基于ROI的图像压缩算法研究

李 靖

（天津轻工职业技术学院，天津 30050）

基于ROI的图像压缩算法研究

李 靖

（天津轻工职业技术学院，天津 30050）

为了满足某些图像的高效存储及快速传送的目的，提出一种基于感兴趣区域（ROI）的压缩算法。对图像进行分析，选出ROI区域，并在小波变换的基础上，对ROI小波变换低频子带采用无损编码的方法，而对ROI高频子带及非ROI小波变换子带采用改进的SPIHT压缩编码算法。在保证了图像所含信息量的同时，增加了图像的压缩编码效率。

小波变换；ROI；图像压缩；改进的SPIHT

引言

随着人眼视觉系统及交互式技术的发展，图像压缩技术成为重点研究课题，特别是在一些监控系统、远程医疗服务的实时交互式需求系统中，要充分考虑图像传输速度，以满足图像的实时性，这就使得一些算法以牺牲图像的质量为代价，减少了图像整体所含信息量。针对此问题本文在多分辨率分析的小波变换的基础上，提出了感兴趣区域（ROI）的图像压缩算法，在保证了图像所含信息量的同时，增加了图像的压缩编码效率。

一、图像分析

根据人眼视觉特性可知，人眼大都聚焦图像的某些区域，这样区域所含的信息量就要高于其他部分，将其作为ROI。因此在压缩传输图像的过程中要尽可能多的保证ROI的质量，而非ROI部分则可以根据压缩比的要求适当降低图像精度。所以，产生了将图像分区域分开处理的思想，保证ROI精度的同时，要尽可能加快运算速度；特别是在低比特率传输的情况下。

二、小波变换及掩模板的生成

1．小波变换及其特性

小波变换可表示为

其中ψj，k（t）波函数为波函数，而小波逆变换可表示为

小波变换具有多分辨率分析的特点，它可以将图像分解成一个最低频子带和三个方向高频子带，图像的相对平缓的部分都在最低频子带，能量大都聚集在此，这就意味着最低频子带包含着图像的绝大部分能量，而各个高频子带包含图像的相对少的细节分量。

提升小波变换的框架主要是包括分裂、预测、更新、优化提升四个步骤：对于9／7小波，重构一个系数X（2n）需要3个低通系数和4个高通系数，重构X（2n＋1）需要4个低通系数和5个高通系数，它拥有这更好的能量集中性。

2．掩模板的生成

图1 掩模板的生成示意图

经小波分解后，小波子带图像通过掩模板的生成来标记出属于ROI的部分，如图1所示，图1（a）黑色部分为选取的ROI部分，经小波分解后便可自动标记出属于ROI的区域，如图1（b）所示。这样可以在解码端通过掩模板ROI的标记，来恢复出解码图像。

三、改进的SPIHT编码算法

EZW算法与SPIHT算法经典的嵌入式编码算法，SPIHT算法也是对EZW算法的改进，在同等条件下，经SPIHT编码算法经传输后，其解码恢复图像的质量要高于EZW算法的质量，在低比特率时也更能满足人眼特性，这是其将子带进行D，L分裂并同时考虑相关性而带来的优点。但其也存在着一些缺点，其零树结构的定义没有体现出相邻子带及相邻像素间的相关性特点。我们知道，在小波变换子带中的各个点并不是随意分布的，各个子带的点都表征一些基本的或方向性的信息，在一定程度上可以认为高频子带是低频子带的边缘信息，且子带内部各个节点数值之间也存在着一定的相关性。由于高频子带中的数值都极其接近于0，而低频子带中大都表示着原始图像的基本信息，而分裂、扫描的方向也是由低频进入高频，所以上一级系数节点的系数值一般会大于下一级的节点系数值。在SPIHT算法中LLn的所有节点都被编码，这使得在编码信息中仍存在一定的冗余。因此本文采用了一种改进的SPIHT编码算法，即重新定义SPIHT压缩算法的零树结构，恢复成EZW算法的零树结构，让其保证了最低频子带LLn中小波系数节点拥有3个直接后代系数节点，最高频子带中无后代节点。同时采用更用提升小波CDF9／7，增强子带能量集中性，增加编码效率。

