基于图像纹理特征的JPEG-XR帧内预测技术

邬春明，焦龙龙，张金强

(东北电力大学信息工程学院，吉林 吉林132012)



基于图像纹理特征的JPEG-XR帧内预测技术

邬春明，焦龙龙，张金强

(东北电力大学信息工程学院，吉林 吉林132012)

[摘要]为了进一步提高压缩效率以及重构图像的质量，使之适用于无线多媒体传感网络的要求.在讨论JPEG-XR编码预测的过程后，提出一种以图像纹理为依据的预测改进方法.该方法通过统计图像灰度共生矩阵像素间的相关特性，准确表征图像纹理的趋向，并依据纹理信息实现JPEG-XR 3个子带的预测.实验结果表明，该方法与标准JPEG-XR方法在同码率下，峰值信噪比最大可提高1.1 dB，差值图像熵平均降低0.441 7.

[关键词]JPEG-XR编码；图像纹理；内预测

0引言

图像作为多媒体信息的重要载体之一，在信息传播、医疗和地理信息等领域具有重要作用[1-2].继JPEG和JPEG2000等图像标准后，JPEG-XR是联合图像专家组(JPEG，Joint Photographic Experts Group)最新推出的一代图像压缩标准，兼具计算简单和图像质量优良的特点.它是一种基于块变换的压缩算法，旨在以最低的计算复杂度达到最优的图像质量和压缩效率.JPEG-XR的变换、量化、预测、扫描、熵编码等环节经过精心设计，克服了JPEG在低码率下的方块效应，提升压缩后的图像质量.与JPEG2000图像压缩标准相比，它压缩后获得的图像质量与JPEG2000相当，然而其算法复杂程度相对较低，消耗的资源数目却与JPEG相近.对于无线多媒体领域，JPEG-XR弥补了无线传感节点能耗分布均匀、硬件资源和能源受限的特点，成为无线多媒体传感网络首选的图像标准，因此，JPEG-XR是下一代最具潜力的静态图片压缩标准[3].

为了进一步提高压缩效率以及重构图像的质量，国内外很多研究人员对其进行优化改进使之适合无线多媒体领域的应用.其中国外研究方向大都针对变换、预测阶段提出简化算法：如文献[4]提出以LBT变换取代PCT与POT变换，大大简化计算复杂度；文献[5-6]通过分别构造不同疏矩阵的方式实现图像压缩，从而降低传输码流数量；文献[7]提出一种通过边界信息提高预测效率的方法，该方法不但大大减少压缩过程计算复杂度，而且充分保留了图像细节；文献[8]采用自适应调整量化步长以求降低图像失真.国内的相关研究较少，主要侧重码率的控制：如文献[9]提出依据人眼视觉特性选择量化参数，从而最大限度确保人眼获取信息量；文献[10]研究编码过程的多流水线硬件实现，以达到较低码率实现图像的压缩过程.

目前，基于灰度共生矩阵的纹理提取算法已经用于多光谱影像高分辨率等的纹理提取，基于灰度共生矩阵的纹理提取技术作为目前应用范围最广的纹理提取方法，在影像的纹理分析中发挥着非常重要的作用.[11-13]本文在研究JPEG-XR预测阶段的方法后，结合灰度共生矩阵对图像纹理特征的提取提出一种新的预测方法，该方法通过图像灰度共生矩阵提取像素间的相关特性，准确表征图像纹理的趋向，并依据此纹理信息实现JPEG-XR 3个子带的预测编码.

1JPEG-XR

作为新一代图像压缩标准，JPEG-XR在获得等同于JPEG2000的图像质量下，其计算复杂度仅和JPEG相当[3-4].自新标准推出以来，国外很多研究人员对其进行优化改进. JPEG-XR编码流程如图1所示，它包括预处理、变换、量化、预测和扫描编码几个阶段.

图1　JPEG-XR编码流程

预处理阶段完成图像的分块(Title)以及色彩空间转换.图像分块后的结构如图2所示.色彩空间转换是将给定图像转换至YUV色彩空间，在此空间中亮度通道与色差通道不相关，这样一来更符合人类视觉对亮度与色度的不同敏感特性，便于独立灵活处理，从而提高压缩率[14].另外色彩转换采用整数无损可逆变换，保证解码端无损恢复图像.

图2　JPEG-XR分块后图像结构

JPEG-XR域变换采用分层次变换结构，分为2个阶段完成，每个阶段完成一次LBT 变换.每次LBT 变换由POT(Photo Overlap Transform) 和PCT(Photo Core Transform)2个步骤组成.PCT为核心变换，目的是为了解除或降低块中像素之间的冗余；POT是为了降低PCT变换而在低码率下明显的块效应而设计的.首先，以像素为单位对宏块中的16个块各自进行LBT变换，变换后产生16个DC1系数和240个AC1系数.然后，将第1步变换所得16个DC1系数再次执行LBT变换，得到1个DC2和15个AC2系数.将第2步变换的DC2系数定义为DC层，15个AC2系数定义为LP层，第1步变换所得AC1系数定义为HP层.

