论文部分内容阅读
相机阵列系统在越来越多的领域得到广泛应用,密集的相机阵列产生了大量高度冗余的图像数据,图像数据的编码压缩成为了相机阵列应用系统研究中的一个重要内容。本文研究了相机阵列的分布式编码方法、解码方法、节点图像间的相关性、节点的排列结构、解码端的匹配方法、分布式编码在三维测绘系统中的应用等问题。 要对相机阵列产生的海量数据进行有效的压缩就必须解析各个邻近相机节点间的大量的冗余信息,传统的解析图像间数据冗余的方法使用联合编码在编码端解析数据冗余,需要在编码节点间传输和存储参考信息,编码端复杂度要远大于解码端,对编码器的处理能力和存储能力以及传输能力要求很高。考虑到分布式相机阵列的特点是各个节点使用单独的板上处理器编码信息,编码节点处理能力较低、能源供应受限、通常节点间不进行通信,而是共同和一个中心处理器通信。因此各个节点独立的编码各自的数据对这样的系统来说是一种更加合理的方式。但独立编码独立解码的方式又不能有效的解析图像之间的相关性,难以取得好的压缩效率,因此综合考虑,我们既要对各个节点独立的进行编码,又要解析节点间的数据冗余,分布式信源编码就是满足这种要求的一种编码方式。 分布式编码的理论基础是Slepian-Wolf理论和Wyner-Ziv理论,分布式编码对互相关的信源采用独立编码联合解码的方式,并在解码端解析信源之间的相关性,把传统的编码方法中的编码端的复杂度转移到了解码端,既保持各信源编码的独立进行和编码端较低的运算量,同时又能有效的去除相关信源间的冗余信息。 本文针对相机阵列采集的图像设计了一种分布式编码方案,把相机阵列中的节点分为关键节点和分布式节点,分别独立的进行编码。对分布式节点的编码在频域进行,对相关性较强的低频系数和相关性较弱的高频系数分别编码,对低频系数使用伴随式编码,对高频系数使用熵编码。在解码端利用邻近的关键节点图像来产生参考信息并做伴随式解码,分析了解码图像中误差产生的因素、编码系数个数的影响、量化与陪集分割的关系,针对码率要求较高的情况设计了分级量化的方法、分析了不同节点排列方式对编码效率的影响。 分布式编码方法在解码端解析节点图像间的相关性,本文根据相机阵列的特点,提出了解码端的双向匹配方法、解码端生成高频信息的方法、解码端的半像素匹配方法,分析了编码端匹配与解码端匹配的关系,试验表明对于不同的图像阵列,使用这些匹配方法可以有效提高分布式编码效率。 三维测绘系统是相机阵列的一个重要应用领域,使用相机阵列可以恢复场景的三维信息,进行立体测量,本文对用于三维测绘的图像阵列使用分布式编码方法,针对这种场景中深度信息较多、遮挡区域严重的场合,提出先在解码端使用图像绘制的方法,利用关键节点为分布式节点绘制出参考图像,再做解码端匹配的方法,可以在不影响测绘质量的情况下有效的减少所需传输的数据量。