基于提升小波的兩階段多描述圖像編碼

徐真珍 曾 輝 胡 凱

基于提升小波的兩階段多描述圖像編碼

徐真珍 曾 輝 胡 凱*

(湘潭大學信息工程學院 湖南 湘潭 411105)

為了提高圖像在不可靠網絡傳輸中的魯棒性，提出一種基于提升小波的兩階段多描述編碼。基本思想是通過描述生成算法形成描述，分別對每一個描述進行插值；對描述進行提升小波變換和EZW編碼；將編碼之后的數據作為第一階段的數據在信道傳輸。第二階段的數據由第一階段的數據解碼和提升小波系數做差分形成，然后進行EZW編碼在信道傳輸。實驗結果表明，該方案能夠達到較好的冗余控制，提高圖像的重構效果。

提升小波 兩階段結構 描述生成 多描述 圖像編碼 冗余

0 引 言

隨著網絡技術和多媒體技術的不斷發展，圖像信息的傳輸在網絡傳輸中的應用越來越廣泛。由于圖像信息對實時性要求極高，信道誤碼、擁塞或延遲都會造成解碼的不連續，從而嚴重影響圖像的解碼恢復質量。為了在差錯信道下有效傳輸圖像，人們提出一種能有效提高圖像信息傳輸魯棒性的信源信道聯合編碼——多描述編碼[1]。多描述圖像編碼是為了解決不可靠信道傳輸的一種編碼方法，其主旨思想是將一個信源生成多個碼流，分別從不同的信道傳輸每個碼流[10，19]。對信源而言，每一個碼流就是一個描述。通過在兩個(多個)描述間添加冗余或相關信息，使得一個信道被刪除時，解碼器還可以通過一個信道中的冗余信息或兩個信道間的相關性獲得丟失信號的部分信息，從而給出一個原始信息的恢復重建。其基本流程如圖1所示。

圖1 經典多描述編碼框圖

在20世紀70年代，Bell實驗室為了解決語音通信的語音編碼問題最早提出了多描述編碼；90年代多描述編碼被應用到圖像的編碼。經過近20多年的發展，多描述編碼的方法主要有：基于量化的多描述編碼、基于相關變換的多描述編碼、基于小波變換的多描述編碼、基于框架擴展的多描述編碼等。

Vaishampayan等在文獻[2]首次通過設計標量量化器，提出了多描述標量量化編碼的方法；Wang等在文獻[3]首次利用圖像信號的變換在編碼時加入冗余，提出基于相關變換的多描述編碼；最早提出基于框架擴展的多描述編碼的是Gayal等[4]；Vaishampayan等在文獻[5]首次將小波變換應用到多描述圖像編碼中；2007年，Liu等人提出一種基于小波方向特征樹的多描述編碼，該文利用小波變換的特征，并建立方向樹進行編碼；2011年，Baobin通過構造平衡多濾波器，并應用到多描述編碼[14]中;同年，Khelil提出基于小波的子帶平衡多描述編碼[17]；在接下來的研究中，學者們對自適應的冗余控制的多描述編碼[15，21]和小波圖像的多描述編碼的同步子格矢量量化器的研究有所發展[16]；2013年，Muhammad等提出對彩色圖像的多描述編碼的研究[21]。

兩階段結構是一種新型的編碼方式，能夠有效地調整中心路和邊路的編碼。在文獻[6]中，ChunyuLin等提出了一種基于多樣化的兩階段多描述圖像編碼，該文第一階段的數據為旋轉180°后的圖像進行小波變換后的數據與未旋轉的圖像進行小波變換的數據；第二階段的數據是兩個第一階段的數據進行逆變換之后的均值與未進行旋轉的圖像經過小波變換之后的差分值，并經過下采樣在兩個信道進行傳輸。文獻[13]是基于小波域的多描述圖像編碼，該文是基于離散小波變換的圖像編碼，第一階段的數據是整幅圖像編碼后分別在兩個信道進行傳輸的數據；第二階段的數據是第一階段的數據與未編碼的數據的差分，采樣得到的。本文首次提出基于二代小波——提升小波的兩階段多描述編碼，計算復雜度低，且取得較好的效果。為了使每個信道傳輸的數據不同，在小波變換之前采用描述生成函數，既保證每個信道能夠平均地得到圖像信號的部分信息，又保證了圖像的像素點之間有最大的相關性。圖像重構時，在只有一個信道的信息收到時，通過插值得到整幅圖像，如果兩個信道的信息均收到時，采用數據融合的方法獲得高質量的重構圖像。

