国产日韩欧美一区二区三区三州_亚洲少妇熟女av_久久久久亚洲av国产精品_波多野结衣网站一区二区_亚洲欧美色片在线91_国产亚洲精品精品国产优播av_日本一区二区三区波多野结衣 _久久国产av不卡

?

一種適用于無(wú)線(xiàn)多媒體傳感器網(wǎng)絡(luò)的JPEG圖像編碼算法*

2011-10-20 10:54:28熊哲源樊曉平劉少?gòu)?qiáng)李勇周瞿志華
傳感技術(shù)學(xué)報(bào) 2011年10期
關(guān)鍵詞:變化檢測(cè)復(fù)雜度像素

熊哲源,樊曉平,2* ,劉少?gòu)?qiáng),李勇周,瞿志華,3,鐘 智

(1.中南大學(xué)信息科學(xué)與工程學(xué)院,長(zhǎng)沙 410075; 2.湖南財(cái)政經(jīng)濟(jì)學(xué)院 網(wǎng)絡(luò)化系統(tǒng)研究所,長(zhǎng)沙 410205; 3.美國(guó)中佛羅里達(dá)大學(xué)電氣與計(jì)算機(jī)工程系,奧蘭多FL32816-2450,USA)

無(wú)線(xiàn)多媒體傳感器網(wǎng)絡(luò)(Wireless Multimedia Sensor Networks,WMSN)中的視頻節(jié)點(diǎn)裝備有攝像頭,能產(chǎn)生大量視頻數(shù)據(jù)[1]。由于WMSN在能量、計(jì)算和存儲(chǔ)等方面受到的限制,為了節(jié)點(diǎn)節(jié)約資源,在傳輸視頻數(shù)據(jù)之前必須對(duì)其進(jìn)行壓縮編碼。傳統(tǒng)有線(xiàn)和無(wú)線(xiàn)網(wǎng)絡(luò)中傳輸?shù)囊曨l幀速率高、數(shù)據(jù)量大,通常采用幀內(nèi)編碼結(jié)合幀間編碼的混合編碼方式以提高壓縮率。但幀間編碼計(jì)算復(fù)雜度高、數(shù)據(jù)存儲(chǔ)量大,且圖像失真率較高,不適用于資源受限、無(wú)線(xiàn)多跳的WMSN[2]。而且,圖像壓縮率越高,圖像重建質(zhì)量越低,圖像編碼的計(jì)算復(fù)雜度也更高。

WMSN主要用于區(qū)域監(jiān)控,如公共場(chǎng)所、交通場(chǎng)景和智能家居等,監(jiān)控圖像的幀速率低,數(shù)據(jù)量小,但要求圖像質(zhì)量高,以便于目標(biāo)跟蹤和分析。使用計(jì)算復(fù)雜度低的幀內(nèi)編碼可以滿(mǎn)足其應(yīng)用要求。此外,傳感器節(jié)點(diǎn)的通信能耗大,且存儲(chǔ)轉(zhuǎn)發(fā)能力有限,應(yīng)減少數(shù)據(jù)通信量[3]。因此,WMSN中圖像編碼方案的設(shè)計(jì)目標(biāo)是在保證圖像質(zhì)量的情況下,在計(jì)算復(fù)雜度和數(shù)據(jù)通信量之間達(dá)到一個(gè)平衡。

