基于自適應掃描的圖像壓縮方法

石翠萍, 張鈞萍, 張　曄

(1. 哈爾濱工業(yè)大學電子與信息工程學院, 黑龍江 哈爾濱 150001;

2. 齊齊哈爾大學通信與電子工程學院, 黑龍江 齊齊哈爾 161000)

?

基于自適應掃描的圖像壓縮方法

石翠萍1,2, 張鈞萍1, 張曄1

(1. 哈爾濱工業(yè)大學電子與信息工程學院, 黑龍江 哈爾濱 150001;

2. 齊齊哈爾大學通信與電子工程學院, 黑龍江 齊齊哈爾 161000)

摘要：現(xiàn)有的壓縮方法通常采用固定的掃描方式。然而,每幅圖像都有其自身的特點,采用固定掃描難以使其得到好的壓縮性能。針對該問題,提出了一種基于自適應掃描的圖像壓縮方法。首先,對圖像進行小波變換后,根據(jù)圖像內(nèi)容決定子帶間掃描順序。其次,對于子帶內(nèi)掃描,根據(jù)子帶特性設計不同的掃描方法,以盡可能保留圖像的紋理特征。最后,采用二叉樹編碼器對掃描后的系數(shù)序列進行編碼。實驗證明,在相同條件下,該方法明顯優(yōu)于主流的JPEG2000,且優(yōu)于最新的基于固定掃描的自適應二叉樹編碼方法。

關鍵詞：圖像壓縮; 自適應掃描; 圖像內(nèi)容; 二叉樹

0引言

絕大多數(shù)現(xiàn)有的編碼方法都是采用固定掃描方式掃描圖像。如最常用的聯(lián)合圖像專家組(joint photographic experts group,JPEG)[1],采用zigzag方式掃描圖像。對于嵌入式零樹小波(embedded zerotree wavelet,EZW)[2]和基于等級樹的集劃分(set partitioning in hierarchical trees,SPIHT)[3]方法,均采用morton掃描方式對位平面進行掃描。JPEG2000[4]是一種非常高效的編碼方式,然而,其采用的也是固定掃描,對每個位平面,每四行作為一段,對該段按照從上至下、從左至右的方式掃描。這些固定掃描方式,實現(xiàn)相對簡單,但都沒有考慮到圖像的內(nèi)容。對于圖像來說,不同的圖像包含不同的信息。如果沒有針對圖像內(nèi)容進行分析,則忽視了圖像數(shù)據(jù)自身的信息特性,這往往會造成圖像的關鍵數(shù)據(jù)丟失,使重建圖像的整體效果較差。近年來,一些基于圖像內(nèi)容的壓縮方法被提出。文獻[5]提出了一種預濾波與高階空頻上下文模型相結合的自適應塊變換方法,有效地提高了編碼效率。文獻[6-7]均從人眼對不同內(nèi)容的敏感度出發(fā),來設計壓縮算法。文獻[8]對圖像中的不同區(qū)域,采用不同的描述方法,以得到最小的圖像失真。文獻[9-10]分別從基于上下文的量化和基于視覺重要性的角度,對圖像進行壓縮。文獻[11]提出了最新的基于內(nèi)容的編碼方法,能夠對建立好的二叉樹進行自適應掃描,并得到了較好的壓縮效果。這些方法一般是從變換、量化、編碼以及人眼視覺的角度,對圖像內(nèi)容進行分析。而且,對于基于上下文的模型,階數(shù)越高,算法復雜度越高。

一些文獻也從對圖像掃描的角度對壓縮算法進行了分析和設計。文獻[12]指出了基于內(nèi)容的預測技術,通常都是針對無損壓縮的,且一般采用raster掃描。文獻[13]提出了一種新的基于內(nèi)容的視頻編碼方法,但和其他視頻編碼一樣,采用的是DCT掃描,并將其與多描述編碼相結合。從掃描方式上看,無論是raster掃描還是DCT掃描,從本質(zhì)上都是一種“線”掃描方式。然而,小波變換后,對各高頻子帶,不重要的“塊”一般比不重要的“線”更為常見。因此,對基于小波變換的壓縮,要得到較高的編碼性能,必須合理利用這種“塊”的關系。

morton掃描可以較好地利用這種“塊”的關系,一些經(jīng)典的掃描方法,如EZW,SPIHT,都是基于morton掃描的。但該掃描方法仍是固定掃描,沒有考慮到子帶的特性。此外,Hilbert掃描也可以看作是一種“塊”掃描,對給定的階數(shù),Hilbert掃描可以沿著特定的掃描順序進行掃描。該方法具有較好的局部保持特性,能提供較高的編碼性能,但同樣地,這種方法也是采用固定的掃描方法。

