基于圖像紋理特征的JPEG-XR幀內預測技術

鄔春明，焦龍龍，張金強

(東北電力大學信息工程學院，吉林 吉林132012)

?

基于圖像紋理特征的JPEG-XR幀內預測技術

鄔春明，焦龍龍，張金強

(東北電力大學信息工程學院，吉林 吉林132012)

[摘要]為了進一步提高壓縮效率以及重構圖像的質量，使之適用于無線多媒體傳感網絡的要求.在討論JPEG-XR編碼預測的過程后，提出一種以圖像紋理為依據的預測改進方法.該方法通過統計圖像灰度共生矩陣像素間的相關特性，準確表征圖像紋理的趨向，并依據紋理信息實現JPEG-XR 3個子帶的預測.實驗結果表明，該方法與標準JPEG-XR方法在同碼率下，峰值信噪比最大可提高1.1 dB，差值圖像熵平均降低0.441 7.

[關鍵詞]JPEG-XR編碼；圖像紋理；內預測

0引言

圖像作為多媒體信息的重要載體之一，在信息傳播、醫療和地理信息等領域具有重要作用[1-2].繼JPEG和JPEG2000等圖像標準后，JPEG-XR是聯合圖像專家組(JPEG，Joint Photographic Experts Group)最新推出的一代圖像壓縮標準，兼具計算簡單和圖像質量優良的特點.它是一種基于塊變換的壓縮算法，旨在以最低的計算復雜度達到最優的圖像質量和壓縮效率.JPEG-XR的變換、量化、預測、掃描、熵編碼等環節經過精心設計，克服了JPEG在低碼率下的方塊效應，提升壓縮后的圖像質量.與JPEG2000圖像壓縮標準相比，它壓縮后獲得的圖像質量與JPEG2000相當，然而其算法復雜程度相對較低，消耗的資源數目卻與JPEG相近.對于無線多媒體領域，JPEG-XR彌補了無線傳感節點能耗分布均勻、硬件資源和能源受限的特點，成為無線多媒體傳感網絡首選的圖像標準，因此，JPEG-XR是下一代最具潛力的靜態圖片壓縮標準[3].

為了進一步提高壓縮效率以及重構圖像的質量，國內外很多研究人員對其進行優化改進使之適合無線多媒體領域的應用.其中國外研究方向大都針對變換、預測階段提出簡化算法：如文獻[4]提出以LBT變換取代PCT與POT變換，大大簡化計算復雜度；文獻[5-6]通過分別構造不同疏矩陣的方式實現圖像壓縮，從而降低傳輸碼流數量；文獻[7]提出一種通過邊界信息提高預測效率的方法，該方法不但大大減少壓縮過程計算復雜度，而且充分保留了圖像細節；文獻[8]采用自適應調整量化步長以求降低圖像失真.國內的相關研究較少，主要側重碼率的控制：如文獻[9]提出依據人眼視覺特性選擇量化參數，從而最大限度確保人眼獲取信息量；文獻[10]研究編碼過程的多流水線硬件實現，以達到較低碼率實現圖像的壓縮過程.

目前，基于灰度共生矩陣的紋理提取算法已經用于多光譜影像高分辨率等的紋理提取，基于灰度共生矩陣的紋理提取技術作為目前應用范圍最廣的紋理提取方法，在影像的紋理分析中發揮著非常重要的作用.[11-13]本文在研究JPEG-XR預測階段的方法后，結合灰度共生矩陣對圖像紋理特征的提取提出一種新的預測方法，該方法通過圖像灰度共生矩陣提取像素間的相關特性，準確表征圖像紋理的趨向，并依據此紋理信息實現JPEG-XR 3個子帶的預測編碼.

1JPEG-XR

作為新一代圖像壓縮標準，JPEG-XR在獲得等同于JPEG2000的圖像質量下，其計算復雜度僅和JPEG相當[3-4].自新標準推出以來，國外很多研究人員對其進行優化改進. JPEG-XR編碼流程如圖1所示，它包括預處理、變換、量化、預測和掃描編碼幾個階段.

圖1　JPEG-XR編碼流程

預處理階段完成圖像的分塊(Title)以及色彩空間轉換.圖像分塊后的結構如圖2所示.色彩空間轉換是將給定圖像轉換至YUV色彩空間，在此空間中亮度通道與色差通道不相關，這樣一來更符合人類視覺對亮度與色度的不同敏感特性，便于獨立靈活處理，從而提高壓縮率[14].另外色彩轉換采用整數無損可逆變換，保證解碼端無損恢復圖像.