雖然JPEG 2000的壓縮率比JPEG更高,但由于其計(jì)算復(fù)雜度高,在WMSN中主要研究關(guān)于JPEG算法的改進(jìn)。Chiasserini等將JPEG中的浮點(diǎn)DCT運(yùn)算用定點(diǎn)DCT運(yùn)算替換以減少計(jì)算復(fù)雜度[4]。Magli等提出一種基于變化檢測(cè)和興趣區(qū)域編碼的改進(jìn)JPEG編碼方案[5]。Feng等設(shè)計(jì)了一個(gè)視頻傳感器節(jié)點(diǎn)平臺(tái)[6],使用 JPEG、差異 JPEG和條件補(bǔ)給的壓縮方式。Mammeri等研究JPEG中8×8 DCT系數(shù)矩陣的裁剪優(yōu)化[7-9],提出了全局法和局部法兩種選擇系數(shù)區(qū)域尺寸的方法。Lee等提出在保證較好的圖像質(zhì)量的情況下,通過(guò)分析法決定如何分配最優(yōu)整數(shù)和帶寬給壓縮過(guò)程的信號(hào)路徑,以降低JPEG計(jì)算復(fù)雜度[10-11]。這些關(guān)于JPEG的改進(jìn)算法在降低計(jì)算復(fù)雜度和改善圖像質(zhì)量方面做了許多工作,卻仍然沒(méi)有很好地解決壓縮率和圖像質(zhì)量之間的矛盾。

目前WMSN中圖像編碼的研究主要關(guān)注降低計(jì)算復(fù)雜度和改善圖像質(zhì)量,大多忽略了數(shù)據(jù)率和圖像質(zhì)量之間的關(guān)系,而無(wú)線(xiàn)傳感器節(jié)點(diǎn)的存儲(chǔ)轉(zhuǎn)發(fā)能力十分有限?,F(xiàn)在較為先進(jìn)的無(wú)線(xiàn)多媒體傳感器節(jié)點(diǎn)平臺(tái),如美國(guó)克爾斯博公司的Imote2,仍然難以滿(mǎn)足WMSN的區(qū)域監(jiān)控需求,因此有必要在保證一定圖像質(zhì)量的情況下,進(jìn)一步降低圖像數(shù)據(jù)率。

根據(jù)WMSN區(qū)域監(jiān)控的應(yīng)用需求,考慮到無(wú)線(xiàn)傳感器節(jié)點(diǎn)的存儲(chǔ)轉(zhuǎn)發(fā)能力受限、圖像數(shù)據(jù)率大的特點(diǎn),本文提出一種適用于WMSN的計(jì)算復(fù)雜度低、數(shù)據(jù)率低的圖像編碼方案。首先,對(duì)監(jiān)控圖像中的興趣區(qū)域進(jìn)行定位以減少數(shù)據(jù)傳輸量;然后,對(duì)DCT變換和量子化過(guò)程進(jìn)行優(yōu)化以降低計(jì)算復(fù)雜度。這樣,在減少通信數(shù)據(jù)量、節(jié)約能量的同時(shí)也保證了一定的圖像質(zhì)量。通常情況下,用戶(hù)只對(duì)監(jiān)控圖像序列中的目標(biāo)物體感興趣,而監(jiān)控區(qū)域中一般沒(méi)有物體運(yùn)動(dòng),除非有異常情況。因此,可以只傳輸目標(biāo)物體圖像,而不是每次都傳輸一幀完整圖像到基站,以減少數(shù)據(jù)通信量。此外,在基于DCT圖像編碼的視頻監(jiān)控應(yīng)用中,DCT高頻系數(shù)的重要性通常較小,在量子化之后容易變?yōu)榱?。而且量子化步長(zhǎng)較大時(shí),DCT系數(shù)也會(huì)被粗糙地量子化[12]。因此,對(duì)JPEG算法中的DCT變換和量子化進(jìn)行優(yōu)化研究。

1 興趣區(qū)域的定位

在視頻監(jiān)控應(yīng)用中,用戶(hù)的興趣區(qū)域一般是場(chǎng)景中的運(yùn)動(dòng)目標(biāo),也是發(fā)生變化的區(qū)域。檢測(cè)同一場(chǎng)景在不同時(shí)刻所拍攝圖像的變化區(qū)域,可以區(qū)分圖像序列和先前圖像之間的差異,檢測(cè)場(chǎng)景中物體的出現(xiàn)、運(yùn)動(dòng)和消失,物體形狀的變化等。使用變化檢測(cè)定位監(jiān)控圖像中的變化區(qū)域,由此確定興趣區(qū)域,并對(duì)其進(jìn)行編碼傳輸,可以有效降低數(shù)據(jù)通信量,從而降低能耗。在數(shù)據(jù)通信量已經(jīng)較小的情況下,可適當(dāng)降低壓縮率來(lái)保證較好的圖像質(zhì)量。

