基于RGB色彩模型相关模板的彩色人头图像编码LAST.doc

计算机应用与软件 Computer Applications and Software 基于RGB色彩模型相关模板的彩色人头图像编码摘要 基于彩色人头图像RGB色彩模型色彩分量之间的相关性，提出一种针对彩色人头图像压缩编码的方法。该方法将彩色人头图像的面部特征区域用一种快速且较精确的方法提取出来，对色彩分量G面部特征区域进行细致编码，而对面部特征以外的区域进行粗犷编码，结合在色彩分量R、B与 G之间建立的相关模板，实现对彩色人头图像的分级编码。实验结果表明该方法既能获得较满意的重构图像效果，又可大大提高编解码的效率和压缩比。关键词 特征区域提取；相关系数；相关模板；分级编码Color Head Image Compression Based on Correlation Template of RGB Color ModelChen YuTuo1 Han XuLi2 Yu YingLin3 Li Jianhong11 (School of Computer Science , Central South University of Forestry & Technology, Changsha 410004)2 (School of Mathematical Science and Computing Technology , Central South University, Changsha 410083 )3 ( Dept. of Electronic & Communication Engineering, South China Univ. of Tech. Guangzhu 510641)Abstract This paper presents a method specially for color head image compression coding using the correlation template between three color components. This method extracts the face feature region of a color head image by a quick and precise means. The face feature region of the color component G is coded finely, and the region outside the face feature region is coded roughly. Classified coding of the color head image is achieved by combining the established correlate template between three color components. The experimental results show that this method can not only obtain satisfactory effect of the reconstructed image but also improve the coding efficiency and the compression ratio. Keywords feature region extraction; correlate coefficient; correlate template; classified coding1 引言数字彩色人头图像在档案管理、身份识别、证件制作等系统中被愈来愈广泛地使用，而且有逐步取代数字灰度人头图像的趋势，对彩色人头图像的压缩编码研究意义重大。在相关文献中，虽然对静止灰度人头图像压缩编码有多种多样方法，但是对彩色人头图像的压缩编码，大都采取同一编码方法对三个色彩分量进行分别编码，如FC2VQ算法1等。实质上彩色人头图像的三个色彩分量之间存在密切的相关性，并具有很强的特性，它有别于普通的彩色图像。我们通过大量实验发现彩色人头图像的各个特征区域如背景、头发、脸、眼、鼻和嘴等，不仅同一幅彩色人头图像三个色彩分量之间存在密切的相关性，不同彩色人头图像之间这种相关性也紧密。对于标准化的彩色人头图像这种相关性更强。当我们把彩色人头图像各个特征区域提取出来，利用作者在文献2,3中提出的分析和计算每个特征区域三个色彩分量之间相关系数的方法，将一幅彩色人头图像在各个特征区域相关系数顺序组合得到相关模板。对同类人种（肤色、发色、眼色基本相同）的彩色人头图像进行灰度标准化后，我们发现求得它们的相关模板系数是非常接近的。