在变换后，经过量化的系数直接用于图像的块与块之间的表征还是有一定冗余，预测则是用来去除这部分冗余.JPEG-XR标准中3个子带分别遵循不同块预测准则.预测后所得数据以特定方式扫描，最后进行熵编码输出码流.

2JPEG-XR标准预测

图像相邻块间存在不同程度的相似性，通过预测记录当前块像素与前一块像素的差值，从而以较少的比特数表示图像.JPEG-XR采用自适应的预测方法，对不同子带采用不同的预测方法，而预测过程中又可以自适应调整预测方向.本文以亮度通道为例进行详细说明，色彩通道与亮度通道预测方法相同.

(1) DC子带的预测.DC子带的预测发生在相邻宏块间，预测模式包括从左邻宏块预测、从上邻宏块预测、从左上邻宏块预测、不预测4种.预测以邻宏块与当前宏块之间绝对差值为依据，选择绝对差值最小的方向为预测方向，否则不进行预测.

(2) LP子带预测.LP子带预测也发生在相邻宏块之间，但是只对第1行或者第1列进行预测，并且预测是否执行与DC预测有关.LP预测模式包括从左邻块列预测、从上邻块行预测、不预测3种.若当前宏块量化步长QP与预测宏块之间的QP相等，此时DC子带从左(上)邻宏块预测，则当前LP子带从左(上)邻宏块预测；否则，不进行预测.

(3) HP子带预测.HP子带预测发生在宏块内的相邻块之间，并且只对当前块的第1行或者第1列预测，它的执行与LP预测相关，同一宏块内所有块选用一种预测方式.HP预测包括从左邻块的首列预测、从上邻块首行预测、不预测3种模式.宏块内位于边界处无上邻块或者左邻块的HP系数不预测；对于非边界块HP预测以对应的LP系数能量为依据.当LP系数第1行能量大于第1列，则HP选用模式2从上邻块首行进行预测；当LP系数第1列能量大于第1行，则选择模式1从左邻块首行预测，否则不预测.

3基于图像纹理的预测方法

3.1图像灰度共生矩阵

设大小M×N的二维数字图像或图像块被量化为Ng灰度级，则其灰度共生矩阵定义为

(1)

其中：

(1)式中：#表示x集合中元素个数；d表示元素(x1，y1)与(x2，y2)间的距离；θ表示以上2个元素与水平坐标轴正方向的夹角.灰度共生矩阵通过统计2个位置像素的联合概率密度对图像的纹理进行描述，它不仅反映亮度的分布特性，也反映具有同样或接近亮度的像素之间的位置分布特性[12].

灰度共生矩阵主要有熵、自相关性、对比度和能量4个特征参量，其中自相关性定义为

(2)

其中：

自相关性表征灰度共生矩阵空间上的相关性的值在某一方向上自相关参量值越大，表明图像在该方向的纹理方向性越强.本文提出的方法就是以此量为依据决定JPEG-XR编码过程中预测方向选择的.

3.2基于图像共生矩阵的方向预测

图像相邻宏块的纹理趋势在方向上具有一致性，因此可以通过当前块的纹理信息决定编码预测方向的选择.DC子带主要携带图像的直流信息，本文中DC子带的预测方向以当前宏块主要能量的走势为依据.如图2所示，每个宏块由4×4的块构成.每个块的能量在宏块中的比重为

(3)

其中

(3)式中：n=0，1，2，…，15代表块的标号；p(i，j)表示每个块内像素值；S为尺度因数，它的选择由不同宏块的量化步长QS而定.

由此得到宏块的能量矩阵是一个以宏块为单位，其中包括4×4的块能量的矩阵，依据此能量矩阵计算对应灰度共生矩阵.根据(3)式分别计算出宏块在90°，135°和180°三个方向灰度共生矩阵的自相关量，以此作为判定当前块的预测方向的依据.记180°，135°和90°方向的自相关量分别为C_l，C_t，C_lt，则相关系数的关系见表1.

表1　各个方向自相关量关系

注：图示中灰度越深表示值越大.

DC子带的预测方式可依据表1选择：

(1) 当相关量为标号1时，选择从左侧相邻宏块预测；

(2) 当相关量为标号2时，选择从上侧相邻宏块预测；

(3) 当相关量为标号3时，选择从左上相邻宏块预测；

(4) 当相关量为标号4—6时，预测方向从相等量方向任选其一，并且尽量与前一邻块保持一致；

(5) 当相关量为标号7时，则不进行预测.