變化檢測(cè)算法用于檢測(cè)同一場(chǎng)景中不同時(shí)間捕獲的圖像序列中的變化區(qū)域,通過(guò)當(dāng)前幀和參考幀的比較找到活動(dòng)的塊,由此獲得與移動(dòng)目標(biāo)相關(guān)的連通區(qū)域[13]。視頻監(jiān)控的目標(biāo)是探測(cè)并跟蹤進(jìn)入監(jiān)控區(qū)域的目標(biāo),根據(jù)應(yīng)用場(chǎng)景的不同,用戶(hù)關(guān)注的目標(biāo)也不盡相同。變化檢測(cè)算法可以定位圖像中可能存在的目標(biāo),包含這些目標(biāo)的區(qū)域都是潛在的興趣區(qū)域。確定興趣區(qū)域的第一步是定位變化區(qū)域,標(biāo)記變化區(qū)域之后,再進(jìn)行深入處理,可實(shí)現(xiàn)對(duì)目標(biāo)的跟蹤和識(shí)別。興趣區(qū)域的最終確定應(yīng)根據(jù)實(shí)際場(chǎng)景和應(yīng)用需求來(lái)選擇,這里暫不討論。本文使用變化檢測(cè)算法定位監(jiān)控圖像中的變化區(qū)域,即定位潛在的興趣區(qū)域。

初始階段,視頻節(jié)點(diǎn)將一幅參考幀傳輸至匯聚節(jié)點(diǎn);然后,視頻節(jié)點(diǎn)僅傳輸當(dāng)前捕獲的視頻幀和參考幀不同的部分。文獻(xiàn)[6]作者提出周期性的產(chǎn)生并傳輸參考幀,而本文使用一幅固定的參考幀,因?yàn)檫@樣能夠探測(cè)出新進(jìn)入場(chǎng)景的物體,即使它突然停止運(yùn)動(dòng),還可以探測(cè)從場(chǎng)景中消失的物體,且這些是大多數(shù)視頻監(jiān)控應(yīng)用中所要關(guān)注的重要特征。此外,參考幀的質(zhì)量要求較高,壓縮率較低,僅傳輸一次參考幀可以有效的節(jié)約能量。

在各類(lèi)變化檢測(cè)的方法中圖像差值法是一種簡(jiǎn)單且應(yīng)用較多的方法,先計(jì)算兩幅圖像的差值,然后通過(guò)閾值判斷確定圖像的變化部分。文獻(xiàn)[5]將當(dāng)前幀和參考幀中所有按照特定規(guī)則選擇的像素逐個(gè)比較計(jì)算差值,再與選定的閾值進(jìn)行比較判斷,這樣似乎可以很好的保持目標(biāo)物體的邊緣細(xì)節(jié)。但是,該算法并不能有效地去除噪聲的影響,而且計(jì)算量相當(dāng)大。考慮到JPEG是以塊為單位進(jìn)行編碼計(jì)算,本文計(jì)算當(dāng)前幀和參考幀對(duì)應(yīng)的每個(gè)DCT塊中部分特定像素的絕對(duì)差值和,將絕對(duì)差值和與選定的閾值進(jìn)行比較,這樣可以在保證一定圖像質(zhì)量的同時(shí),有效地降低計(jì)算復(fù)雜度。