本文提出的基于提升小波和兩階段結構的多描述編碼方法，結合了提升小波和兩階段結構的優勢，能夠在一個描述丟失的時候依然能夠很好地恢復圖像，得到比較理想的結果。

1 預備知識

1.1 提升小波

提升小波是整數小波變換的基礎，它能夠把整數影射到整數，屬于第二代小波。對一個二維的圖像信號進行提升小波變換包括分裂、預測和更新三個步驟。這里我們回顧由Daubechies等提出的提升小波變換，具體過程如下：

進行提升小波變換時，需要對二維信號x(j,k)j,k∈Z分成兩個不相交的子集，通常是奇數集xo(j,k)和偶數集xe(j,k)，即：

(1)

預測過程需要利用數據之間的相關性，選取一個與數據結構無關的預測算子P，利用P作用到偶數集xe(j,k)來預測奇數集xo(j,k)，并且用預測得到的奇數集Pe(j,k)和原奇數集xo(j,k)做差，得到高頻系數h(j,k)。具體公式如下：

h(j,k)=xo(j,k)-Pe(j,k)

(2)

更新時需要更新算子U，U對高頻系數h(j,k)作用得到Uh(j,k)，并用Uh(j,k)來更新偶數集xe(j,k)，更新值作為低頻系數l(j,k)，具體公式如下：

l(j,k)=xe(j,k)+Uh(j,k)

(3)

1.2 嵌入式小波零樹編碼

嵌入式編碼的基本思想是對重要的信息優先編碼，并將重要的信息放在碼流的前面。這種方法和小波分解的特性正好可以結合。我們采用Shapiro 1993年在文獻[9]提出的嵌入式零樹小波編碼。它是基于小波的嵌入式編碼方法，充分考慮了不同尺度小波系數之間的相似性，有效地排除了高頻小波系數的編碼，極大地提高了小波系數的編碼效率。

1.3 兩階段結構

兩階段結構是一種新型的編碼方式，它有效地調節了中心路和邊路的信息[6]。以信道1為例，本文的兩階段結構是指在提升小波變換的系數x1(j,k)直接編碼在信道傳輸作為第一階段的信息，而第二階段的數據則是由提升小波變換之后的系數x1(j,k)和x1(j,k)經過編碼解碼之后的數據x12(j,k)進行差分運算作為x1(j,k)的冗余信息r1(j,k)，即：

r1(j,k)=x1(j,k)-x12(j,k) j，k∈Z

(4)

其中，r1(j,k)作為冗余和x1(j,k)在同一個信道傳輸，我們先傳輸x1(j,k)，在第二階段傳輸r1(j,k)。r1(j,k)作為冗余以提高接收端圖像的恢復效果。它包含了那些對編碼解碼比較敏感容易丟失的數據的相關信息，經過實驗驗證，在收到冗余之后，對數據的恢復重建有一定的作用，能夠有效地提高圖像的恢復質量。

2 基于提升小波和兩階段結構的多描述編碼

2.1 算法框架

本文所討論的是基于提升小波和兩階段結構的兩描述圖像編碼。算法流程如圖2所示。每一個描述包括兩部分的信息，即第一階段的信息和第二階段的信息。其中，第一階段的信息是經過提升變換且進行EZW編碼的信息，第二階段的信息是提升小波變換之后編碼再解碼的信息與小波變換之后的信息做差分得到的。當只有一個信道的描述收到的時候，就對一個描述進行邊緣解碼，并進行逆提升小波變換，兩個描述都收到的時候把兩個描述分別解碼和逆提升小波變換，并采用數據融合的方法得到效果更好的重建圖像。

圖2 基于提升小波的兩階段多描述編碼框圖

本文的算法流程如下：

1) 利用描述生成函數P生成兩個描述；

2) 每一個描述xi(j,k),i=1,2進行插值，恢復得到和原始圖像同樣大小的圖像xi2(j,k)；

9) 兩個描述的數據均收到時，采用數據融合的方法得到中央解碼數據，具體的數據融合見4)的數據解碼。

該算法中的i=1,2表示的是描述的個數，j,k∈Z是圖像的像素點。

本文中每一個描述的生成是由描述生成函數得到的，描述生成函數采用的是最大最小內部分割距離方法[7]，充分考慮了像素點之間的最大相關性以便于后續的插值的精確性。描述生成之后我們分別對兩個描述進行插值，本文中采取的插值方法是分段三次Hermite插值方法[8]。