圖2　JPEG-XR分塊后圖像結構

JPEG-XR域變換采用分層次變換結構，分為2個階段完成，每個階段完成一次LBT 變換.每次LBT 變換由POT(Photo Overlap Transform) 和PCT(Photo Core Transform)2個步驟組成.PCT為核心變換，目的是為了解除或降低塊中像素之間的冗余；POT是為了降低PCT變換而在低碼率下明顯的塊效應而設計的.首先，以像素為單位對宏塊中的16個塊各自進行LBT變換，變換后產生16個DC1系數和240個AC1系數.然后，將第1步變換所得16個DC1系數再次執行LBT變換，得到1個DC2和15個AC2系數.將第2步變換的DC2系數定義為DC層，15個AC2系數定義為LP層，第1步變換所得AC1系數定義為HP層.

在變換后，經過量化的系數直接用于圖像的塊與塊之間的表征還是有一定冗余，預測則是用來去除這部分冗余.JPEG-XR標準中3個子帶分別遵循不同塊預測準則.預測后所得數據以特定方式掃描，最后進行熵編碼輸出碼流.

2JPEG-XR標準預測

圖像相鄰塊間存在不同程度的相似性，通過預測記錄當前塊像素與前一塊像素的差值，從而以較少的比特數表示圖像.JPEG-XR采用自適應的預測方法，對不同子帶采用不同的預測方法，而預測過程中又可以自適應調整預測方向.本文以亮度通道為例進行詳細說明，色彩通道與亮度通道預測方法相同.

(1) DC子帶的預測.DC子帶的預測發生在相鄰宏塊間，預測模式包括從左鄰宏塊預測、從上鄰宏塊預測、從左上鄰宏塊預測、不預測4種.預測以鄰宏塊與當前宏塊之間絕對差值為依據，選擇絕對差值最小的方向為預測方向，否則不進行預測.

(2) LP子帶預測.LP子帶預測也發生在相鄰宏塊之間，但是只對第1行或者第1列進行預測，并且預測是否執行與DC預測有關.LP預測模式包括從左鄰塊列預測、從上鄰塊行預測、不預測3種.若當前宏塊量化步長QP與預測宏塊之間的QP相等，此時DC子帶從左(上)鄰宏塊預測，則當前LP子帶從左(上)鄰宏塊預測；否則，不進行預測.

(3) HP子帶預測.HP子帶預測發生在宏塊內的相鄰塊之間，并且只對當前塊的第1行或者第1列預測，它的執行與LP預測相關，同一宏塊內所有塊選用一種預測方式.HP預測包括從左鄰塊的首列預測、從上鄰塊首行預測、不預測3種模式.宏塊內位于邊界處無上鄰塊或者左鄰塊的HP系數不預測；對于非邊界塊HP預測以對應的LP系數能量為依據.當LP系數第1行能量大于第1列，則HP選用模式2從上鄰塊首行進行預測；當LP系數第1列能量大于第1行，則選擇模式1從左鄰塊首行預測，否則不預測.

3基于圖像紋理的預測方法

3.1圖像灰度共生矩陣

設大小M×N的二維數字圖像或圖像塊被量化為Ng灰度級，則其灰度共生矩陣定義為

(1)

其中：

(1)式中：#表示x集合中元素個數；d表示元素(x1，y1)與(x2，y2)間的距離；θ表示以上2個元素與水平坐標軸正方向的夾角.灰度共生矩陣通過統計2個位置像素的聯合概率密度對圖像的紋理進行描述，它不僅反映亮度的分布特性，也反映具有同樣或接近亮度的像素之間的位置分布特性[12].

灰度共生矩陣主要有熵、自相關性、對比度和能量4個特征參量，其中自相關性定義為

(2)

其中：

自相關性表征灰度共生矩陣空間上的相關性的值在某一方向上自相關參量值越大，表明圖像在該方向的紋理方向性越強.本文提出的方法就是以此量為依據決定JPEG-XR編碼過程中預測方向選擇的.