本文從圖像內(nèi)容出發(fā),結合小波變換后各子帶特性不同這一特點,提出了一種新的基于內(nèi)容自適應掃描的圖像壓縮方法。

1基于自適應掃描的圖像壓縮方法

不同的圖像具有不同的內(nèi)容。圖像的內(nèi)容可以從不同角度進行描述。例如,對于圖像的特征,一般包括如顏色、紋理、形狀,拓撲關系等。對于具體應用,圖像內(nèi)容又可定義為與該應用緊密相關的特征。如對于生物特征識別,掌紋、人臉、虹膜、指紋均可作為特征。本文針對圖像壓縮,從圖像能量的角度來定義圖像內(nèi)容。原因為:不同的圖像具有不同的方向信息,而方向信息的豐富程度可以從子帶的能量分布體現(xiàn)出來。如果能夠先掃描能量較大的子帶,則在相同的碼率下,那些信息更豐富的系數(shù)能夠先掃描,這對提高圖像編碼性能是極為有利的。總之,圖像內(nèi)容的定義與應用緊密相關。對于圖像壓縮,將圖像能量定義為圖像內(nèi)容,結合子帶特性確定掃描方法,理論上應能提高編碼性能,得到更好的重建圖像質(zhì)量。

根據(jù)上面的分析,本文提出了一種新的基于自適應掃描的圖像壓縮方法,算法整體框圖如圖1所示。其編碼過程包括正交小波變換、基于內(nèi)容的自適應掃描,以及對掃描后的系數(shù)序列進行二叉樹編碼等部分。下面對編碼過程中的主要模塊進行詳細的闡述。

圖1　提出方法的總體框圖

1.1基于內(nèi)容的自適應掃描

對于一幅小波變換圖像,掃描和編碼通常是緊密聯(lián)系在一起的。先掃描到的系數(shù)可以先編碼,也就是說,對于那些先被掃描的系數(shù),對應的碼流應在整個碼流的前面。相應的,這部分碼流可以先被解碼并顯示。因此,在相同比特率下,不同的掃描方式會生成不同質(zhì)量的重建圖像。這說明了一個重要的問題:對圖像編碼來說,掃描方式非常重要。如果能先掃描那些對圖像重建有更大貢獻的系數(shù),那么重建圖像的質(zhì)量必然會得到改善,尤其是在低碼率的情況下。

根據(jù)前面的分析,對小波變換圖像來說,“塊”掃描比“線”掃描更為適合。然而,對每個小波子帶,應采用何種“塊”掃描方式？此外,針對不同子帶重構時,對重建圖像的貢獻也不同的問題,應如何設計子帶間的掃描方式？這兩個問題是本節(jié)需要解決的問題。

本文提出的基于內(nèi)容自適應的掃描算法步驟如下:

設原始圖像為X,

步驟 1用A表示小波變換,經(jīng)L級小波變換后,小波圖像可以表示為

這里,N表示小波子帶總數(shù)。

步驟 2對于每個小波子帶(XAT)(i)(i=1,…,N),用l表示該子帶對應的小波層數(shù)(l=1,2,…,L),d表示子帶方向(d=1,2,3,4)。其中,“1”表示最低頻子帶,“2”表示水平方向子帶,“3”表示對角方向子帶,“4”表示垂直方向子帶。則該子帶能量為

c(i,j)表示當前子帶中,位于(i,j)點處的系數(shù)值。M和N分別表示當前子帶的行數(shù)和列數(shù)。

步驟 3對所有子帶,按能量El,d降序的順序,確定子帶間的掃描順序。從數(shù)學角度,可表示為

式中，permu表示子帶順序的重排。

步驟 4確定各子帶內(nèi)的掃描順序,方法如下

對于每個小波子帶(XAT)(i)(i=1,…,N):