2.2 解碼算法

2.2.1 邊緣解碼

(5)

2.2.2 中央解碼

(6)

這里的j,k分別是圖像的行和列坐標。奇偶同性是說j,k同為奇數或者偶數，奇偶異性是說j,k奇偶性不相同。權值α和β是根據圖像像素點之間的相關性得到。

3 實驗結果分析

本文采用的圖像是512×512的灰度圖“Barbara.jpg”和256×256的灰度圖“Lena.bmp”作為實驗的測試圖像。選用的小波是5/3提升小波，分解的層數是2層。本文在固定的碼率下進行編碼，第一階段的信息的編碼層數是3層，第二階段的數據的編碼層數是1層。本文是針對不同的信道誤碼率做對比實驗。圖3為誤碼率為0.3時，圖像的重構效果。表1和表2是Barbara灰度圖的對比效果，表3和表4是Lena圖像的對比效果。

圖3 誤碼率為0.3時的圖像重構效果示意

誤碼率PSNR1PSNR2PSNR068.278968.109679.41090.163.602163.515269.14630.356.893456.822259.34980.553.525053.313955.1359

表2 Barbara有第二階段數據的重構圖像的峰值信噪比

表3 Lena無第二階段數據的重構圖像的峰值信噪比

表4 Lena有第二階段數據的重構圖像的峰值信噪比

圖3在信道誤碼率為0.3的情況下，(a)、(d)分別是沒有接收到第二階段的的數據和接收到第二階段數據的重構圖；(b)、(e)分別是信道2沒有接收到第二階段的數據和接收到第二階段的數據的重構圖；(c)、(f)是中央信道的沒有接收到第二階段的數據和接收到第二階段的數據的重構圖。

這里PSNR為中央信道的峰值信噪比，PSNR1和PSNR2分別是邊緣信道1和邊緣信道2的峰值信噪比。PSNR的計算公式如下：

MSE是均方誤差，其計算公式如下：

這里，m、n分別為矩陣的行數和列數。

PSNR1和PSNR2的計算公式如下：

MSE1和MSE2的計算公式如下:

這里,m、n分別是圖像矩陣的行數和列數。

從實驗結果來看，針對Barbara圖像，在信道的誤碼率為0的時候，如果沒有收到第二階段的冗余，中央信道的峰值信噪比可達到79.4109。當收到冗余的時候，其信號可以完全重構，效果很明顯。邊緣信道也有一定程度的提高。當誤碼率從0.1到0.5變化時，不管是邊緣信道還是中央信道，峰值信噪比均有不同程度的提高。

針對Lena圖像，當信道的誤碼率為0時，峰值信噪比從65.0170增加到86.3225，增加的效果很明顯。邊緣信道的峰值信噪比也分別從61.5210增加到68.4573，和61.1576到67.7846，也有比較明顯的效果。隨著誤碼率的增加，信號的重構效果會有所下降，不過總體看還是增加的趨勢。

由此，可以得出結論，本文的實驗結果是有效的。尤其是第二階段的冗余信息，對于信號的重構結果有很大的貢獻，不管是Barbara圖像還是Lena圖像。

4 結 語

本文提出的是基于提升小波的兩階段多描述編碼，提升小波是二代小波，有較低的復雜度，兩階段結構是一種新型的編碼方式的結構，對信號的重構有很好的效果。本文提出的算法結合了提升小波的優勢和兩階段結構的優點，即使在信道比較壞的情況下，依然可以得到比較好的實驗結果。

[1] Goyal V K. Multiple description coding: Compression meets the netwok[J].IEEE Signal Processing Magazine,2001,18(5):74-93.

[2] Vaishampayan V A. Design of multiple description scalar quantizers[J].IEEE Trans. on Information Theory,1993,39(3):821-834.

[3] Wang Y,Orchard M T,Reibman A R. Multiple description image coding for noisy channels by pairing transform coefficients[C]//IEEE First Workshop on Multimedia Signal Processing, Princeton, NJ, 1997:419-424.

[4] Goyal V K，Kovacevic J, Arean R, et al. Multiple description transform coding of images[C]//Proc. of ICIP’98,Chicago, IL, 1998, 1:674-678.

