【摘要】：近幾年,由于云儲(chǔ)存的出現(xiàn),很多大型的科技公司都對(duì)外提供云存儲(chǔ)的業(yè)務(wù),而且很多用戶會(huì)選擇將圖像數(shù)據(jù)保存到云端,所以在云端將會(huì)出現(xiàn)大量的圖像數(shù)據(jù)存儲(chǔ)。云端圖像數(shù)據(jù)高效壓縮存儲(chǔ)已成為一個(gè)重要的研究方向。傳統(tǒng)的圖像壓縮編碼如JPEG、MPEG等都是以單張圖像來進(jìn)行壓縮存儲(chǔ),并未考慮到圖像之間的相似性,使得對(duì)于整個(gè)圖像集編碼效率不高。為了有效利用圖像之間的冗余信息,提高云端圖像數(shù)據(jù)的壓縮編碼效率,出現(xiàn)了圖像集的聯(lián)合壓縮編碼,即群體圖像編碼。本文針對(duì)現(xiàn)有的群體圖像編碼框架及原理進(jìn)行介紹,對(duì)群體圖像編碼的光度變換和編碼結(jié)構(gòu)的生成提出相應(yīng)的改進(jìn)方案。首先,對(duì)目前現(xiàn)有的光度變換提出了一種基于二次擬合的光度變換改進(jìn)方案,使光度變換后的結(jié)果更加接近目標(biāo)圖像,提高群體圖像的編碼效率。然后,實(shí)現(xiàn)了一種基于匹配面積的圖像距離描述方法。該算法使用三角剖分計(jì)算SIFT匹配點(diǎn)覆蓋面積,之后將匹配面積與SIFT匹配點(diǎn)的距離按照公式進(jìn)行計(jì)算作為基于匹配面積的圖像距離。該基于匹配面積的圖像距離方法更加精確的表述了圖像間的相似信息,幫助生成更加高效的編碼結(jié)構(gòu),提升最終的編碼效率。最后,本文針對(duì)現(xiàn)有的群體圖像中單參考編碼,提出了一種基于物體的多參考編碼方法。該方法利用物體檢測(cè)技術(shù),識(shí)別圖像中含有的物體,分別針對(duì)圖像中的物體和未識(shí)別的剩余部分尋找合適的參考圖像,接著進(jìn)行相應(yīng)的多參考預(yù)測(cè)圖像生成,最后進(jìn)行基于塊的運(yùn)動(dòng)補(bǔ)償編碼,最終結(jié)果明顯提升編碼效率。通過對(duì)每個(gè)改進(jìn)和實(shí)現(xiàn)的方案進(jìn)行實(shí)驗(yàn)仿真,仿真結(jié)果表明:使用二次擬合光度變換編碼兩個(gè)圖像集和原有的線性擬合光度變換對(duì)比,在同樣比特率下二次擬合光度變換PSNR提高0.12dB到0.2dB,對(duì)于光度差異較大的圖像集,二次擬合光度變換對(duì)編碼效率有較大提升;使用基于匹配面積的圖像距離方法測(cè)試圖像集的編碼效率較原有的SIFT匹配點(diǎn)距離,同樣比特率下PSNR提高約0.1dB,提高了群體圖像編碼效率;使用基于物體的多參考群體圖像編碼和目前的單參考群體圖像編碼進(jìn)行對(duì)比,該算法在相同的比特率下PSNR較單參考提升約0.1dB到0.6dB。
【圖文】：

顯然是無法有效的降低圖像的編碼比特?cái)?shù)。因此這就需要考慮如何利用這些圖像之間的相似信息，進(jìn)行壓縮編碼，進(jìn)一步降低存儲(chǔ)空間，節(jié)省存儲(chǔ)成本。圖1.1 百度搜索西電主樓結(jié)果基于此提出了群體圖像編碼，群體圖像編碼是借鑒視頻編碼中幀間編碼參考模式，充分利用圖像集中圖像之間的相似信息設(shè)計(jì)算法，保證在圖像質(zhì)量不受影響的情況下降低圖像之間的冗余信息，實(shí)現(xiàn)降低圖像集總體的冗余信息，有效的減少存儲(chǔ)空間。1.2 研究現(xiàn)狀自 20 世紀(jì) 40 年代香農(nóng)發(fā)表跨時(shí)代的文章《通信的數(shù)學(xué)理論》后，一門嶄新的學(xué)科信息論誕生了[2]。文章給出了從數(shù)學(xué)模型來描述信息的編碼，用概率統(tǒng)計(jì)這一數(shù)學(xué)工具具體描述信源、信道等各個(gè)部分的編碼，這使信息編碼領(lǐng)域進(jìn)入了飛速的發(fā)展期，尤其對(duì)于圖像和視頻信息領(lǐng)域。由于圖像和視頻表述的信息更加的生動(dòng)形象，所以大

西安電子科技大學(xué)碩士學(xué)位論文12圖2.3 二維高斯卷積通過使用高斯卷積核對(duì)圖像卷積獲取不同尺度下的圖像， 就是代表尺度空間的尺度因子。實(shí)際上進(jìn)行尺度空間變換的原因就是為了模擬人眼對(duì)于圖像由遠(yuǎn)到近的成像，正是模擬這一特性才使得尺度空間算子對(duì)圖像的分析可以模擬人眼，，不受圖像灰度大小、對(duì)比度、以及圖像的角度、位置、大小的影響，保證該算子的魯棒性。這樣就定義了一個(gè)圖像的尺度空間 L( x, y , )，如式（2-3）。L( x, y , ) G ( x, y , )* I ( x, y)(2-3)接下來通過尺度空間構(gòu)建高斯金字塔。高斯金字塔是通過對(duì)圖像降采樣構(gòu)建不同大小的圖像，作為金子塔的每層，設(shè)定不同尺度的高斯函數(shù)，使用這些高斯函數(shù)與每層圖像進(jìn)行卷積運(yùn)算，得到每層的不同尺度模糊圖像，這就是高斯金字塔。使用高斯金字塔中每層相鄰不同尺度模糊圖像相減，得到高斯差分圖像，這些差分圖像就形成高斯差分金字塔。依據(jù)高斯差分金字塔進(jìn)行空間極值點(diǎn)檢測(cè)
【學(xué)位授予單位】：西安電子科技大學(xué)
【學(xué)位級(jí)別】：碩士
【學(xué)位授予年份】：2018
【分類號(hào)】：TN919.81

【參考文獻(xiàn)】

相關(guān)期刊論文 前1條

1 呂明磊;劉冬梅;曾智勇;;一種改進(jìn)的K-means聚類算法的圖像檢索方法[J];計(jì)算機(jī)科學(xué);2013年08期

本文編號(hào)：2620114