面向字符識別的圖像壓縮和語義質(zhì)量評估.pdf

1、隨著移動多媒體應用的興起，人們對互聯(lián)網(wǎng)的需求已經(jīng)不再僅限于信息交流、圖片共享等，而是利用互聯(lián)網(wǎng)的豐富資源（比如計算能力、存儲資源以及數(shù)據(jù)資源等）去獲取更多有用的信息，比如通過移動端采集圖像，發(fā)送到云端做圖像檢索、目標識別等計算機視覺任務。然而，由于網(wǎng)絡(luò)傳輸帶寬有限，為了降低在諸如此類移動-云計算系統(tǒng)中圖像的傳輸碼率，我們需要重新定義基于多媒體應用的圖像編碼以及圖像質(zhì)量評價。與傳統(tǒng)的圖像編碼和圖像質(zhì)量評價不同，本文提出了以下兩種新型方案來

2、節(jié)約碼率。
　　首先，我們從編碼本身入手。由于壓縮圖像是用于自動識別等任務而不是供人眼欣賞，因此在壓縮時我們不再關(guān)注視覺質(zhì)量，而是假定與識別目標相關(guān)的語義特征的質(zhì)量更為重要。據(jù)了解，尺度不變特征變換(Scale InvariantFeature Transform，SIFT)特征已廣泛應用于各種目標識別場景，最近也已經(jīng)有很多關(guān)于保留SIFT的壓縮編碼方法的工作。本文中，我們首次研究了保留SIFT特征的新型圖像編碼方案，這一方案主要

3、針對信宿是計算機視覺算法而不是人眼視覺。我們根據(jù)提取的SIFT特征，將圖像劃分成SIFT編碼單元（目標區(qū)域）和非SIFT編碼單元（非目標區(qū)域），并用修改后的JPEG對圖像進行壓縮編碼，壓縮時對不同的編碼單元設(shè)置不同的質(zhì)量參數(shù)。實驗結(jié)果表明，在不影響識別精度的前提下，我們的壓縮方法平均比標準JPEG節(jié)約14％左右的碼率。
　　另一方面，我們通過設(shè)計可靠的圖像語義質(zhì)量評價(Image Semantic QualityAssessmen

4、t，ISQA)指標來指導編碼，最優(yōu)化編碼效率?；谏鲜鲂潘奘怯嬎銠C視覺算法而不是人眼的應用場景，我們假定壓縮圖像的質(zhì)量應該由圖像壓縮后保留的相關(guān)語義特征的質(zhì)量來衡量，而不是像素保真度(例如Peak Signal-to-Noise Ratio，PSNR)或者視覺質(zhì)量(例如Structural Similarity Index Measure，SSIM)。本文中，我們研究了基于SIFT特征的ISQA方法，首先提取壓縮前后圖像的特征（SIFT

5、特征和稠密SIFT特征），并結(jié)合統(tǒng)計學習的方法對壓縮前后特征的失真進行建模，建立特征失真度與壓縮圖像質(zhì)量之間的映射關(guān)系，根據(jù)模型的兩種誤判類型的代價不同定義傳輸代價函數(shù)，求解在給定預測精度前提下，壓縮時的最佳操作點，并統(tǒng)計在不同操作點下壓縮圖像的平均碼率。實驗結(jié)果表明，我們提出的ISQA方法在評估壓縮的車牌圖像（或路標圖像）能否被識別這方面要比PSNR和SSIM的性能高很多，將我們的壓縮方法應用到車牌（或路標）壓縮系統(tǒng)中，比PSNR或S

6、SIM至少提高58％(37％)的壓縮性能。此外，我們還研究了在路標圖像能否識別上，我們提出的ISQA方法與人眼是否一致。實驗結(jié)果顯示，我們的ISQA算法與人眼主觀評價之間的皮爾森線性相關(guān)系數(shù)(Pearson Linear Correlation Coefficient，PLCC)達到0.8401，而均方根誤差(Root Mean Squared Error，RMSE)低至0.5325，表明我們提出的ISQA算法在文本圖像識別上與人眼有高