对这些相关模板系数进行优化综合，得到一个可以作为它们的共同使用的相关模板，称之为公用模板。采用公用模板对同一类型彩色人头图像进行编码，将大大提高对人头图像库的编码效率。收稿日期:2008-09-18。国家自然科学基金项目(60372068)。陈宇拓，博士，教授，主研领域：图像图形处理、计算机辅助设计与制造。2 面部特征的提取提取彩色人头图像的面部特征区域是对其实现分级编码的前提，同时对图像的分析与识别也有着重要的意义。如公安机关的大型居民身份证人头图像数据库及认证识别系统，需要一个快速和准确的面部特征区域提取方法。在相关研究文献4-7 中，作者大都采用将RGB彩色空间的图像转换成灰度图像或其它色彩空间图像，然后对整幅图像使用单一的算法进行面部特征的提取，而不是针对人头图像不同区域特征采用相合适的算法，其运算量不可避免的大，提取面部特征的精度也难以达到满意的效果。作者在文献8提出了一种专门针对彩色人头图像面部特征区域的精确提取方法，该方法对彩色人头图像进行了必要的灰度标准化预处理和背景色彩一致化处理；针对彩色人头图像的结构特点，通过对二值图像的积分投影分析，同时对图像不同特征区域采用不同的面部特征边缘轮廓提取算法，以减少运算量和提高精度。提取的面部特征是包含眼睛、嘴、鼻、颧骨和面部皮肤的整个面部轮廓区域。图1是对部分具有代表性的彩色人头图像提取面部特征区域的结果，该方法对52 幅彩色人头图像的实验表明，速度快是该方法的主要特征，其中对94%的图像提取的面部特征能得到满意的效果。 M1 M2 W1 M3 W3 W5 M5 W4 图1 部分人头图像提取面部特征区域的结果3 彩色人头图像的编码3.1 相关模板的建立通过对文献8中纵向积分投影图相应的一维序列数组分析，很容易能够得到鼻梁的纵向位置，将其换算成相对面部特征区域过鼻梁水平线的位置记作，并用它将面部特征区域被分割成F1和F2上下两部分区域见图2（a）。对人头图像除去面部特征的剩余区域图像，直接从该图像纵向的中间将图像分割成B1和B2上下两部分见图2（b）。如此分割是因为上下部分存在较大的色彩与纹理差异，分割后能使区域内的色彩分量相关性更为密切。至此，人头图像面部特征区域及剩余区域共被分割成4个区域。 （a）色彩分量G面部特征区域图像 （b）F1区域二值图像 （c）F2区域二值图像 （d）色彩分量G剩余区域图像 （e）B1区域二值图像 （f）B2区域二值图像图2 特征区域及剩余区域的二值化与分割由于分割后的每个区域主要包含了两种区别较大的灰度，如F1区域的眼睛眉毛和皮肤，F2区域的嘴鼻和皮肤；为将它们分离开来，能够更有效和合理地利用区域内色彩分量的相关性，并降低构建相关模板的计算复杂度。我们将分割得到的4个区域进行二值化处理结果见图2（b，c，e，f），依据每个区域色彩分量G图像和其对应的二值图像，将每个区域色彩分量G的像素分为2组：某区域二值图像像素值为0的位置，所对应色彩分量G图像在同一位置的像素为第一组，如F1区域这一组像素主要是眼睛和眉毛部分，而F2区域这一组像素主要是嘴巴和鼻子部分；第二组则为色彩分量G图像中像素值非255的像素和其二值图像中像素值非0的位置对应的像素，如F1和F2区域的这组像素主要是皮肤部分。现以F1区域为例，来建立该区域色彩分量G与R之间相关模板。假设F1区域的二值图像用表示，该区域对应的R和G色彩分量的灰度图像分别用和表示。由文献3提供的算法可计算出该区域色彩分量G与R两组像素之间的相关系数。 第一组相关系数： （1） （2） 第二组相关系数： （3） （4）上述相关系数计算式中，i和j分别为像素在该区域的行列位置坐标，和分别为第一组和第二组的像素总数。这4个相关系数的组合就称为该区域色彩分量G与R之间的相关模板，4个区域的相关模板包含共计16个相关系数，它们的组合就构成了彩色人头图像色彩分量G与R之间的相关模板。同理我们可以建立起彩色人头图像色彩分量G与B的相关模板。这样彩色人头图像另两个色彩分量的编码，就只需对两个相关模板中共计32个相关系数，另加3个位置参量（，）的编码（其中和为提取的面部特征矩形区域的左边界X坐标和右左边界Y坐标）。我们对相关系数采用平均8位码字量化，可直接算出对彩色人头图像M1（图像尺寸为128174）色彩分量R与B编码后的压缩比为：。表1 给出对M1建立的相关模板系数和位置参数。图3是在没有对色彩分量G编码时，由此表中的数据和（色彩分量G）重构的色彩分量R与B图像的结果，PSNR为重构图像的峰值信噪比，图3（a）（d）中左为原图像右是重构图像，从图中看得出在如此大的压缩比前提下，重构的图像和信噪比是令人满意的。