3.2基于圖像共生矩陣的方向預測

圖像相鄰宏塊的紋理趨勢在方向上具有一致性，因此可以通過當前塊的紋理信息決定編碼預測方向的選擇.DC子帶主要攜帶圖像的直流信息，本文中DC子帶的預測方向以當前宏塊主要能量的走勢為依據.如圖2所示，每個宏塊由4×4的塊構成.每個塊的能量在宏塊中的比重為

(3)

其中

(3)式中：n=0，1，2，…，15代表塊的標號；p(i，j)表示每個塊內像素值；S為尺度因數，它的選擇由不同宏塊的量化步長QS而定.

由此得到宏塊的能量矩陣是一個以宏塊為單位，其中包括4×4的塊能量的矩陣，依據此能量矩陣計算對應灰度共生矩陣.根據(3)式分別計算出宏塊在90°，135°和180°三個方向灰度共生矩陣的自相關量，以此作為判定當前塊的預測方向的依據.記180°，135°和90°方向的自相關量分別為C_l，C_t，C_lt，則相關系數的關系見表1.

表1　各個方向自相關量關系

注：圖示中灰度越深表示值越大.

DC子帶的預測方式可依據表1選擇：

(1) 當相關量為標號1時，選擇從左側相鄰宏塊預測；

(2) 當相關量為標號2時，選擇從上側相鄰宏塊預測；

(3) 當相關量為標號3時，選擇從左上相鄰宏塊預測；

(4) 當相關量為標號4—6時，預測方向從相等量方向任選其一，并且盡量與前一鄰塊保持一致；

(5) 當相關量為標號7時，則不進行預測.

LP子帶的預測由DC子帶預測決定，當DC子帶從左側鄰塊預測，且當前宏塊與DC預測宏塊的方向相關量關系一致，則LP選擇從左側鄰宏塊進行預測；當DC子帶從上鄰塊預測，且當前宏塊與上鄰宏塊各方向相關量關系一致，則從上鄰塊進行預測，否則，LP子帶系數不預測.

HP子帶的預測由LP子帶能量大小決定，因此對LP子帶求其灰度共生矩陣，并且選取180°和90° 兩個方向的相關量作為判斷預測方向.記180°方向自相關量為Chp_l，90°方向自相關量為Chp_t，則這2個量的關系見表2.

表2　LP子帶中上側和左側灰度矩陣自相關量關系

注：圖示中灰度越深值越大.

HP子帶處于邊界無左鄰塊和上鄰塊的系數不進行預測.若存在鄰塊且對應LP自相關量有如表2中標號1所示關系，HP系數第1列選擇從左側鄰塊預測；存在如標號2所示關系，則第1行選擇從上側鄰塊預測；若如標號3所示情況，則不進行預測.

4實驗部分

4.1圖像差值的熵

圖像差值是指原圖像與壓縮處理后的圖像作差所得的矩陣，它反映了圖像壓縮后與原圖的相差程度.然后對此圖像差值求熵.根據信息論可知，圖像差異越小則其信息熵越小，即壓縮損失越小.實驗1中灰度共生矩陣的參數設置灰度等級Ng=8，尺度矩d=1.計算其左側(θ=180°)，上側(θ=90°)和左上(θ=135°)三個方向的自相關量.將以上過程嵌入到JPEG-XR預測流程中對圖像壓縮處理.對本文提出的方法、文獻[9]的方法以及標準JPEG-XR方法分別求圖像差值的熵，結果如表3所示.依據圖像差值信息熵的意義可知，本文提出的方法比起其他2種具有明顯優勢.

表3　圖像差值的熵

4.2碼率-峰值信噪比

通過計算相同比特率下圖像的峰值信噪比來驗證本文提出方法的有效性.實驗選用標準庫中紋理信息從細節到平滑的“mandrill”，“lena”，“moon surface” 3幅極具代表性的圖像，結果如圖3所示，橫坐標表示單位時間單位像素的比特數，縱軸表示圖像的峰值信噪比.由圖3可以看出，本文改進方案在同等比特率下，峰值信噪比與標準JPEG-XR壓縮方法相比，最高高出1.1 dB.也即在保持相等圖像質量前提下，壓縮了比特率.另外，橫向對比這3幅不同紋理圖像間特征參數，可見本文方法對紋理豐富的細節圖像壓縮處理更具有優勢.

圖3　不同圖像在不同碼率下的峰值信噪比

5小結

本文提出一種依據圖像的紋理特征新的預測方法，該方法用圖像灰度共生矩陣提取圖像紋理特征，然后將灰度共生矩陣的自相關參量作為預測方向的判斷依據來決策JPEG-XR 3個子帶的預測方向.實驗結果表明，本文方法與JPEG-XR標準方法以及文獻[9]的預測方法相比，不但能較大程度減小重構圖像的信息損失，而且還有效地壓縮了碼率，因此，本文方法在無線多媒體網絡信息處理和嵌入式圖像壓縮等應用領域都極具借鑒意義.

