论文部分内容阅读
随着通信技术、多媒体技术、云计算与大数据等技术的迅猛发展,多媒体应用已经深入到人们生活的各个方面,人们对于图像质量的要求也越来越高。然而,随着无线网络和移动设备的发展和普及,编码端资源受限、信道质量波动大等问题对图像编码提出了新的挑战。传统的图像编码方案,如JPEG、JPEG2000、 JPEG-LS以及视频编码标准H.26x中的帧内预测编码方式都是在编码端利用图像空间相关性进行复杂的预测,并且在传输过程中对码流加入保护。这类方法编码端计算复杂度高、网络鲁棒性差,很难满足无线移动环境下的新型应用需求。分布式编码理论为无线移动环境下的图像编码带来了新的曙光。根据Slepian-Wolf理论和Wyner-Ziv理论可知,多个相关信源进行独立编码、联合解码,可以获得与传统方案中联合编解码相同的码率极限。这一理论为分布式编码技术在图像编码领域的发展奠定了坚实的理论基础。分布式编码将去除相关信源相关性的操作迁移到解码端进行,可以充分利用解码端的资源,因此,编码复杂度低、资源消耗小、编码容错能力强,该技术在遥感卫星这类星上编码中有着重要的应用价值,已成为了一个研究热点。近几年,云计算与大数据的发展,为分布式编码的应用带来了新的机遇。移动设备编码端资源缺乏,而解码端资源充足(云环境中海量数据的存在)这一非对称的资源分配现象,使得分布式编码方案天然的适用于这一应用场景。本文针对移动设备编码端资源受限,而解码端资源丰富的问题,针对高光谱遥感图像、多视角遥感图像以及上传到云的图像提出了相应的分布式编码方法,旨在设计编码端简单、存储要求低、编码效率高并且具有传输鲁棒性的图像编码方案。论文的主要工作和创新如下:(1)本文提出了基于区域自适应的高光谱图像分布式编码方案。首先,根据高光谱图像分辨率高、频段多、但各个频段拍摄内容是相同地物的特点,设计了图像分割聚类算法,并根据聚类结果设计区域自适应的边信息生成方案,从而有效的去除了高光谱图像的谱间相关性;同时,针对高光谱图像各个频段对于噪声敏感程度的不同,设计了自适应选取参考频段的方法,有效选取相关性较强的频段作为参考频段;最后,提出利用马尔科夫(MRF)模型与LDPC解码结合,探索像素2D空间邻域内的相关性,进一步提高编码性能。实验结果表明,该方案通过同时探索谱间和空间相关性,获取了高效的编码性能,同时还具备编码端低计算复杂度的特点。(2)本文提出了基于行的多视角遥感图像分布式编码方案。本方案首先对像素进行方向分类,并为各类像素设计自适应的基于行的预测方式,在存储受限的情况下,有效的去除视角内相关性;同时,根据像素分类情况设计自适应的模板匹配算法去除视角间相关性。实验结果表明,该方案同时考虑了多视角图像的视角内和视角间相关性,具有高效的编码性能,同时还具备低编码复杂度、低存储要求的优势。(3)本文提出了基于云环境下图像分布式编码方案。该方案通过编码端传输子图像,并且充分利用云环境中的海量数据和接收到的子图像进行SIFT特征匹配融合,获得边信息。通过设计相应的下采样和上采样滤波器,为解码端获取更高质量的上采样图像信息,以提升其从云中融合得到的边信息质量,从而提升编码性能。该方案改变了传统方案中编码端没有任何相关信源只能利用图像的空间相关性的状态,运用分布式编码方案独立编码、联合解码的特点,在解码端充分利用云中海量数据的相关性,实验结果表明该方法有效的提高了编码性能。