[5] Vaishampayan V A. Multiple Description Wavelet Based Image Coding[J].IEEE Trans on Image Progress,2000,9(5):813-826.

[6] Lin Chunyu, Zhao Yao, Zhu Ce. Two-Stage Diversity-based Multiple Description Image Coding[J].IEEE Signal Processing Letters, 2008,15:837-840.

[7] Bajic I V,Woods J W.Maximum minimal distance partitioning of the Z2the lattice[J].IEEE Trans. Inf. Theory,2003, 49(4):981-992.

[8] 黃云清，舒適,陳艷萍,等.數值計算方法[M].北京:科學出版社,2008.

[9] Shapiro J M.Embedded Image Coding Using Zero Trees of Wavelet Coefficients[J].IEEE Transactions on Signal Processing,1993,41(12):3445-3462.

[10] 唐琳琳.基于小波變換的多描述圖像編碼研究[D].深圳:哈爾濱工業大學,2009.

[11] 李鋅,張飛舟.基于方向小波變換的分層多描述圖像編碼[J].北京大學學報:自然科學版，2008,44(5):793-798.

[12] liu Y l,Oraintara S.Feature Oriented Multiple Description Wavelet Based Image Coding[J].IEEE Transactions on Image Processing,2007,16(1):121-131.

[13] 王紅艷，金煒東，萬小磊.基于小波域的兩階段多描述圖像編碼[J].計算機工程，2012,38(19):206-209.

[14] Baobin Li, Lizhong Peng. Balanced Multifilter Banks for Multiple Description Coding[J].IEEE Transactions on Image Processing,2011,20(3):866-872.

[15] Zhe Wei, Kai Kuang Ma, Canhui Cai. Prediction-Compensated Polyphase Multiple Description Image Coding with Adaptive Redundancy Control[J].IEEE Transactions on Circuits and Systems for Video Technology,2012,22(3):465-478.

[16] Akhtarkavan E, Salleh MF M. Multiple Descriptions Coinciding Lattice Vector Quantizer for Wavelet Image Coding[J].Image Processing, IEEE Transactions on,2012,21(2):653-661.

[17] Khelil K, Hussain A, Bekka R E, et al.Improved multiple description wavelet based image coding using subband uniform quantization[J].AEU-International Journal of Electronics and Communications,2011,65(11):967-974.

[18] Andrey Norkin, Atanas Gotchev, Karen Egiazarian ECT. Two-Stage Multiple Description Image Coders: Analysis and Comparative Study[J].Signd Processing:lmage Commnnication,2006,21(8):609-625.

[19] 林春雨.圖像/視頻的多描述編碼及傳輸[D].北京：北京交通大學，2010.

[20] Chin Pan Huang, Bor Jiunn Hwang, Chia L Mao,et al.Multiple Description Coding Based on SPIHT Algorithm with WiMAX Modulations for Color Images[J].Communications Technology and Electronics,2013,58(12):1205-1215.

[21] Muhammad Majid, Charith Abhayaratne.Redundancy controllable scalable unbalanced multiple description bitstream generation for peer-to-peer video streaming[J].Signal Processing: Image Communication,2012,27(5):496-512.

TWO-STAGE MULTIPLE DESCRIPTION IMAGE CODING BASED ON LIFTING WAVELET

Xu Zhenzhen Zeng Hui Hu Kai*

(SchoolofInformationEngineering,XiangTanUniversity,Xiangtan411105,Hunan，China)

For improving the robust of image during unreliable network transmitting, we proposed a lifting wavelet-based two-stage multiple description encoding. The basic idea was: to form the descriptions by description generation algorithm, and to interpolate every description separately; to apply the lifting wavelet transform and zero tree wavelet (EZW) encoding on descriptions; and to use the encoded data as the first stage data and to transmit them in the channel. The second data were formed by lifting wavelet coefficients subtracting the decoded data in first stage, then made EZW encoding and transmitted in the channel. Experimental results showed that the proposed algorithm could achieve better control on the redundancy and improve the quality of image restoration.

Lifting wavelet transform Two-stage structure Description generation Multiple description Image coding Redundancy

2014-08-04。國家青年自然科學基金項目(61302182)。徐真珍，碩士生，主研領域：圖像的多描述編碼與小波分析。曾輝，碩士生。胡凱，講師。

TP301

A

10.3969/j.issn.1000-386x.2016.04.045