基于場景差異與小波分解的視頻圖像壓縮傳輸方法研究

閆曉茹　徐剛

摘要：本文提出圖片動態差異提取法，采用小波變換對差異圖片進行分解，傳輸時根據動態差異的大小，選擇發送小波變換的細節部分，或者近似細節部分。接收端根據圖像動態差異，選擇合適的近似部分，與細節部分重新構成新的圖片。實驗表明，與傳統圖像傳輸的方法相比，本方案可以有效提高傳輸的效率，降低系統傳輸的成本。

關鍵詞：小波分解;場景差異;圖像壓縮傳輸

中圖分類號：TN919 文獻標識碼：A 文章編號：1007-9416（2019）05-0070-02

圖像采集與傳輸在道路交通監控與管理方面發揮著重要作用，但圖像文件的數據量較大，給無線傳輸帶來了很大的壓力。目前有一些研究算法，文獻[1]中，提出基于輪廓提取視頻壓縮方法;文獻[2]中，提出利用靜止和活動圖像一體化壓縮系統的方法;文獻[3]中，提出使用圖像差異比較的方法，對圖像進行壓縮處理;文獻[4]、[5]提出使用壓縮感知技術，進行圖像壓縮處理。本文提出一種圖片動態差異提取的方法，提高傳輸的效率，降低傳輸成本。

1 圖像差異提取與小波分解的分析與應用

1.1 圖像差異提取

本文中的差異提取，將兩幀圖像的差異大小使用數值方法描述出來，衡量視頻文件中相鄰兩幅幀圖像的差異程度。通常使用不同的參數對相鄰圖像進行差異比較。例如采用相關性檢測的方法，衡量相鄰圖片的差異。

一般來說，類別識別時，需要構造一個仿射矩陣構造相應的向量模型。非歐空間E可以表示為兩個實向量x和y的偽內積：〈x，y〉E=xTYrsy。其中，Yrs的表達式為：Yrs=[Ir×r 0;0-Is×s]。如果實向量x是一個有序的實向量對：X=（X+，X-），若用Xi+和Xi-分別表示X+和X-的元素，則上式可以改寫為：

〈x，y〉E=Xi+Yi+-Xj-Yj-

假設格拉姆矩陣G（Gij=xiTxj）中有r個正的最大特征值和s個負的最小特征值，則需要增加一個常量以將所有的特征值都調整為正。

通過這種方法，可計算所有圖像間的歐式距離，從而將計算得到的歐氏距離作為圖像差異的特征量。

1.2 小波分解

小波是一個滿足條件j（t）dt=0〗的函數通過評議和伸縮而產生的一族函數ja，b（t）。 小波在圖像處理里被稱為圖像顯微鏡，它的多分辨率分解能力可以將圖片信息一層一層分解剝離開來。剝離的手段就是通過低通和高通濾波器。通過逆變化可以對圖像信號進行重構。本文采用小波對圖形進行分解，然后通過細節與近似部分進行圖像的重構。

2 基于場景差異與小波分解的視頻圖像壓縮傳輸

為了盡量減小無線傳輸信道的壓力，本文采用基于場景差異與小波分解的視頻圖像壓縮傳輸方法。發送端工作流程：

（1）對采集的視頻文件圖像分組進行編號，并計算相鄰圖像之間的差異。組編號的大小為8幀、16幀或者24幀，具體根據相鄰圖像差異的統計值確定，設為M1。差異越大，編號值越小。（2）對相鄰圖像差異的大小進行區分，確定其為緩變區域還是陡變區域。其判決門限需要根據室驗結果進行統計分析，設為M2。緩變區域，代表靜止或者基本沒有大的變化的圖片區域;陡變區域，代表有明顯變化的圖片區域。（3）對每一組（8/16/24幀）的每一幀圖像，進行小波分解。提取出其近似部分和細節部分。（4）傳輸時，每一組數據的第一幀圖像，傳輸其小波變換后完整的近似部分和細節部分。其他圖像，需要根據其與前一幀圖像的變化程度（緩變/陡變），確定僅傳輸其細節部分，還是傳輸完整的近似部分與細節部分。如果是緩變，則僅傳輸細節部分;如果是陡變，則傳輸其完整的近似部分與細節部分。