(1) 若該子帶方向是“1”或“2”,則采用horizontal_z掃描方式;

(2) 若該子帶方向是“4”,則采用vertical_z掃描方式;

(3) 若該子帶方向是“3”,掃描方式需由該層方向為“2”和“4”的子帶共同決定。

若El,2≥El,4,則該子帶采用horizontal_z掃描方式。

若El,2

最后,根據(jù)上面確定的子帶間掃描順序和子帶內(nèi)掃描順序,對變換圖像XAT進行掃描,生成一維的系數(shù)序列。

可見,對于一幅圖像,其掃描順序和掃描方法是由圖像內(nèi)容決定的。首先,根據(jù)子帶能量確定子帶間掃描順序,目的是使碼流整體上能夠按照子帶重要性進行組織。其次,對于不同的子帶,根據(jù)子帶特性設計掃描方法,是為了盡可能保留圖像的紋理信息。通過這種方式,使那些對重建圖像貢獻較大的系數(shù)盡量排在前面,以提高整體壓縮性能。提出的horizontal_z掃描和vertical_z掃描如圖2所示。

圖2　子帶內(nèi)采用的掃描方法

對提出的基于內(nèi)容的自適應掃描方法,下面給出一個具體例子。原始圖像如圖3(a)所示。假設小波分解層數(shù)為3層,小波變換后,先計算各子帶的能量,結果見表1。根據(jù)表1,可以確定子帶間的掃描順序,分別為LL3,LH3,HL3,HH3,LH2,HL2,HH2,LH1,HL1,HH1。對于每個子帶,掃描方式由子帶特性決定。對LL3,HL3,HL2和HL1,采用horizontal_z掃描方式,這種掃描在保證“塊”掃描的同時,掃描是向著水平方向移動的。同樣,對LH3,LH2和LH1,采用vertical_z掃描方式,保證在給定碼率下,盡可能多的保留垂直方向信息。對HH3,HH2和HH1,掃描方式由對應小波層的水平子帶和垂直子帶共同決定。由表1可知,對于每級子帶,垂直信息均多于水平信息,故對這3個對角子帶,均采用vertical_z掃描方式。整個掃描過程如圖3(b)所示。掃描后,生成一維系數(shù)序列。為了比較不同的“塊”掃描方法的有效性,圖3(c)~圖3(e)分別給出了morton掃描、Hilbert掃描和自適應掃描后,一維系數(shù)序列的能量分布圖示。可以看出,相比于其他兩種方法,提出的自適應掃描方法能夠盡可能先掃描重要系數(shù),這為后續(xù)的編碼打下了良好的基礎。

表1　小波變換圖像中各子帶對應的能量(×109)

圖3　自適應掃描過程和幾種掃描方法的結果

1.2二叉樹編碼

對圖像壓縮來說,目前采用嵌入式編碼方法的居多,因為這種編碼方法支持圖像的漸進式傳輸,并能在碼流的任意位置解碼。

文獻[11]提出了一種最新的基于二叉樹的嵌入式編碼方法,即自適應二叉樹編碼方法(binary tree coding adaptively,BTCA)。該方法不需要復雜的步驟,如基于上下文的模型、率失真最優(yōu)化等,大大降低了算法復雜度。其基本過程如下:首先,根據(jù)掃描后的一維序列建立二叉樹。然后,對該二叉樹進行編碼,編碼是按照從下至上,從左至右的順序進行。在編碼過程中利用了重要系數(shù)的兄弟通常也是重要的這一思想,在一定程度上提高了編碼性能。函數(shù)BTCA() 詳細給出了二叉樹編碼的實現(xiàn)過程。

由于二叉樹編碼方法相對簡單,且效率較高,故本文對變換圖像進行基于內(nèi)容的自適應掃描后,采用二叉樹編碼方法對生成的一維系數(shù)序列進行編碼。

Functioncode=BTCA(Tk)

初始化設整個二叉樹的樹高為D,令d=D

While (d>1 )