四、基于ROI的图像压缩算法

基于ROI的图像压缩算法是区域分开处理的思想，保证ROI精度的同时，要尽可能加快运算速度，如图2所示。通过人眼视觉图像选取ROI，生成掩模板，并进行小波变换，得到子带图像，由于图像的ROI部分包含较高的信息量，而图像的能量又都集中在ROI的最低频子带，因此，ROI最低频子带部分采用DPCM预测编码的无损编码，而ROI的高频子带与非ROI的各个子带采用重新定义SPIHT压缩算法的零树结构与提升小波CDF9／7相结合的改进SPIHT压缩编码算法。

图2 基于ROI的图像压缩算法原理图

五、实验结果及实验结果分析

通过Matlab仿真软件对“girl．bmp”图像，选取人脸部分作为ROI部分进行实验仿真，如图3所示，并将本文算法与经典的SPIHT进行了实验对比，如表1所示。

图3 “girl．bmp”图像实验结果

表1 图像压缩算法的峰值信噪比PSNR（d B）

图3可以清楚的看出当压缩比比较大时候，图像非ROI部分已经虚化，而所选取的人脸作为ROI的部分依然清晰，保证了图像在高压缩比下所含有的信息量。通过表1的数据可以清楚的看到，虽然本文算法对整幅图像的压缩质量要低于经典的SPIHT算法，但是本文算法的ROI部分的质量要高于SPIHT整幅图像的质量，且当加大压缩比后ROI的质量变化不大，它不会随着压缩比的增加而急剧下降，此时损失的则只是非ROI的图像质量。

六、总结

基于ROI的图像压缩算法是对图像进行感兴趣区域划分，分区域进行图像处理，并在小波域多分辨率分析的环境下实现了图像的压缩编码，保证了高压缩比下ROI精度的同时，满足了人眼视觉及交互式发展的需求。

［1］蒋鹏．基于小波变换的感兴趣区域压缩编码技术研究［D］．吉林：吉林大学，2007．

［2］谢成俊．小波分析理论及工程应用［M］．长春：东北师范大学出版社，2007：109－113．

［3］Shapiro J M，Embedded image coding using zerotrees of wavelet coefficients［J］．IEEE trans，Signal Processing，1993，41（12）：3445－3462．

［4］Said A．，Pearlman W．A．．A New Fast and Efficient Image Code Based on Set Partitioning in Hierarchical Tree［J］．IEEE Trans，CSVT，1996，（06）：243－250．

［5］耿兴云．基于改进SPIHT的静态图像编码［J］．电脑知识与技术（学术交流），2007，（09）：839－840．

［6］肖夏子，王珂，马永杰．X＿射线图像压缩算法的研究［J］．计算机技术与发展，2011，（06）：98－100．

Research on the Compression Algorithm of ROI－based Image

LI Jing
（Tianjin Light Industry Vocational Technical College，Tianjin，China 30050）

In order to meet the requirement of efficient storage and fast transfer of certain images，the paper proposes the compression algorithm based on region of interest（ROI），makes analysis on image，selects ROI and adopts lossless coding method in ROI wavelet transform sub－band，and improved SPIHT compression coding algorithm in ROI high－frequency sub－band and non－ROI wavelet transform sub－band．The images contained in the amount of information are ensured，and the efficiency of image compression is increased at the same time．

wavelet transform；ROI；image compression；improved SPIHT

TN919，TP311

A

1673－582X（2012）08－0051－03

2012－03－06

李靖（1984－），女，天津市人，硕士，天津轻工职业技术学院科研设备处，研究方向为微电子学、智能信息处理。