LP子带的预测由DC子带预测决定，当DC子带从左侧邻块预测，且当前宏块与DC预测宏块的方向相关量关系一致，则LP选择从左侧邻宏块进行预测；当DC子带从上邻块预测，且当前宏块与上邻宏块各方向相关量关系一致，则从上邻块进行预测，否则，LP子带系数不预测.

HP子带的预测由LP子带能量大小决定，因此对LP子带求其灰度共生矩阵，并且选取180°和90° 两个方向的相关量作为判断预测方向.记180°方向自相关量为Chp_l，90°方向自相关量为Chp_t，则这2个量的关系见表2.

表2　LP子带中上侧和左侧灰度矩阵自相关量关系

注：图示中灰度越深值越大.

HP子带处于边界无左邻块和上邻块的系数不进行预测.若存在邻块且对应LP自相关量有如表2中标号1所示关系，HP系数第1列选择从左侧邻块预测；存在如标号2所示关系，则第1行选择从上侧邻块预测；若如标号3所示情况，则不进行预测.

4实验部分

4.1图像差值的熵

图像差值是指原图像与压缩处理后的图像作差所得的矩阵，它反映了图像压缩后与原图的相差程度.然后对此图像差值求熵.根据信息论可知，图像差异越小则其信息熵越小，即压缩损失越小.实验1中灰度共生矩阵的参数设置灰度等级Ng=8，尺度矩d=1.计算其左侧(θ=180°)，上侧(θ=90°)和左上(θ=135°)三个方向的自相关量.将以上过程嵌入到JPEG-XR预测流程中对图像压缩处理.对本文提出的方法、文献[9]的方法以及标准JPEG-XR方法分别求图像差值的熵，结果如表3所示.依据图像差值信息熵的意义可知，本文提出的方法比起其他2种具有明显优势.

表3　图像差值的熵

4.2码率-峰值信噪比

通过计算相同比特率下图像的峰值信噪比来验证本文提出方法的有效性.实验选用标准库中纹理信息从细节到平滑的“mandrill”，“lena”，“moon surface” 3幅极具代表性的图像，结果如图3所示，横坐标表示单位时间单位像素的比特数，纵轴表示图像的峰值信噪比.由图3可以看出，本文改进方案在同等比特率下，峰值信噪比与标准JPEG-XR压缩方法相比，最高高出1.1 dB.也即在保持相等图像质量前提下，压缩了比特率.另外，横向对比这3幅不同纹理图像间特征参数，可见本文方法对纹理丰富的细节图像压缩处理更具有优势.

图3　不同图像在不同码率下的峰值信噪比

5小结

本文提出一种依据图像的纹理特征新的预测方法，该方法用图像灰度共生矩阵提取图像纹理特征，然后将灰度共生矩阵的自相关参量作为预测方向的判断依据来决策JPEG-XR 3个子带的预测方向.实验结果表明，本文方法与JPEG-XR标准方法以及文献[9]的预测方法相比，不但能较大程度减小重构图像的信息损失，而且还有效地压缩了码率，因此，本文方法在无线多媒体网络信息处理和嵌入式图像压缩等应用领域都极具借鉴意义.

[参考文献]

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

[2]王巧，乔双. Richardson-Lucy与调制核相结合的图像复原方法[J]. 东北师大学报(自然科学版)，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]刘致远，陈耀武. 基于主观质量的JPEG XR量化参数选择[J].计算机工程，2014，40(1)： 239-245.

[10]胡小开. JPEG XR编码器研究及其FPGA实现[D]. 哈尔滨:哈尔滨工业大学，2011.

[11]任国贞，江涛.基于灰度共生矩阵的纹理提取方法研究[J]. 计算机应用与软件，2014，31(11)：190-192.

[12]侯群群，王飞，严丽. 基于灰度共生矩阵的彩色遥感图像纹理特征提取[J]. 国土资源遥感，2013， 25(4)：26-32.

[13]陈海霞，崔茜. 基于Gabor小波和PCA的人脸识别[J]. 东北师大学报(自然科学版)，2014，46(4):77-80.

[14]张孟. 基于JPEGXR的遥感图像压缩算法典型部分研究和实现[D]. 哈尔滨:哈尔滨工业大学，2014.

(责任编辑：石绍庆)

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

[中图分类号]TP 391[学科代码]520·60

[文献标志码]A

[作者简介]邬春明(1966—)，男，教授，主要从事无线通信技术领域研究.

[基金项目]国家自然科学基金资助项目(61301257)；吉林省科技发展计划项目(2013020605GX).

[收稿日期]2015-04-07

[文章编号]1000-1832(2016)01-0054-06

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