{

Letct={ }.If Γ(i)≥Tk-1

若Γ(i)的兄弟為Γ(i+1),且Γ(i+1)不重要,則

ct=Bin_Tree_Enc(Γ,i+1,Tk);

否則

若Γ(i)的兄弟為Γ(i-1),且Γ(i-1)不重要,則

ct=Bin_Tree_Enc(Γ,i-1,Tk);

code={code,ct}Z;

d=d-1Z。

輸出在閾值為Tk時,對應位平面輸出的碼流。

}

在上述BTCA算法中,對給定節(jié)點編碼,采用了Bin_Tree_Enc算法。該算法過程如下：

Functioncode=Bin_Tree_Enc(Γ,i,Tk)

若Γ(i)在更大的閾值被編碼,即Γ(i)≥Tk-1,則

若Γ(i)不在樹的最底層,編碼Γ(i)的兩個孩子;否則編碼Γ(i)的符號位。

若Γ(i)有重要父母,且Γ(i)的兄弟是不重要的,則

若Γ(i)不在樹的最底層,編碼Γ(i)的兩個孩子;否則編碼Γ(i)的符號位。

若Γ(i)≥Tk

若Γ(i)不在樹的最底層,編碼Γ(i)的兩個孩子,并且在碼流前加‘1’;否則編碼Γ(i)的符號位,并在碼流前加“1”

否則,輸出‘0’。

輸出以Γ(i)為樹根的子樹的碼流。

1.3額外比特開銷

對于提出的基于自適應掃描的壓縮方法,為了使接收端能夠正確解碼,子帶間掃描順序以及對角子帶的掃描順序,應作為邊信息,同壓縮碼流一同傳輸至接收端。

對J層小波分解,僅需3J+1個數(shù)來表示子帶間的掃描順序。在本文中,子帶間掃描順序是按LLJ, HLi, HHi, LHi(i=J,J-1,…,1)順序來記錄的。此外,對于子帶內(nèi)的掃描方式,僅需J個數(shù)來表示所有對角子帶的掃描方式,記錄方式是按照HHi(i=J,J-1,…,1)的順序進行。這里,用“0”表示horizontal_z掃描,用“1”表示vertical_z掃描。因此,對一幅給定圖像,采用提出的自適應掃描方法,總共需要的邊信息為(3J+1)+J=4J+1個整數(shù)。

以第1.1節(jié)中的圖3(a)為例,根據(jù)表1,子帶間的掃描順序為1,3,4,2,6,7,5,9,10,8,對角子帶內(nèi)的掃描順序為1,1,1。因此,邊信息的總花銷為10+3=13個字節(jié)。由于原始圖像“fishingboat”的大小為512×512,故邊信息所占的比例為13/(512×512)≈0.004 9%。根據(jù)上面的分析,邊信息的開銷僅取決于小波分解層數(shù)J,與其他因素無關。也就是說,當圖像更大,或圖像的位深超過8bit時,邊信息所占的比例更小。而且,如果對這些邊信息采用熵編碼,則邊信息開銷更是進一步減少。根據(jù)該分析,提出的基于內(nèi)容的自適應掃描方法,用于傳輸邊信息所需的開銷是極少的,幾乎可以忽略不計。

從數(shù)據(jù)傳輸上講,邊信息應放在最前面,同壓縮碼流一起傳輸至解碼端。原因在于,本文提出的掃描方法是基于圖像內(nèi)容的,也就是說,對于不同的圖像,編碼時掃描的順序也不同。為了保證解碼的正確性,掃描順序應作為邊信息,先傳輸至解碼端。由于邊信息開銷極小,通常最多為十幾個字節(jié),只要網(wǎng)絡條件不是極差,差到連邊信息都無法傳輸完畢,解碼端就能根據(jù)該信息,“還原”出編碼端的掃描過程,從而對壓縮碼流正確解碼。此外,本文方法對網(wǎng)絡要求極低,這是因為采用的二叉樹編碼方法為嵌入式編碼,解碼可以在任意位置停止。在邊信息能傳輸完畢的前提下,即使遇到網(wǎng)絡中斷的情況,也能對已接收的壓縮碼流進行解碼,生成重建圖像。