表1 彩色人头图像M1在4个区域块的相关模板区域G与R相关模板系数G与B相关模板系数F1F1-25.171.4770.080.8921.220.65-39.11F2F247.561.02366.920.9323.610.65-17.64B1B1-34.71.5150.90.4211.330.75-65.42B2B2-62.171.7131.30.51196.6-0.526-26.27位置参数=23=34=82 （a）色彩分量R与重构图像 PSNR=31.71 （b）色彩分量B与重构图像 PSNR=30.38 （c）色彩分量R与重构图像 PSNR=33.54 （d）色彩分量B与重构图像 PSNR=30.2 （e）重构的彩色图像（从左至右PSNR=33.32，32.76，33.16） （f） 原图像图3 由相关模板和色彩分量G重构的图像 由图3（e）和（f）的比较结果看得出，用相关模板编码重构的图像几乎不造成彩色人头图像的边缘轮廓失真、模糊性失真或块效应，只是重构的图像与原图像发生了轻微的色彩偏差，这非常有利于标准彩色人头图像库的编码及图像的识别与分析等处理。3.2 相关模板与色彩分量G的编解码对相关模板的编码，我们按照4个区域块的顺序，将相关模板系数及位置参数用7到9码字直接进行标量量化编码，在实验中平均采用的约为8码字。对色彩分量G的编码可采用JPEG2000或H264标准对静止图像编码等经典方法，实验中我们采用的是JPEG2000方法对其进行分级编码，第一级对去除面部特征的剩余图像的采取低信噪比的粗犷编码，第二级对面部特征区域图像进行高信噪比的细致编码。图像的解码是通过JPEG2000的逆变换分别得到重构色彩分量G的面部特征图像和剩余图像，按3.1节的方法将它们分解4个区域块图像，并作二值化处理。通过反量化得到重构的相关模板，然后按编码顺序从重构的相关模板读取每组相关模板的系数和位置参数。以重构F1区域色彩分量R图像为例，假设重构的色彩分量G的F1区域图像用表示，其二值图像用表示，该区域R与G的两组相关模板系数分别为和，则可由下式重构该区域的色彩分量： (5)重构各区域的色彩分量后，按位置参数合成得到色彩分量R的重构图像，色彩分量B的重构图像用同样的方法得到。最终由重构的R，G，B图像重构彩色人头图像。值得注意的是后重构的图像和其二值图像用，与编码前对应的图像是有差异的，因而解码时依据它们来对区域图像像素分组重构色彩分量，与编码时的分组是会有细微差异的，但实验表面这种差异的存在对编码结果的影响甚少。3.3 彩色人头图像公共相关模板的应用表2和3分别是图1中部分图像提取的F1和F2区域的相关模板，从表中可以看出各面部特征图像色彩分量之间的相关性是接近的，尤其是它们眼睛、眉毛、鼻子和嘴巴的相关系数相差很小。而皮肤部分的相关性则要差些，实质上面部特征相关模板系数的差异，主要是由于采集图像的环境光源不同和各人的皮肤本身存在差异造成的。我们把在表2和3中所列图像的相关模板系数的平均值作为它们的公共相关模板，然后用公共相关模板与它们相应的色彩分量G（G不编码）来重构它们彩色图像，结果见图4（c），相比它们采用各自相关模板编码结果见图4（b），虽然信噪比都有所下降，但图像的视觉效果并没有发生大的变化，只是采用公共模板编码结果它们的肤色更趋于雷同。如果身份证件照片图像采用同一的标准和规范采集，相关模板系数会更相近，得到的公共相关模板会更具通用性。可见对相近的面部特征采用公共相关模板进行编码是可行的，能大大提高编码效率的。表2 部分面部特征F1区域的相关模板图像面部特征F1区域相关模板第一组（眼睛眉毛）第二组（皮肤）R与G相关系数B与G相关系数R与G相关系数B与G相关系数M1-25.171.4721.220.6570.080.89-39.111.025W1-12.621.4181.1170.82787.440.82-33.91.052M2-38.321.5110.220.786116.80.625-10.350.844W3-31.41.4417.770.76118.90.595-60.11.19M5-30.651.4886.160.784116.10.62-14.190.876公用模板-27.631.46411.30.76101.80.71-31.530.997表3 部分面部特征F2区域的相关模板图像面部特征F2区域相关模板第一组（鼻子嘴巴）第二组（皮肤）R与G相关系数B与G相关系数R与G相关系数B与G相关系数M147.561.02323.610.6566.920.93-17.640.9W151.31.0566.1770.7455.70.954-42.121.122M260.650.9112.340.764109.20.683-12.350.870W3171.1528.120.68123.80.578-57.751.178M540.151.06823.110.641115.80.641-29.10.905公用模板43.331.04118.670.69594.280.757-31.790.995 