ci m a g e i nt h er e c e n ty e a r s ，s p a r s ed e c o m p o s i t i o nb e c o m e sv e r yp o p u l a ri nt h es t u d yo fi m a g e p r o c e s s i n g i ti so n ek i n do fn o n o r t h o g o n a ld e c o m p o s i t i o n ，d e c o m p o s et h ei m a g eo nt h e o v e r - c o m p l e t ed i c t i o n a r y t h ed e c o m p o s i t i o nr e s u l ti sv e r yc o n c i s e b e c a u s ei tc a nt r a n s o f o m a ni m a g ei n t oas p a r ef o r m a t i o n ，i th a sb e c o m ean e ww a yo fs o l v i n gt h ei m a g ec o m p r e s s i o ni n l o wb i tr a t e i no r d e rt os o l v et h ei m a g ec o m p r e s s i o ni ni n t e l l i g e n tt r a f f i cs y s t e m ，t h ep a p e ri n t r o d u c e s s p a r s ed e c o m p o s i t i o n , a n da c c o r d i n gt oc h a r a c t e r i s t i c so ft h et r a f f i ci m a g e ，f o c u s e so nt h e t r a f f i ci m a g ec o m p r e s s i o ni s s u e s f i r s t ，t h ea r t i c l es t u d yt h es i m i l a rc h a r a c t e r i s t i c so ft h et r a f f i c i m a g eb a c k g r o u n da n dl o c a l ，t h e nc a r r yo nt h es p a r s ed e c o m p o s i t i o nt ot h et r a f f i ci m a g e ，a tl a s t t h ed i s t r i b u t i o no ft h et r a f f i ci m a g e s p a r s ed e c o m p o s i t i o nr e s u l ti sa n a l y z e da n di m a g ec o d i n g s c h e m ei sp r o p o s e d t h em a i nw o r ka n dr e s e a r c ha r ea sf o l l o w s 1 1 1 1 ep r i n c i p l eo fi m a g es p a r s ed e c o m p o s i t i o na n di m a g es p a r s er e p r e s e n t a t i o na r e i n t r o d u c e d t ot h el a r g ec o m p u t a t i o no fi m a g es p a r s ed e c o m p o s i t i o n ，f a s ta l g o r i t h mb a s e do n p a r t i c l es w a r ma l g o r i t h m ( p s o ) i su s e d 2 t 0t h e d i s a d v a n t a g e so fs o r t i n g d i f f e r e n c e a l g o r i t h m b a c k g r o u n d d i f f e r e n c e c o m p r e s s i o na l g o r i t h mo ft h et r a f f i ci m a g ei sp r o p o s e d a c c o r d i n gt ot h es i m i l a rc h a r a c t e r i s t i c s o ft h et r a f f i ci m a g eb a c k g r o u n d , t h et r a f f i ci m a g ei sp r e t r e a t e db yb a c k g r o u n dd i f f e r e n c e c o m p r e s s i o na l g o r i t h m ，a n dt h e ni ss p a r s e l yd e c o m p o s e d a tl a s t , a ni m a g ec o d i n gs c h e m ei s p