2圖像質(zhì)量評估測度

絕大多數(shù)壓縮方法均采用峰值信噪比(peak signal to noise ratio,PSNR)來評估重建圖像的質(zhì)量,然而,PSNR已被證實并不與人眼感知相一致[14]。因為實際中,有時具有較高PSNR的重建圖像,其視覺效果并不好。為了更好地評估所提算法,本文除采用PSNR作為客觀評估方法外,還采用基于人眼視覺系統(tǒng)(human vision system,HVS)特性的結構相似性度量方法(structural similarity index measure,SSIM)[15]作為客觀評估方法,以綜合評定重建圖像的質(zhì)量。

設X和Y分別表示原始圖像和重建圖像,則重建圖像的PSNR可表示為

(1)

式中，b表示原始圖像的位深。

SSIM可以用來衡量兩幅圖像的結構相似度，其可由下式計算：

(2)

式中,μX，μY分別表示X和Y的均值；σX，σY分別表示X和Y的標準差；σXY表示X和Y的協(xié)方差；c1,c2,c3,k1,k2均為常數(shù)。

3實驗及結果分析

文獻[11]提出了一種最新的基于二叉樹的壓縮方法,并將其與SPIHT、基于集合劃分的嵌入式塊編碼(set partitioning embedded block,SPECK)相比,得出了在相同的條件下,提出的“morton掃描+BTCA方法”要優(yōu)于兩者的結論。故在本文實驗中,只需將所提算法與文獻[11]中效果最好的“morton掃描+BTCA方法”對比即可。為了更充分地驗證本文算法,結合前面對Hilbert掃描的分析,本文還與“Hilbert掃描+BTCA方法”對比。此外,目前應用最廣泛的、具有較高編碼性能的JPEG2000方法也被用作對比方法。

實驗中采用雙正交9/7小波變換,小波分解層數(shù)均為5層。測試圖像大小均為512×512。

為了證實本文方法的視覺效果,先采用Lena圖像進行實驗,實驗中采用的碼率為0.0313bpp,實驗結果如圖4所示。圖4(b)~圖4(e)分別是利用文獻[11]的方法,基于Hilbert掃描的方法、本文方法以及JPEG2000方法壓縮Lena圖像,得到重建圖像的局部放大圖,對應圖4(a)中上面白框的區(qū)域。同樣的,圖4(f)~圖4(i)也是采用上述4種方法,得到的重建圖像的局部放大圖,對應的是圖4(a)中下面白框的區(qū)域。可以看出,在視覺質(zhì)量上,本文方法得到的結果更清晰,保留的紋理更多,這是由于提出的掃描方法是基于圖像內(nèi)容進行設計的,且在掃描過程中考慮到了子帶特性。

為了充分驗證本文算法,實驗中采用一組常用的自然圖像作為測試圖像。在多個碼率下,分別采用上述4種方法進行壓縮,并用PSNR和SSIM作為評價重建圖像的質(zhì)量的標準。PSNR結果見表2和表3,SSIM結果見表4和表5。在表2~表5中,用Fishboat表示測試圖像Fishingboat,用Cam-man表示測試圖像Cameraman,用J2K表示JPEG2000。

圖4　碼率為0.0313bpp時,不同方法得到的重建圖像局部放大圖

dB

表3　在不同碼率條件下,本文方法與其他方法的PSNR性能比較2　dB

對表2和表3進行分析,可以看出,對于所有的測試圖像,在給定的比特率下,采用提出的基于自適應掃描的壓縮方法得到的重建圖像的PSNR,均高于其他3種基于掃描的方法。原因在于,提出的方法能夠先掃描包含信息較多的系數(shù),故在均方誤差意義下,能得到更好的編碼性能。

