基于感兴趣区域的图像编码技术研究

论文摘要

在图象处理中,人们对于图象不同区域范围的信息需求不同。图象的某些特定区域可能会成为观察重点,而对那些重点观察区域之外的背景部分却不会有太多信息需求。这类问题就是图象处理中的”感兴趣区域(ROI)”压缩处理问题。在图象数据压缩时,这些特定的区域相对于背景部分应得到更好的压缩效果,在传输过程中应得到优先的处理。本文重点对感兴趣区域提取算法进行了研究,在总结了现有研究成果的基础上,给出了基于感兴趣区域的图象编码压缩方案。本文所做的工作主要有以下的三个方面。首先,分析了均值平移聚类算法具有自适应梯度上升搜索峰值的特点,并将其应用于图象分割,针对均值平移聚类算法中,若不采用随机选取搜索出发点就会导致分割结果不稳定的缺点,本文使用一种改进的均值平移特征空间分析方法,利用非局部化均值在衡量图象像素间关系时自相似性的特点,将非局部化均值算法应用于均值平移聚类算法中,从而避免了聚类算法象素点间空间关系只能通过距离来衡量的缺点,虽然新算法需要执行非局部化过程,增加了复杂度,但是实验结果表明,此方法可以取得较好分割结果。其次,利用分割得到的图象边缘强度的灰度值,提出了一种利用图象边缘对阈值修正的自适应图象分割方法,该方法与用迭代法等求取阈值的方法相比,具有计算量小,可用于实时的处理,得到的最佳阈值不受噪声干扰的影响等优点,实验结果表明,利用边缘点灰度强度自适应确定阈值,从而实现图象阈值化分割的方法,在多数情况下能较好的分割并提取出图象的感兴趣区域。最后,给出了基于小波变换、最大位移、多级树集合分裂算法的感兴趣区域的压缩编码方案,并在Matlab平台上进行了方案的实现。相对于SPIHT算法实现ROI有损压缩编码方法,本文的方法能更好的提高图象的重构质量。

论文目录

• 摘要
• ABSTRACT
• 1 绪论
• 1.1 课题来源
• 1.2 感兴趣区域编码的目的和意义
• 1.3 ROI 编码的研究现状
• 1.4 论文的安排
• 2 感兴趣区域图象压缩编码概述
• 2.1 图象压缩的可行性和分类
• 2.1.1 图象压缩的可行性
• 2.1.2 图象压缩的分类
• 2.2 图象感兴趣区域检测的分类
• 2.3 感兴趣区域图象压缩编码的步骤
• 2.4 图象压缩中的小波变换
• 2.4.1 小波变换的多分辨率分析
• 2.4.2 Mallat 算法
• 2.4.3 提升方法
• 2.4.4 9/7 小波提升算法
• 2.5 图象的小波分解与重构
• 2.6 本章小结
• 3 图象感兴趣区域提取方法研究
• 3.1 传统的图象边缘特征提取方法
• 3.1.1 梯度算子
• 3.1.2 LoG 算子边缘检测
• 3.1.3 基于小波变换的图象边缘检测
• 3.2 聚类算法
• 3.2.1 MeanShift 均值平移算法
• 3.2.2 MeanShift 算法应用于图象分割
• 3.2.3 改进图象特征空间分析方法
• 3.3 非局部均值算法
• 3.3.1 非局部均值算法原理
• 3.3.2 改进的的边缘提取方法
• 3.4 自适应阈值分割算法
• 3.4.1 阈值分割原理
• 3.4.2 最优阈值分割
• 3.4.3 基于边缘检测的ROI 提取方法
• 3.5 本章小结
• 4 基于ROI 的编码压缩方法
• 4.1 掩码生成的方法--回溯法
• 4.2 感兴趣区域偏移算法
• 4.2.1 一般平移法
• 4.2.2 最大偏移算法（Maxshift 算法）
• 4.2.3 两种偏移算法比较
• 4.3 嵌入式图象编码
• 4.3.1 嵌入式图象编码的基本原理
• 4.3.2 嵌入式编码的基本框架
• 4.3.3 嵌入式零树小波编码（EZW）
• 4.3.4 多级树集合分裂编码算法（SPIHT）
• 4.3.5 两种方法的比较
• 4.4 SPIHT 算法实现ROI 有损压缩
• 4.5 本章小结
• 5 实验和结果分析
• 5.1 图象质量评价标准
• 5.2 实验结果分析
• 5.3 本章小结
• 6 总结与展望
• 致谢
• 参考文献
• 附录