r o p o s e db a s e dt h ei m a g e ss p a r s ed e c o m p o s i t i o nr e s u l t s e x p e r i m e n t ss h o wt h a t t h e i n t r o d u c e dm e t h o dc a nr e l e a s eb a c k g r o u n di n f o r m a t i o nr e d u n d a n c yo ft h et r a f f i ci m a g e c o m p a r e dw i t ht h es e q u e n c ed i f f e r e n c ea l g o r i t h m ，t h ea l g o r i t h mi m p r o v e sn o to n l yt h ep s n r o fd e c o d e di m a g e , b u ta l s oi m p r o v e ss u b j e c t i v ei m a g eq u a l i t yu n d e rt h es a m ec o m p r e s s i o n r a t i o 3 t oe n h a n c et h et r a f f i ci m a g ec o m p r e s s i o ne f f e c t , an o v e lf o r e c a s ta n dq u a n t i z a t i o no f a t o m i cp a r a m e t e r sb a s e do nt r a f f i c i m a g ec o m p r e s s i o ni sp r o p o s e d f i r s t , a f t e rs p a r s e 西南交通大学硕士研究生学位论文第l v 页 d e c o m p o s i t i o ne v e r yt i m e ，a t o m i cp a r a m e t e r s a r e f o r e c a s t e d a c c o r d i n gt o t h es i m i l a r c h a r a c t e r i s t i co ft r a f f i ci m a g e t h ed i s t r i b u t i o no ft h ea t o m i cp a r a m e t e r so fq u a n t i z a t i o ne r r o r i sa n a l y z e d , ac o d i n gs e h e m ei sp r o p o s e db a s e do nt h ea t o m i cp a r a m e t e r so f q u a n t i z a f i o ne t r o r t h ee x p e r i m e n t a lr e s u l t ss h o wt h a tt h ea l g o r i t h me f f e c t i v e l yr e d u c e st h ec o d er e d u n d a n c yo f t h ea t o mp a r a m e t e r s c o m p a r e s 、析mt h es o r t i n gd i f f e r e n c ea l g o r i t h ma n dt h eb a c k g r o u n d d i f f e r e n c ec o m p r e s s i o na l g o r i t h mo ft h et r a f f i ci m a g e ，t h ea l g o r i t h mi m p r o v e sn o to n l yt h e p s n ro fd e c o d e di m a g e ，b u ta l s o i m p r o v e ss u b j e c t i v ei m a g eq u a l i t yu n d e rt h es a m e c o m p r e s s i o nr a t i o 4 i no r d e rt oe f f e c t i v e l yd e s c r i b et h et r a f f i ci m a g e s al a y e r e dc o m p r e s s i o na l g o r i t h m b a s e do nt h et r a f f i ci m a g e si sp r o p o s e d t h ea l g o r i t h mi n t r o d u c e st h o u g h t 诵ml a y e r si n t ot h e s p a r s er e p r e s e n t a t i o na n dc o d i n gp r o c e s so ft h et r a f f i ci m a g e a c c o r d i n gt ot h es i m i l a r c h a r a c t e r i s t i co ft h