對表4和表5進行分析,可以看出,對于這些測試圖像,幾乎在所有給定碼率下,采用提出的壓縮方法得到的SSIM,均高于其他三種方法。極個別情況下,對特定的圖像,如peppers,在碼率為0.125bpp時,采用JPEG2000得到的重建圖像的SSIM更高。值得注意的是,JPEG2000的高性能是以高復雜度為代價的,如率失真最優(yōu)化,基于上下文的模型等,都極大的增加了JPEG2000的復雜度。盡管如此,在絕大多數(shù)情況下,本文方法得到的重建圖像的SSIM仍然最高。從另一個角度,由于每幅圖像都具有不同的特性,包括紋理、復雜度等,相比于采用一副圖像來評估算法,更好的方法是采用多幅圖像進行測試,然后取結果的平均值。根據(jù)表4和表5,在多個碼率下,對多幅測試圖像的SSIM結果取平均,可以看到,在所有給定碼率下,本文方法仍然優(yōu)于其他3種方法。

表4　在不同碼率條件下,本文方法與其他方法的SSIM性能比較1

表5　在不同碼率條件下,本文方法與其他方法的SSIM性能比較2

根據(jù)上述對實驗結果的分析,可以得出結論,相比于其他3種基于掃描的方法,提出的基于內(nèi)容自適應掃描的壓縮方法,能夠提供更好的編碼性能,以及更好的視覺效果,證實了提出方法的有效性。

從應用價值上講,本文提出的壓縮方法,子帶間掃描順序以及對角子帶內(nèi)的掃描順序均通過子帶能量大小比較即可確定。對掃描后的系數(shù)序列進行二叉樹編碼時,主要的計算也是兩個數(shù)的大小比較。因此,本文提出的壓縮方法,主要通過簡單的大小比較即可實現(xiàn),不需要諸如最佳率失真截斷、基于上下文模型等復雜的操作,故復雜度非常低,這使該算法極適合于硬件實現(xiàn),并用于實際的壓縮系統(tǒng)中。

從性能提高的角度,若在該算法的基礎上,采用熵編碼,則編碼性能還會進一步提高。熵編碼同樣可以采用硬件實現(xiàn)。

從復雜度的角度,本文方法的復雜度遠遠低于JPEG2000的復雜度。與最新的基于固定掃描的BTCA方法相比,增加的子帶間和子帶內(nèi)自適應掃描步驟,通過少數(shù)幾個比較大小的步驟即可實現(xiàn)。在硬件實現(xiàn)中,幾個數(shù)的比較時間是極短的,幾乎可以忽略不計。

4結論

針對現(xiàn)有壓縮算法通常采用固定掃描,沒有考慮到圖像自身特性的問題,在對圖像內(nèi)容進行分析的基礎上,結合小波子帶特性,提出一種新的基于內(nèi)容自適應掃描的圖像壓縮方法。該方法將子帶間掃描和子帶內(nèi)掃描分別考慮,并采用二叉樹編碼器對掃描后的系數(shù)序列進行編碼。實驗結果證明了本文方法明顯優(yōu)于最主流的JPEG2000,且優(yōu)于目前最新的基于固定掃描的自適應二叉樹編碼方法。提出的掃描方法是無冗余的,與其他固定掃描方法相比,只是改變了系數(shù)掃描的順序。當然,本文方法也有一定的不足,如子帶內(nèi)的掃描是沿著水平或垂直方向進行,對圖像來講,若能根據(jù)其內(nèi)容的紋理特征,計算最佳掃描方向,并沿著該方向掃描子帶,從理論上應能得到更好的性能。但該方法無疑會增加算法的復雜度。如何在提高算法編碼性能的基礎上,盡可能降低算法復雜度,是下一步要研究的重點。

參考文獻：

[1] Wallace G K. The JPEG still picture compression standard[J].IEEETrans.onConsumerElectronics,1992,34(1),30-44.

[2] Shapiro J M. Embedded image coding using zerotrees of wavelet coefficients[J].IEEETrans.onSignalProcessing,1993,41(12),3445-3462.

[3] Said A, Pearlman W A. A new, fast, and efficient image codec based on set partitioning in hierarchical trees[J].IEEETrans.onCircuitsandSystemsforVideoTechnology,1996,6(3),243-250.

[4] JPEG2000imagecodingsystem[M].ISO/IEC Std,15444-1, 2000.

[5] Tu C J, Tran T D. Context-based entropy coding of block transform coefficients for image compression[J].IEEETrans.onImageProcessing, 2002, 11(11): 1271-1283.