M1 W1 M2 W3 M5 （a）面部特征原图像 32.76 33.272 32.588 32.292 32.08（b）用各自模板编码的重构图像和信噪比 31.89 31.16 31.22 30.13 30.07（c）用公共模板编码的重构图像和信噪比图4 面部特征图像采用各自相关模板和公共相关模板编码结果比较4 实验结果与分析本文的实验均在MATLAB系统中完成。表4是对M1图像色彩分量G不编码时，利用其相关模板重构的各区域色彩分量R和B的峰值信噪比。从图3（e）和（f）可以看得出，重构的彩色人头图像的信噪比和视觉效果是令人满意的，此时对色彩分量R和B的压缩比都超过了1200多倍。表4 利用相关模板重构M1图像各区域色彩分量R和B的峰值信噪比（PSNR）重构色彩分量F1区域F2区域B1区域B2区域面部特征区域剩余部分区域R(PSNR)32.331.1934.232.9731.7133.54B(PSNR)30.9229.936.227.7730.3830.26图5是对M1图像色彩分量G采用了JPEG2000进行编码，结合相关模板对色彩分量R和B进行编码的中间结果。用JPEG2000对色彩分量G分级编码，第一级是对去除面部特征的剩余图像作粗略编码，编码后的字节数为616 bytes，重构的图像和信噪比见图5（a）；第二级是对面部特征图像作细致编码，编码后的字节数为684 bytes，重构的图像和信噪比见图5（b）。按3.2节的方法由重构的色彩分量G和重构的相关模板，重构的面部特征和剩余部分的彩色图像和信噪比分别见图5（c）和（d），最后合成彩色人头图像及编码结果见图6（a），此时的压缩比为：。 （a）PSNR=30.27 （b）PSNR=32.87 （c） PSNR=28.45 （d）PSNR=30.65 图5 对M1图像采用相关模板与JPEG2000混合编码的中间结果本文对52幅尺寸为（150-180）（124-138）的彩色人头图像进行编码实验。图像压缩比约50倍左右，重构的图像的信噪比在28至30之间，其中面部特征图像的信噪比在30至32之间，剩余图像的信噪比在27至29之间。图6给出了部分图像的实验结果。 （a）M1: C=50，PSNR=29.52 （b）W1: C=49.4, PSNR=28.69 （c）M2: C=47.5，PSNR=29.84 （d）W3: C=51.1，PSNR=30.03 （e）M3：C=48.2， PSNR=27.83 （f）W5：C=50.6，PSNR= 28.94 （g）M5：C=50.2， PSNR=29.07 （h）W4：C=48.8， PSNR=27.95图6 对部分彩色人头图像编码的结果（左为原图像右为重构图像）5 结论本文将提取的彩色人头图像面部特征与剩余背景图像分割成4个特征区域，利用三个色彩分量之间的相关性，建立起各区域色彩分量G与R和B之间的相关模板，对色彩分量R和B的编码变成只需对少量的相关模板系数的编码，并结合JPEG2000对色彩分量G的编码实现对彩色人头图像的混合分级编码，使得重要的面部特征具有较好的编码质量和视觉效果，同时能够获得较高的压缩比。运用公共模板对同类型彩色人头图像编码，可使编码过程更为简化编码效率更高，有利于大型彩色人头图像库处理系统的应用，对具有共性的医学彩色图像的编码也有很强的实用价值。参考文献1 Jincheng Huang,yao Wang.Compression of color facial images using feature correction two-stage vector quantizationJ. IEEE Trans On Image Processing, vol.8, no.1, January 1999: 102-1082 陈宇拓，余英林. 利用色彩分量相关性的彩色图像压缩编码. 中国图像图形学报J，Vol.6, No 2(A), 2001: 1231283 陈宇拓, 韩旭里, 余英林. 基于RGB色彩空间的彩色图像混合编码J. 计算机科学，2008，35(1)：240-2454 Jorgen Ahlberg. An Active Model for Facial feature TrackingJ. EURASIP Journal on Applied Signal Pr