小波变换域基于图像数据集的图像编码算法研究

【摘要】：随着手机、数码相机等图像拍摄终端的广泛普及,以及通信技术、图像处理技术的迅猛发展,现有的图像数据量呈指数级增长。大量增长的图像给数据存储和传输带来了巨大压力,但与此同时,随着存储图像数量的增加,新增图像与已存储图像之间很有可能存在一定的相关性,因此,利用已存储的图像数据集辅助完成图像编码,能够进一步提升压缩效率。为了在图像编码过程中充分对已存储的图像数据集加以利用,探究数据集为图像编码带来的性能助益,本文以小波变域基于特征的图像编码算法为出发点,提出了三种基于图像数据集的图像编码算法。本文的主要贡献和创新性工作包括如下三个方面:1.提出了小波变换域基于特征的图像编码算法,以图像特征作为桥梁,利用解码端已存储的相似图像辅助完成高频重构。在编码过程中,通过小波变换将输入图像分解为低频子带和高频子带,并分别进行处理:对低频子带进行高保真的图像压缩,以保留输入图像的全局特征;对高频子带进行局部特征提取,将高频子带由像素描述转换为特征描述,并将得到的特征描述子进行编码和传输。在编码特征描述子时,提出算法通过矢量量化的方式从大规模特征数据集中训练获得特征码书,并利用特征码书将高维特征描述子映射为一维的码矢索引,从而提高描述子的压缩效率。在解码过程中,将解码端已有的图像数据存储看作已知的图像数据集,首先利用解码后的低频子带图像在数据集中进行相似图像检索,然后根据特征码书对输入图像的高频特征进行解码,并与数据集中的相似图像进行高频特征匹配,获得相似高频图像块的对应关系;最后利用匹配特征的位置对应关系对相似图像块进行几何校正,并将校正后的图像块用于对应位置的高频局部重构。当高频特征区域逐一完成重构后,再联合解码后的低频子带进行小波逆变换,输出最终的重构图像,实现低码率下的高效重构。实验结果表明,在相同压缩比下,提出算法与JPEG相比,可实现4.55dB的PSNR提升及0.08的SSIM提升;与JPEG2000相比,可实现0.18dB的PSNR提升及0.001的SSIM提升,且主观重构质量更好。2.提出了小波变换域基于数据集预测的图像编码算法,从图像间预测的思想出发,利用编解码端的共享图像数据集对图像进行预测编码。在编码端,将输入图像的低频子带作为索引图像,在图像数据集中进行相似图像检索,并将检索到的高相关图像作为参考图像,以图像块为单位对输入图像的高频子带进行图像间预测。在图像对齐阶段,提出基于尺度不变特征变换(SIFT)流金字塔的图像对齐方法,逐层根据特征匹配关系进行稠密的特征对齐,以实现更精准的图像对齐;在图像块预测阶段,通过设置相似度阈值,使系统自适应的判断各图像块预测结果的准确性,从而将预测不准确的图像块作为残差进行编码,以降低不良预测带来的重构失真。在解码端,首先利用解码后的低频子带图像从数据集中检索高相关图像;然后根据高频预测信息,从对齐后的高相关图像中提取对应的高频图像块,同时将残差进行解码,与高频预测图块共同组成高频重构子带;最后,将解码后的低频子带与高频重构子带进行小波逆变换,获得最终的重构图像。该算法利用数据集预测的方式去除图像间的数据冗余,有效提升了高频子带的压缩效率;另外,得益于自适应的残差选择策略,即使当数据集中不存在高相关图像时,提出算法仍然能够实现较高质量的图像重构。实验结果表明,对测试图像进行编码,提出算法在低码率下表现出优越的率失真性能。在相同压缩比下,提出算法与JPEG相比最大可实现7dB的PSNR提升;与JPEG2000相比最大可实现1.69dB的PSNR提升,与HEVC相比最大可实现0.03的MS-SSIM提升。3.提出了小波变换域基于高频子带预测的深度图像编码算法,使用深度学习的方法,将大规模图像数据集作为训练集,训练基于深度卷积自动编码器的图像编码模型。输入图像经小波变换之后,通过四个平行支路对不同的子带进行编解码,子带的编解码器均是由多个卷积层构成的。在编码器端,通过不同步长的卷积操作对各个子带进行多尺度的特征提取,并输出每个子带在码字空间的特征表示;在解码器端,通过不同步长的转置卷积将码字空间的特征还原回子带数据。为了在编码之前去除子带间的冗余,提出并设计高频预测网络,从低频子带中获取高频子带的预测,从而只需对高频残差进行编码。除此之外,为了进一步提高编码效率,使用基于条件概率的熵编码模型对码字进行先验概率估计,从而获得编码后的码率估计,并结合图像重构失真进行率失真的联合训练。实验结果表明,提出算法不仅在率失真表现上超越传统图像编码算法及经典的深度图像编码算法,并且在重构图像的主观对比中也表现出明显的优势;与最近提出的深度图像编码算法相比,提出算法可在高频重构中实现0.0048的MS-SSIM提升;另外,采用本文提出的高频预测模型较不采用预测模型可带来平均0.0019的MS-SSIM提升,且预测模型的加入还能够有效消除重构图像中的锯齿边缘,使得高频重构质量更好。