et r a f f i ci m a g e ，t h ea t o m i cd i c t i o n a r yo ft h ea l g o r i t h mi sc o n s t r u c t e db yt h e d e c o m p o s e dt r a f f i ci m a g e s ，a n dr e p l a c et h eo v e r - c o m p l e t ed i c t i o n a r y t h et r a f f i ci m a g ei s s p a r s e l yd e c o m p o s i t i o nb yt h eg r e e d ya l g o r i t h m t h er e s i d u a li m a g ei sc o d e db yt h es e t p a r t i t i o ni nh i e r a r c h i c a lt r e e s t h ee x p e r i m e n t a lr e s u l t ss h o wt h a tc o m p a r e d 、历mt h ef o r e c a s t a n dq u a n t i z a t i o no f a t o m i cp a r a m e t e r sb a s e do nt r a f f i ci m a g ec o m p r e s s i o n , t h es e tp a r t i t i o ni n h i e r a r c h i c a lt r e e sa n dj p e gt h ea l g o r i t h mi m p r o v e sn o to n l yt h ep s n ro fd e c o d e di m a g e ，b u t a l s on ob l o c k i n ga r t i f a c t sa n di m p r o v e ss u b j e c t i v ei m a g eq u a l i t yu n d e rt h es a m ec o m p r e s s i o n r a t i o t h ep a p e rw a ss u p p o r t e db yt h en a t i o n a l n a t u r a ls c i e n c ef o u n d a t i o n o fc h i n a ( 6 0 7 0 2 0 2 6 ) ，t h e s c i e n t i f i ca n dt e c h n o l o g i c a lf u n d sf o ry o u n gs c i e n t i s t so fs i c h u a n ( 0 9 z q 0 2 6 - 0 4 0 ) ，t h eo p e nr e s e a r c hf u n do fk e yl a b o r a t o r yo fs i g n a la n di n f o r m a t i o n p r o c e s s i n g ，x i h u au n i v e r s i t y ( s z j j 2 0 0 9 - 0 0 3 ) a n dt h eo p e nf o u n d a t i o no fe n g i n e e r i n g r e s e a r c hc e n t r eo ft r a n s p o r t a t i o ns a f e t yo ft h e m i n i s t r y o fe d u c a t i o no fc h i n a ( w h u t e r c t s 2 0 0 9 a 0 1 ) k e yw o r d s ：t r a f f i ci m a g ec o m p r e s s i o n ；r e d u n d a n td i c t i o n a r y ；s p a r s ed e c o m p o s i t i o n ； c h a r a c t e r i s t i c so f t r a f f i ci m a g e s ；t h es e tp a r t i t i o ni nh i e r a r c h i c a lt r e e sa l g o r i t h m ； 西南交通大学 学位论文版权使用授权书 本学位论文作者完全了解学校有关保留、使用学位论文的规定，同意学校保留并向 国家有关部门或机构送交论文的复印件和电子版，允许论文被查阅和借阅。本人授权西 南交通大学可以将本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、 缩印或扫描等复印手段保存和汇编本学位论文。 本学位论文属于 1 保密口，在年解密后适用本授权书： 2 不保蔷囹磕用本授权书。 ( 请在以上方框内打“v ”) 学位论文作者签名：工厌指导老师繇弛蔼 日期：勿j 护s 、s 秒日期a 夕莎d 。j _ 弓。 诲 西南交通大学硕士学位论文主要工作( 贡献) 声明 本人在学位论文中所做的主要工作或贡献如下： 1 将稀疏分解引入到交通图像压缩中，探讨在低比特率条件下的交通图像压缩算 法，提高解码图像质量。 