基于场景差异与小波分解的视频图像压缩传输方法研究

闫晓茹　徐刚

摘要：本文提出图片动态差异提取法，采用小波变换对差异图片进行分解，传输时根据动态差异的大小，选择发送小波变换的细节部分，或者近似细节部分。接收端根据图像动态差异，选择合适的近似部分，与细节部分重新构成新的图片。实验表明，与传统图像传输的方法相比，本方案可以有效提高传输的效率，降低系统传输的成本。

关键词：小波分解;场景差异;图像压缩传输

中图分类号：TN919 文献标识码：A 文章编号：1007-9416（2019）05-0070-02

圖像采集与传输在道路交通监控与管理方面发挥着重要作用，但图像文件的数据量较大，给无线传输带来了很大的压力。目前有一些研究算法，文献[1]中，提出基于轮廓提取视频压缩方法;文献[2]中，提出利用静止和活动图像一体化压缩系统的方法;文献[3]中，提出使用图像差异比较的方法，对图像进行压缩处理;文献[4]、[5]提出使用压缩感知技术，进行图像压缩处理。本文提出一种图片动态差异提取的方法，提高传输的效率，降低传输成本。

1 图像差异提取与小波分解的分析与应用

1.1 图像差异提取

本文中的差异提取，将两帧图像的差异大小使用数值方法描述出来，衡量视频文件中相邻两幅帧图像的差异程度。通常使用不同的参数对相邻图像进行差异比较。例如采用相关性检测的方法，衡量相邻图片的差异。

一般来说，类别识别时，需要构造一个仿射矩阵构造相应的向量模型。非欧空间E可以表示为两个实向量x和y的伪内积：〈x，y〉E=xTYrsy。其中，Yrs的表达式为：Yrs=[Ir×r 0;0-Is×s]。如果实向量x是一个有序的实向量对：X=（X+，X-），若用Xi+和Xi-分别表示X+和X-的元素，则上式可以改写为：

〈x，y〉E=Xi+Yi+-Xj-Yj-

假设格拉姆矩阵G（Gij=xiTxj）中有r个正的最大特征值和s个负的最小特征值，则需要增加一个常量以将所有的特征值都调整为正。

通过这种方法，可计算所有图像间的欧式距离，从而将计算得到的欧氏距离作为图像差异的特征量。

1.2 小波分解

小波是一个满足条件j（t）dt=0〗的函数通过评议和伸缩而产生的一族函数ja，b（t）。 小波在图像处理里被称为图像显微镜，它的多分辨率分解能力可以将图片信息一层一层分解剥离开来。剥离的手段就是通过低通和高通滤波器。通过逆变化可以对图像信号进行重构。本文采用小波对图形进行分解，然后通过细节与近似部分进行图像的重构。

2 基于场景差异与小波分解的视频图像压缩传输

为了尽量减小无线传输信道的压力，本文采用基于场景差异与小波分解的视频图像压缩传输方法。发送端工作流程：

（1）对采集的视频文件图像分组进行编号，并计算相邻图像之间的差异。组编号的大小为8帧、16帧或者24帧，具体根据相邻图像差异的统计值确定，设为M1。差异越大，编号值越小。（2）对相邻图像差异的大小进行区分，确定其为缓变区域还是陡变区域。其判决门限需要根据室验结果进行统计分析，设为M2。缓变区域，代表静止或者基本没有大的变化的图片区域;陡变区域，代表有明显变化的图片区域。（3）对每一组（8/16/24帧）的每一帧图像，进行小波分解。提取出其近似部分和细节部分。（4）传输时，每一组数据的第一帧图像，传输其小波变换后完整的近似部分和细节部分。其他图像，需要根据其与前一帧图像的变化程度（缓变/陡变），确定仅传输其细节部分，还是传输完整的近似部分与细节部分。如果是缓变，则仅传输细节部分;如果是陡变，则传输其完整的近似部分与细节部分。

在接收端，需要根据传输的数据，恢复出原始的视频文件，接受流程如下：

（1）在一组数据的第一帧图像，根据小波变换的近似部分与细节部分，反变换出完整的原始图像。（2）一组图像中的后续图像，需要根据其与前一帧图像的变化程度（缓变/陡变），确定恢复方法。如果是缓变图像，则使用前一帧数据的近似部分，本帧数据的细节部分，进行小波反变换，从而恢复出原始图像;如果是陡变图像，则根据传输的本帧图像近似和细节部分，恢复出原始图像。

由于一部分图像仅传输小波变换之后的细节部分，而没有传输近似部分，因此传输速率得到提高。这是一个动态调整的过程，其效率取决于相邻图像的差异大小。效率最低的情况是，所有相邻的图像差异都很剧烈，因此所有图像都传输了全部的数据，视频文件没有压缩;效率最高的情况是，绝大多数时刻，都是接近静止或者缓慢变化的图像，只需要每组图像的第一帧传输完整数据，其他各帧传输小波变换后的细节部分。

3 各门限参数的确定方法

本文所描述的方法，包含两个主要的判决门限参数：判断一组图像帧数量的门限M1、判断相邻图像差异程度的门限M2。参数可以通过以下方法获得。

3.1 人工训练的方法

确定当前的应用场景，并且进一步对白天、夜晚等基本参数进行确认。在此基础上，通过人工实验，手动设置判决门限，并确定最佳的传输与恢复效果。

3.2 聚类算法的方法

确定当前的应用场景，将图像差异的表述参数，使用K-means算法进行据类，得到相应的分类结果。并计算出各个聚集中心的边界。

4 实验验证

本实验分别采用车辆内部监控及外部监控，以八帧作为一组，将第一帧图像的所有数据进行传输，而其他七帧仅传输细节部分;在接收端，将第二到八帧图像，采用第一图像的近似部分与各帧对应的细节部分，进行恢复。实验表明，恢复后的图像与原始图像相比，在低速变化场景下，可以较好的恢复;在变化速度较快的场景下，图像有一定的损失，此时可缩小一组数据的帧数，达到有效传输。

4.1 车辆内监控视频图像分析

图1是第二帧和第八帧图像的原始图像和合成图片对比较。由于人员运动变化速度都比较慢，因此即使采用第八帧合成的图像，依然能够达到实时监控的效果。

4.2 车辆外部视频图像分析

图2是第二帧、第八帧和第四帧图像的原始图像以及合成图像的比较，由于车辆运动变化速度比较块，周边的场景有所失真;如果采用八帧传输图像有失真，但如果采用4帧传输将得到很好的恢复。

5 结语

本文提出的视频图像压缩传输方法。从一定程度上提高传输效率，并且基本不影响监控视频的可视化效果，具有较高的实际应用价值。

参考文献

[1]黄健鑫.固定场景下基于轮廓提取视频压缩方法研究[D].电子科技大学，2017.

[2]吴成柯.静止和活动图像一体化压缩系统的硬件实现研究[D].西安电子科技大学，2009.

[3]李菊，李克清，周蓓.改进的差异比较表在图像处理中的应用[C].第8届全国计算机支持的协同工作学术会议（CCSCW-2012）暨全国第23届计算机技术与应用学术会议（CACIS-2012）论文集，2012：352-355.

[4]李然，武明虎，郑海波，等.无线传感器网络中基于压缩感知的静止图像压缩方案研究[J].南京邮电大学学报（自然科学版），2013，33（4）：44-49.

[5]年瑞，车仁正，李培良，等.一种基于动静态目标检测与实时压缩感知追踪研究方法[P].2018.05.15.