基于小波变换和广义有限自动机的视频压缩

赵国锋,康戈文,孟继成

摘 要:为了改进视频编码的比特率,提出基于小波变换的位平面模型和广义有限自动机(GFA)的视频压缩。该算法是把一个连续画面中(GOP)的视频序列作为整体做小波变换,然后对小波系数的自适应量化及位平面模型。帧间,频带间,位平面间都类似成为相同位平面模型。这样可以更好地使用广义有限自动机(GFA)来压缩位平面。最后用熵编码方式编码GFA描述的节点信息为可分级的比量流,它是一个高效可分级视频编码方案。以前多数不切实际的多媒体通信应用将可能实现。

关键词:视频压缩;广义有限自动机;小波变换;位平面

中图分类号:TN91981文献标识码:A

文章编号:1004-373X(2009)20-063-03

Video Coding Based on Wavelet Transform and GFA Modeling

ZHAO Guofeng,KANG Gewen,MENG Jicheng

(University of Electronic Science and Technology of China,Chengdu,610054,China)

Abstract:In order to improve the video coding in bitrates,a video coding scheme based on the statistical bitplane modeling and the Generalized Finite Automata (GFA) representation of video sequences in wavelet domain is presented.In the proposed scheme,a video sequence Group of Pictures (GOP) is represented as an overall binary image by bitplane modeling the coefficients of the video sequence within subbands using a generalized Gaussian quantizer,adaptive to the coefficient statistics of the video sequence.The inter-frame (motion),interband (frequency) and inter-bitplane (spectrum) similarities are optimally explored in the bitplane model,to form a compact GFA representation of the video sequence.Finally,all the transitions (edges) and the leaf nodes in the GFA representation are entropy encoded into a scalable bitstream.It is an effective scalable video coding scheme.Numerous multimedia communication applications,previously unpractical,should be envisaged with the low bitrates.

Keywords:video compression;generalized finite automata;wavelet transform;bitplane

0 引 言

随着互联网的飞速发展,消费类电子、通信、影视及广播、计算机技术日益紧密地结合起来,使得基于互联网的多媒体产业成为本世纪初发展最快、规模最大的产业之一。在通信网络上传输,数字视频数据量的大小成为多媒体技术中非常重要的问题[1]。因此数据压缩成为电子信息领域的重要技术,数据压缩意味着减少表示某信息(如一幅图像) 所需的数据量,即减少容纳给定信息集合或数据采样集合的空间;这样一种处理技术的应用,可以有效地节省数据的存储空间,并在一定程度上缓解因信道带宽和容量不足给电子信息技术进步带来的问题。

H.264/AVC标准是当前国际上最新的图像编码标准。它主导思想是基于块的混合编码方法。主要的技术有:4×4的整数变换与量化,基于空域的帧内预测,熵编码采用CAVLC或CABAC,去块效应滤波器等[2]。

图1 基于小波变换和GFA的

视频压缩编码的系统框图

1 小波变换

在此以小波变换和广义有限自动机编码(GFA)的视频压缩算法[3],不像传统的视频压缩算法用到I帧,P帧,B帧等概念,而是以视频序列GoP(Group of Pictures)为单位做小波变换、量化、位平面、GFA(Generalized Finite Automata)、算术编码。算法编码示意图如图1所示。

小波变换是自1986年以来,迅速发展起来的一门新兴学科。研究平稳信号的理想工具是傅里叶分析,而非平稳信号可以分解为小波的线性组合。小波分析在时域和频域同时具有良好的局部化性质,能将图像信号分解为与人类视觉特性相匹配的不同分辨率、不同方向特性的子带,并使能量集中到某些子带,为图像的压缩提供一个有效的手段[4]。

一维小波变换公式为:

当f(x)∈L2(R)时,

时域:

cwt(s,b)=1s∫f(x)ψx-bsdx

频域:

CWT(s,w)=sF(w)Φ(sw)

二维小波变换公式为:

当f(x)∈L2(R)时,

时域:

cwt(s,a,b)=1s雈(x,y)ψx-as,y-bsdxdy

频域:

CWT(s,w1,w2)=sF(w1,w2)Φ(sw1,sw2)

对于一维信号的正交小波分解和重构均可通过子带滤波的形式实现,分别如图2所示。

图2 一维离散小波变换

对于二维图像,以图2分别在水平和垂直方向进行滤波的方法实现二维图像小波多辨率分解[5]。图3为经二维小波分解的频带划分示意图。

图3 二维小波分解频带示意图

小波变换本身并不直接引起比特率的减少,只是为减少比特率提供条件,还必须与量化技术结合才能达到压缩目的。量化是通过降低整数的精度来减少存储整数值所需位数的过程。通常对所得到的子带,根据人类的视觉生理和心理特点分别做不同策略的量化处理,其中低频子带用小步长量化,高频子带可以用大步长进行量化,以达到更好的压缩效果。

经过小波分解后,得到低频子带图像依然保持原始图像的概貌,但由于经过多重低频滤波后,能量高度集中,系数之间的相关性很强。各面高频子带包含原图像在水平、垂直和对角线方向的高频分量,因而其中大部分区域变化幅度不大,且能量低。所以低频子带用较多层位平面表示,高频子带用较少层位平面表示。

所谓位平面,是这样的一个平面概念:在这个平面上的是图像的某个数据位上的所有比特。比如对于24位真彩图像,它的单个像素的红色成分用一个字节来表示,则整幅图像的红色成分可以用8 个位平面来表示,从高位到低位依次是第7,第6,…,第1,第0位平面,每个位平面上包含了红色成分字节中相应数据位的比特值[6]。