2 根据交通图像特点，给出了基于背景差分的交通图像压缩算法、基于原子参数预 测和量化的交通图像压缩算法和交通图像分层压缩算法，并将其用到交通图像压缩中， 解决智能交通系统中的图像压缩问题。 本人郑重声明：所呈交的学位论文，是在导师指导下独立进行研究工作所得的成果。 除文中已经注明引用的内容外，本论文不包含任何其他个人或集体已经发表或撰写过的 研究成果。对本文的研究做出贡献的个人和集体，均己在文中作了明确说明。本人完全 了解违反上述声明所引起的一切法律责任将由本人承担。 学位论文作者签名：王j 灰 日期：加炽s 、；o 西南交通大学硕士研究生学位论文第1 页 第1 章绪论 1 1 引言 本章首先介绍了智能交通系统对现代交通的重要性，以及图像压缩在智能交通系统 的重要性，并分析了传统图像压缩方法的缺陷，在此基础上，引出了本文的研究问题， 即基于稀疏分解的交通图像压缩的研究，并阐述了该课题研究的意义。然后详细阐述和 分析国内外关于在低比特率下图像稀疏分解在交通图像处理中的研究现状，引出本文的 研究背景和思路，最后介绍本文主要工作和论文的结构安排。 1 2 论文的提出及研究意义 在这个科学技术和世界经济飞速发展的时代，车辆迅速增加，交通系统的空前发达 是必然的，也是经济持续稳定发展的基础。交通运输在经济和社会发展中起着举足轻重 的作用【l 】。随着交通需求急剧增长，道路交通安全事故率也不断上升，对人民的生命财 产安全构成了巨大威胁，逐步制约全球经济和社会发展的共同问题。针对日益严峻的交 通形势，人们需要依靠除限制需求和提供道路设施之外的其它方法来满足日益增长的交 通需求，为此于2 0 世纪9 0 年代初提出了智能交通系统( i n t e l l i g e n tt r a f f i cs y s t e m ，简称 i t s ) f f 撇 2 5 1 。i t s 有两方面的含义，一是智能技术，另一个是交通技术，核心是智能 技术，而智能技术又是源于电子、通信、计算机、人工智能等现今的技术手段。并借助 这些技术手段，提供交通道路的全方位信息，从而科学的管理，及时防范交通隐患，促 进交通管理和城市安全的现代化。 交通信息采集是智能交通系统中最基础和最关键的技术，也是实现智能交通系统的 基本前提。但交通信息采集需要可靠的，高质量的进行交通图像信息的实时传送【6 】。其 中，最首要的问题是数据量太大，无论是进入计算机处理、还是保存图像数据都非常困 难，尤其是图像传输。没有高性能图像处理器，在现有相关产业( 如无线视频通信) 技术 瓶颈下，不可能对大量交通图像信息进行实时传输，那么智能交通系统，只能是纸上谈 兵，可望而不可及的【丌。所以高效的图像压缩编码算法研究对于当今智能交通交通系统 来说非常重要【8 j 。 静止图像压缩效果 9 - 1 0 】由三方面决定，即：图像变换，系数量化和编码。其中最关 键的环节是图像变换。而传统的图像压缩方法大都基于正交变换，比如：基于离散余弦 变换( d i s c r e t ec o s i n et r a n s f o r m ，简称d c t ) 的j p e g 压缩标型1 1 】，基于离散小波变换 ( d i s e r e t ew a v e l e tt r a n s f o r m ，简称d w t ) 的j p e g 2 0 0 0 压缩标准f 1 2 - 1 3 】等。这些图像压缩方 法将图像从空间域转换到变换域，然后对其量化、编码从而达到压缩的目的。在比特率 较高时，取得了良好的压缩效果，重建图像质量优良，因而广泛应用于许多领域。然而， 西南交通大学硕士研究生学位论文 第2 页 传统的图像变换方法对图像的表示不够准确，随着比特率的降低，重建图像质量急剧下 降，不能满足在低比特率条件下图像压缩的要求。因此，需要发展一种新的图像变换方 法，来较理想的实现图像在低比特率下的图像压缩。 近年来兴起的图像稀疏分解在图像压缩领域中逐渐引起关注【悼”】。该方法是一种自 适应的图像分解与表示方法，与传统的正交分解方法不同，图像稀疏分解将图像分解到 一个过完备的原子库上，用原子库中少量的原子近似表示一幅图像，从而得到图像的一 个稀疏表示。由于图像稀疏分解非常简洁，非常符合人眼的视觉特性，在相同的峰值信 噪比下，稀疏分解表示的图像比正交分解表示的图像具有更好的主观视觉效果。由于图 像稀疏分解的优良特性使其在图像压缩领域中有广泛的应用前景。 目前，仅有很少的文献把稀疏分解的方法应用到交通图像压缩领域。为了解决在低 比特率条件下交通图像压缩问题，本文以静止的交通图像为研究对象，对近些年逐渐兴 起的图像稀疏分解方法进行研究，并将图像稀疏分解应用到交通图像压缩领域，同时根 据交通图像特点，对基于稀疏分解的交通图像压缩算法进行研究，为智能交通系统的图 像数据压缩和传输提供新视角。 1 3 国内外研究现状分析 随着技术的不断进步，许多图像压缩方法被提出，这些图像压缩方法在各个领域得 到了广泛应用。然而，传统的图像压缩方法大都基于正交变换，在比特率较高时，取得 了良好的压缩效果。与此同时，i s o i e c ( 国际标准化组织，简称i s o ，国际电工委员， 简称i e c ) 和国际电报联盟( i n t e r n a t i o n a lt e l e g r a p hu n i o n ，简称i t u ) 等几大标准组织 先后制定了一系列静止【1 2 彤】和视频图像编码的国际标准 1 6 - 1 8 】，使得图像压缩在各个领域 得到了很大的发展。