在接收端，需要根據傳輸的數據，恢復出原始的視頻文件，接受流程如下：

（1）在一組數據的第一幀圖像，根據小波變換的近似部分與細節部分，反變換出完整的原始圖像。（2）一組圖像中的后續圖像，需要根據其與前一幀圖像的變化程度（緩變/陡變），確定恢復方法。如果是緩變圖像，則使用前一幀數據的近似部分，本幀數據的細節部分，進行小波反變換，從而恢復出原始圖像;如果是陡變圖像，則根據傳輸的本幀圖像近似和細節部分，恢復出原始圖像。

由于一部分圖像僅傳輸小波變換之后的細節部分，而沒有傳輸近似部分，因此傳輸速率得到提高。這是一個動態調整的過程，其效率取決于相鄰圖像的差異大小。效率最低的情況是，所有相鄰的圖像差異都很劇烈，因此所有圖像都傳輸了全部的數據，視頻文件沒有壓縮;效率最高的情況是，絕大多數時刻，都是接近靜止或者緩慢變化的圖像，只需要每組圖像的第一幀傳輸完整數據，其他各幀傳輸小波變換后的細節部分。

3 各門限參數的確定方法

本文所描述的方法，包含兩個主要的判決門限參數：判斷一組圖像幀數量的門限M1、判斷相鄰圖像差異程度的門限M2。參數可以通過以下方法獲得。

3.1 人工訓練的方法

確定當前的應用場景，并且進一步對白天、夜晚等基本參數進行確認。在此基礎上，通過人工實驗，手動設置判決門限，并確定最佳的傳輸與恢復效果。

3.2 聚類算法的方法

確定當前的應用場景，將圖像差異的表述參數，使用K-means算法進行據類，得到相應的分類結果。并計算出各個聚集中心的邊界。

4 實驗驗證

本實驗分別采用車輛內部監控及外部監控，以八幀作為一組，將第一幀圖像的所有數據進行傳輸，而其他七幀僅傳輸細節部分;在接收端，將第二到八幀圖像，采用第一圖像的近似部分與各幀對應的細節部分，進行恢復。實驗表明，恢復后的圖像與原始圖像相比，在低速變化場景下，可以較好的恢復;在變化速度較快的場景下，圖像有一定的損失，此時可縮小一組數據的幀數，達到有效傳輸。

4.1 車輛內監控視頻圖像分析

圖1是第二幀和第八幀圖像的原始圖像和合成圖片對比較。由于人員運動變化速度都比較慢，因此即使采用第八幀合成的圖像，依然能夠達到實時監控的效果。

4.2 車輛外部視頻圖像分析

圖2是第二幀、第八幀和第四幀圖像的原始圖像以及合成圖像的比較，由于車輛運動變化速度比較塊，周邊的場景有所失真;如果采用八幀傳輸圖像有失真，但如果采用4幀傳輸將得到很好的恢復。

5 結語

本文提出的視頻圖像壓縮傳輸方法。從一定程度上提高傳輸效率，并且基本不影響監控視頻的可視化效果，具有較高的實際應用價值。

參考文獻

[1]黃健鑫.固定場景下基于輪廓提取視頻壓縮方法研究[D].電子科技大學，2017.

[2]吳成柯.靜止和活動圖像一體化壓縮系統的硬件實現研究[D].西安電子科技大學，2009.

[3]李菊，李克清，周蓓.改進的差異比較表在圖像處理中的應用[C].第8屆全國計算機支持的協同工作學術會議（CCSCW-2012）暨全國第23屆計算機技術與應用學術會議（CACIS-2012）論文集，2012：352-355.

[4]李然，武明虎，鄭海波，等.無線傳感器網絡中基于壓縮感知的靜止圖像壓縮方案研究[J].南京郵電大學學報（自然科學版），2013，33（4）：44-49.

[5]年瑞，車仁正，李培良，等.一種基于動靜態目標檢測與實時壓縮感知追蹤研究方法[P].2018.05.15.