基于邊界模型的主觀視覺圖像壓縮及處理技術(shù).pdf

1、智能手機(jī)，平板電腦等個(gè)人手持移動設(shè)備的普及改變著我們的日常生活。人們可以隨時(shí)隨地的用自己喜歡的方式進(jìn)行圖像的拍攝，瀏覽以及共享。雖然方便了人們的日常生活，但移動設(shè)備的普及也為數(shù)字圖像的壓縮和傳輸帶來了新的問題和挑戰(zhàn)。
　　首先，數(shù)字圖像的移動傳輸受著帶寬的嚴(yán)重制約。尤其是多用戶同時(shí)訪問時(shí)，每個(gè)用戶實(shí)際獲得的傳輸帶寬非常有限，從而就需要對圖像盡可能的進(jìn)行壓縮。因此，低碼率圖像壓縮成為了當(dāng)前移動通信所需要解決的一個(gè)重要問題。除了碼率的

2、限制，新應(yīng)用的普及也對數(shù)字圖像的移動傳輸提出了更高的要求。如電子地圖，網(wǎng)絡(luò)購物等交互式圖像傳輸方式日趨推廣。良好的用戶體驗(yàn)同時(shí)也會帶來額外的編碼開銷。如何平衡該矛盾也是當(dāng)前壓縮算法需要解決的一個(gè)重要問題。此外，移動通信還受制于設(shè)備內(nèi)部吞吐量、功耗、運(yùn)算能力等諸多因素。圖像壓縮算法的設(shè)計(jì)更應(yīng)該注重降低編碼復(fù)雜度，而不是追求更高的壓縮效率。因此，如何在不增加編碼復(fù)雜度的情況下提升圖像質(zhì)量就成為了當(dāng)前需要解決的另一個(gè)重要問題。最后，移動通信的

3、服務(wù)對象是人，用戶的感官是判定圖像壓縮質(zhì)量的最終標(biāo)準(zhǔn)。尤其是在如此苛刻的傳輸條件之下，針對移動通信的壓縮算法設(shè)計(jì)更應(yīng)該以主觀質(zhì)量為優(yōu)先目標(biāo)，而不是像傳統(tǒng)壓縮算法一樣追求更高的峰值信噪比。
　　本文針對上述問題展開研究。考慮到圖像邊界對人類認(rèn)知和評價(jià)圖像質(zhì)量的重要性，本文以保護(hù)邊界為切入點(diǎn)，主要研究對圖像邊界的合理建模。以此為基礎(chǔ)設(shè)計(jì)基于邊界模型的低碼率圖像壓縮算法，并將邊界模型進(jìn)一步推廣，用于解決更為一般的圖像恢復(fù)問題。針對不同的

4、功能需求，本文設(shè)計(jì)了三種邊界模型：1)分段自回歸模型，用于圖像的恢復(fù)和重構(gòu)；2)連通圖模型，用于感興趣區(qū)域(Region OfInterest，ROI)的檢測和描述；3)邊界樹模型，用于邊界像素的自適應(yīng)掃描和編碼。具體的說，本文的主要研究工作可以分為以下四點(diǎn)：
　　第一，針對低碼率交互式圖像傳輸需求，提出了一種基于邊界模型的動態(tài)ROI編碼算法。該算法解決了傳統(tǒng)ROI編碼算法中ROI形狀精度與邊信息(sideinformation)

5、編碼開銷之間的矛盾。利用邊界模型判定ROI，并以很低的開銷完成任意形狀ROI的輪廓編碼。本算法的另外一個(gè)優(yōu)勢在于可以與任何現(xiàn)有編碼標(biāo)準(zhǔn)所兼容，有較強(qiáng)的實(shí)用性。
　　第二，針對更為一般的低碼率圖像傳輸，提出了一種基于邊界樹模型的主觀圖像壓縮算法。該算法主要有兩個(gè)創(chuàng)新點(diǎn)：1)采用兩層編碼結(jié)構(gòu)，通過二維分段自回歸模型來構(gòu)造背景層，從背景層中預(yù)測邊界區(qū)域的位置并對區(qū)域內(nèi)像素直接編碼，從而減少傳統(tǒng)編碼算法對邊界位置信息顯式編碼的開銷。2)提

6、出了一種基于邊界樹模型的自適應(yīng)掃描和編碼方法，取代了傳統(tǒng)的光柵掃描。對邊界區(qū)域的像素沿其自然走勢方向進(jìn)行掃描，進(jìn)一步提高編碼效率。
　　第三，針對利用移動設(shè)備進(jìn)行圖像拍攝的應(yīng)用場景，提出了一種基于邊界模型的圖像軟解碼算法，并將其應(yīng)用于JPEG碼流解碼之中。在不增加編碼復(fù)雜度的情況下，通過自適應(yīng)解碼來提升圖像的重構(gòu)質(zhì)量。與傳統(tǒng)JPEG圖像后處理算法相比，該算法有效的解決了傳統(tǒng)方法只能工作在中、低碼率的缺陷，在全碼率下對JPEG碼流的

7、解碼性能進(jìn)行提升。
　　第四，本文將邊界模型推廣用于解決蛻化圖像的插值恢復(fù)問題。在插值的過程中同時(shí)考慮點(diǎn)擴(kuò)散函數(shù)及噪聲的影響，在一個(gè)統(tǒng)一的框架下將去模糊、去噪和插值任務(wù)一次完成。減少了傳統(tǒng)分離式恢復(fù)算法的誤差傳遞，有效提高了圖像恢復(fù)質(zhì)量。此外，本算法同時(shí)考慮蛻化對像素值和模型參數(shù)的影響，將模型參數(shù)和像素值作為未知數(shù)同時(shí)求解，提出了一種結(jié)構(gòu)化整體最小二乘算法將該非線性優(yōu)化問題轉(zhuǎn)化為線性迭代求解。本算法還解決了傳統(tǒng)基于分段自回歸模型只