但基于正交变换的图像压缩方法在低比特率条件下的解码图像质量 差。比如：j p e g 压缩标准在0 2 b p p 以下会出现方块效应，基于小波变换的j p e g 2 0 0 0 压缩标准在低比特率条件下会出现蚊式噪声。 为了实现对信号更加灵活，简洁和自适应的表示，于1 9 9 3 年，m a l l a t 和z h a n g 提出 了信号在过完备原子库( o v e r - c o m p l e t ed e c t i o n 训上分解的思烈1 4 1 9 。通过在过完备原子 库上对信号进行分解，得到一个简洁的信号表达形式，即信号稀疏表示。由于信号稀疏 表示的优良特性，它已经被应用到信号处理的许多方面。1 9 9 4 年，m a i l a t 等人提出了匹 配追踪算法【2 0 l ( m a t c h i n gp u r s u i t ，简称m e ) ，成功的把一维信号的稀疏表示推广到二维信 号的图像表示研究上，实现了图像的稀疏分解。1 9 9 6 年，( ( n a t u r e ) ) 等著名刊物发表了在 生物视觉的初级过程中找到这种“过完备稀疏”表达证据的文章【2 l - 2 2 ，从另一个侧面推 动了图像稀疏分解的研究进展。针对过完备原子库，为了更好地表示图像信息，已经提 出了非对称原子库 2 3 1 等，而新发展的r j d g e l e t 、b a n d e l e t 、c u r v e l e t 和c o n t o u r l e t 2 4 2 7 1 等也 都可以作为原子模型而形成原子库。针对图像稀疏分解过程，已经发展了多种算法，如 西南交通大学硕士研究生学位论文 第3 页 m p 算法、b p 算法、m o p 算法、b o b 算法等【1 4 , 1 5 , 2 8 - 3 0 】。从2 0 0 3 年开始国际图像处理年 会( i e e ei c i p ) 对图像稀疏分解的研究进展进行专题讨论【3 1 1 。其它国际著名刊物，比如 ( s i g n a lp r o c e s s i n g ) ) 也分别对图像稀疏分解算法以专刊的形式进行追踪报道。目前，图 像稀疏表示在图像压缩领域显示出了巨大潜力，在低比特率条件下，很多研究结果都优 于现有的图像压缩标准【3 2 1 。 在国内，对图像稀疏分解的研究相对较少，但近年对它的研究已近开始逐年增加 3 3 - 4 1 】。比较而言，关于信号稀疏分解的研究更多 4 2 掣】。而且于2 0 0 5 年，国家自然科学基 金资助了两项关于信号稀疏分解或信号稀疏表示的课题。为了使智能交通系统中的大量 图像信息能高效、实时的传输，解决在低比特率下的交通图像压缩问题，本文对交通图 像压缩问题进行研究是非常必要的。 1 4 论文的主要工作 论文围绕基于稀疏分解的交通图像压缩这一研究问题，概括了该算法的国内外研究 现状、图像的稀疏分解、图像稀疏分解的快速算法，以及排序差分压缩算法。并结合交 通图像特点，重点讨论了新的基于稀疏分解的交通图像压缩算法。论文的主要工作可概 括如下： ( 1 ) 研究图像稀疏分解的基本原理以及图像的稀疏表示，针对算法的不足，给出了 一种基于粒子群算法的图像稀疏分解快速算法。 ( 2 ) 给出了交通图像背景差分压缩算法。该算法首先对交通图像进行背景差分预处 理，然后再对交通图像进行稀疏分解。最后根据分解结果数据分布规律，设计编码方案。 通过仿真实验表明，该算法降低了交通图像背景信息冗余，与排序差分压缩算法相比， 在相同压缩比时，该算法获得的解压图像具有更好的主观视觉效果和更高的峰值信噪比。 ( 3 ) 给出了基于原子参数预测和量化的交通图像压缩算法。该算法首先根据交通图 像背景和局部相似特点，对原子参数进行预测，然后根据原子参数量化误差对重建图像 质量的影响规律，设计对原子参数预测误差的量化方案。通过仿真实验表明，该算法有 效减少了原子参数的编码冗余，提高了对交通图像的压缩性能。并把排序差分算法，交 通图像背景差分压缩算法，本章压缩算法和j p e g 压缩算法进行对比分析。实验结果表 明，在压缩比为1 0 ：1 左右时，j p e g 算法的压缩效果比排序差分算法和交通图像背景差 分压缩算法的压缩效果好，和本章压缩算法的压缩效果相当。 ( 4 ) 给出了交通图像分层压缩算法。该算法将分层思想引入到图像的稀疏表示和编 码过程中，根据交通图像局部和背景相似的特点，首先分解一批相同背景的交通图像， 以分解后的原子参数构建原子库，以构建原子库代替过完备库，采用贪心算法对交通图 像进行稀疏分解。对分解后的残差图像采用多级树集合分裂算法进行编码。仿真实验结 果表明，在低比特率下，该算法与j - p e g 、基于原子参数预测和量化的交通图像压缩算 西南交通大学硕士研究生学位论文第4 页 法，交通图像背景差分压缩算法，和s p h - i t 算法相比，在相同压缩比下，解压图像具有 更高的峰值信噪比，主观效果好。 1 5 论文的结构安排 全文内容共分5 章，论文的结构安排如下： 第l 章是绪论，主要阐明本文的研究背景和研究意义，分析国内外研究现状，以及 简述论文的主要工作和论文的结构。 第2 章详细介绍了图像稀疏分解的核心思想，图像的稀疏表示，针对图像稀疏分解 计算量大的问题，引出了基于粒子群算法的图像稀疏分解快速算法。 第3 章介绍了图像压缩效果评价标准，给出了排序差分编码算法和基于背景差分的 交通图像压缩算法。排序