[參考文獻]

[1]JADHAV S S，JADHAV S K. JPEG XR an image coding standard[J]. International Journal of Computer & Electrical Engineering，2012.

[2]王巧，喬雙. Richardson-Lucy與調制核相結合的圖像復原方法[J]. 東北師大學報(自然科學版)，2014，46(1):66-70.

[3]JENISCH S，UHL A. A detailed evaluation of format-compliant encryption methods for JPEG XR-compressed images[J]. Eurasip Journal on Information Security，2014(1):1-20.

[4]ZHANG S，TIAN X，XIONG C，et al. Unified VLSI architecture for photo core transform used in JPEG XR[J]. Electronics Letters，2015，51(8):628-630.

[5]SENAPATI R K，PATI U C，MAHAPATRA K K. Reduced memory，low complexity embedded image compression algorithm using hierarchical listless discrete Tchebichef transform[J]. Iet Image Processing，2014，8(4):213-238.

[6]MAALOUF A，LARABI M C. Low-complexity enhanced lapped transform for image coding in JPEG XR/HD photo[C]//Image Processing (ICIP)，2009 16th IEEE International Conference on，Cairo：IEEE，2009：5-8.

[7]MAALOUF A，LARABI M C. Enhancing the Intra-prediction in JPEG-XR by Using Edge Information[C]// 2013 International Conference on Signal-Image Technology & Internet-Based Systems，Bankok：IEEE，2010:138-143.

[8]RAUT A C，SEDAMKAR R R. Adaptive super-spatial prediction approach for lossless image compression[J]. International Journal of Engineering Research & Applications，2014，4(6)：164-165.

[9]劉致遠，陳耀武. 基于主觀質量的JPEG XR量化參數選擇[J].計算機工程，2014，40(1)： 239-245.

[10]胡小開. JPEG XR編碼器研究及其FPGA實現[D]. 哈爾濱:哈爾濱工業大學，2011.

[11]任國貞，江濤.基于灰度共生矩陣的紋理提取方法研究[J]. 計算機應用與軟件，2014，31(11)：190-192.

[12]侯群群，王飛，嚴麗. 基于灰度共生矩陣的彩色遙感圖像紋理特征提取[J]. 國土資源遙感，2013， 25(4)：26-32.

[13]陳海霞，崔茜. 基于Gabor小波和PCA的人臉識別[J]. 東北師大學報(自然科學版)，2014，46(4):77-80.

[14]張孟. 基于JPEGXR的遙感圖像壓縮算法典型部分研究和實現[D]. 哈爾濱:哈爾濱工業大學，2014.

(責任編輯：石紹慶)

Enhancing the intra-prediction in JPEG-XR by using texture information

WU Chun-ming，JIAO Long-long，ZHANG Jin-qiang

(School of Information Engineering，Northeast Dianli University，Jilin 132012，China)

Abstract:As an emerging image coding standard，JPEG-XR can compress image in hight image quality with low-complexity，so it will be the most proposing image compress standard.To further improve the compression efficiency to meet the requirements of the wireless multimedia sensor networks. After introduce the prediction in JPEG-XR standard，this paper propose a prediction technique based on image texture feature.The method can accurate characterization of an image texture by counting relativity between pixels，and get a new method to predict JPEG-XR’s three subbands according to the statistics. The experiment results object evaluate of our modified JPEG-XR scheme works better than the JPEG-XR standard both in bit rate and reconstruction image quality. Compare with the standard JPEG-XR，our method got 1.1 dB increase in PSNR under the same bit rate and the average entropy of difference image decreased 0.4417.So it is an promising method in JPEG-XR image processing.

Keywords:JPEG-XR encoding；image texture；intra-prediction

[中圖分類號]TP 391[學科代碼]520·60

[文獻標志碼]A

[作者簡介]鄔春明(1966—)，男，教授，主要從事無線通信技術領域研究.

[基金項目]國家自然科學基金資助項目(61301257)；吉林省科技發展計劃項目(2013020605GX).

[收稿日期]2015-04-07

[文章編號]1000-1832(2016)01-0054-06

[DOI]10.16163/j.cnki.22-1123/n.2016.01.013