[6] Fahmy G, Jr J B, Panchanathan S. Texture characterization for joint compression and classification based on human perception in the wavelet domain[J].IEEETrans.onImageProcessing, 2006, 15(6): 1389-1396.

[7] Liu D, Sun X Y, Wu F, et al. Image compression with edge-based inpainting[J].IEEETrans.onCircuitsandSystemsforVideoTechnology, 2007, 17(10): 1273-1287.

[8] Shirani S. Content-based multiple description image coding[J].IEEETrans.onMultimedia, 2006, 8(2): 411-419.

[9] Cagnazzo M, Antonini M, Barlaud M. Mutual information-based context quantization[J].SignalProcessing:ImageCommunication, 2010, 25(1): 64-74.

[10] Deng C W, Lin W S, Cai J F. Content-based image compression for arbitrary-resolution display devices[J].IEEETrans.onMultimedia, 2012, 14(4): 1127-1139.

[11] Huang K K, Dai D Q. A new on-board image codec based on binary tree with adaptive scanning order in scan-based mode[J].IEEETrans.onGeoscienceandRemoteSensing,2012,50(10)：3737-3750.

[12] Memon N, Neuhoff D L, Shende S. An analysis of some common scanning techniques for lossless image coding[J].IEEETrans.onImageProcessing, 2000, 9(11): 1837-1848.

[13] Sawant S, Adjeroh D A. Balanced multiple description coding for 3D DCT video[J].IEEETrans.onBroadcasting, 2011, 57(4): 765-776.

[14] Mathews J, Nair M S, Jo L. Modified BTC algorithm for gray scale images using max-min quantizer[C]∥Proc.oftheInternationalConferenceonAutomation,Computing,Communication,ControlandCompressedSensing, 2013: 377-382.

[15] Wang Z, Bovik A C, Sheikh H R, et al. Image quality assessment: from error visibility to structural similarity[J].IEEETrans.onImageProcessing, 2004, 13(4): 600-612.

石翠萍(1980-),女,講師,博士研究生,主要研究方向為圖像壓縮、圖像處理。

E-mail:scp1980@126.com

E-mail:zhangjp@hit.edu.cn

張曄(1960-),男,教授,博士研究生導師,主要研究方向為圖像處理。

E-mail:zhye@hit.edu.cn

網(wǎng)絡優(yōu)先出版地址：http://www.cnki.net/kcms/detail/11.2422.TN.20150901.0928.002.html

Image compression method based on adaptive scanning

SHI Cui-ping1,2, ZHANG Jun-ping1, ZHANG Ye1

(1.SchoolofElectronicsandInformationEngineering,HarbinInstituteofTechnology,Harbin150001,China;

2.SchoolofCommunicationandElectronicEngineering,QiqiharUniversity,Qiqihar161000,China)

Abstract:Existing compression schemes usually scan an image by a fixed way. However, each image has its own characteristics, which makes it difficult to obtain a good coding performance with a fixed scanning manner. To solve this problem, an adaptive scanning-based compression method is proposed. Firstly, the wavelet transform is performed. Then the scanning order among the subbands is determined by the content of the image. Secondly, for the scanning of a subband, in order to preserving the texture information as much as possible, the scanning method is designed with the considering of the characteristic of the subband. Finally, the binary tree code is exploited to encode the one-dimensional coefficient sequence. Experiments show that, under the same conditions, the proposed compression method is superior to JPEG2000 and the state-of-the-art compression methods based on binary tree coding adaptively (BTCA).

Keywords:image compression; adaptive scanning; image content; binary tree

通訊作者張鈞萍(1970-),，女,教授,博士研究生導師,主要研究方向為圖像處理。

作者簡介：

中圖分類號：TP 751.1

文獻標志碼：A

DOI:10.3969/j.issn.1001-506X.2016.01.30

基金項目：國家自然科學基金(61271348)；黑龍江省高校科技成果產(chǎn)業(yè)化前期研發(fā)培育項目(1254CGZH04)；齊齊哈爾大學青年教師科研 啟動項目(2010W-M31)資助課題

收稿日期：2014-10-24；修回日期：2015-06-04；網(wǎng)絡優(yōu)先出版日期：2015-09-01。