當(dāng)前幀和參考幀中所有DCT塊內(nèi)對(duì)應(yīng)位置像素點(diǎn)的差值之和稱(chēng)為絕對(duì)差值和(Sum of Absolute Difference,SAD)。因?yàn)楹暧^運(yùn)動(dòng)主要是由從一個(gè)塊運(yùn)動(dòng)到另一個(gè)塊的像素組成,所以最重要的像素點(diǎn)分布在DCT塊的邊緣。為了降低計(jì)算復(fù)雜度,增加檢測(cè)可靠性,本文計(jì)算SAD時(shí)僅選取DCT塊邊緣的部分像素點(diǎn),如圖1(a)所示,計(jì)算標(biāo)記為“1”的DCT塊,不計(jì)算標(biāo)記為“0”的DCT塊。而對(duì)每一個(gè)8×8的DCT塊,僅計(jì)算標(biāo)記為“a”的像素點(diǎn)(這些點(diǎn)組成集合A),如圖1(b)所示。一幀圖像中選定的像素點(diǎn)的位置如圖1(c)所示。SAD的計(jì)算公式如下所示:

式中C((i-1)·8+k,(j-1)·8+l)是當(dāng)前幀中一個(gè)DCT塊內(nèi)屬于集合A的一個(gè)像素點(diǎn)的像素值,R((i-1)·8+k,(j-1)·8+l)是參考幀中一個(gè) DCT 塊內(nèi)屬于集合A的一個(gè)像素點(diǎn)的像素值,(i,j)表示DCT塊在一幀圖像中的位置,1≤i≤?m/8」和 1≤j≤?n/8」表示圖像的大小。

圖1 像素掃描模式

計(jì)算當(dāng)前幀和參考幀中所有DCT塊內(nèi)屬于集合A的像素點(diǎn)的絕對(duì)差值之和,如果某個(gè)DCT塊的絕對(duì)差值和大于零,就認(rèn)為該DCT塊發(fā)生變化,否則認(rèn)為該塊沒(méi)有發(fā)生變化。DCT塊的變化也可能是由于噪聲等其他外部原因造成,比如相機(jī)移動(dòng)、傳感器噪聲、光源變化、大氣變化等。通過(guò)選擇合適的閾值進(jìn)行分割,可以將由目標(biāo)運(yùn)動(dòng)引起的變化和其他原因引起的變化區(qū)分開(kāi)來(lái)。盡管如此,變化檢測(cè)不能區(qū)分運(yùn)動(dòng)目標(biāo)的陰影和倒影,而會(huì)將它們都看作變化區(qū)域。為此,文獻(xiàn)[5]中選取了兩個(gè)閾值,以區(qū)分運(yùn)動(dòng)目標(biāo)、陰影和光照變化以及噪聲。但是,將陰影和光照變化與運(yùn)動(dòng)目標(biāo)區(qū)分開(kāi)來(lái)是不必要的,這樣會(huì)增加計(jì)算復(fù)雜度并消耗許多能量。對(duì)于資源受限的WMSN,檢測(cè)到目標(biāo)的粗糙邊緣比精細(xì)邊緣的更節(jié)約能量。因此,本文只選取一個(gè)閾值,來(lái)區(qū)分噪聲引起的變化和運(yùn)動(dòng)目標(biāo)引起的變化。通過(guò)與參考幀的比較,將圖像中的DCT塊劃分為三種類(lèi)型:靜止,噪聲和運(yùn)動(dòng)。判斷準(zhǔn)則如下:

如果(SAD=0),將塊標(biāo)記為靜止;

如果(0<SAD<TH),將塊標(biāo)記為噪聲;

如果(TH<SAD),將塊標(biāo)記為運(yùn)動(dòng)。

變化檢測(cè)能否區(qū)分噪聲和運(yùn)動(dòng)目標(biāo),閾值的選擇十分關(guān)鍵。閾值的選擇依賴(lài)于場(chǎng)景和可能的相機(jī)移動(dòng)程度,還有隨時(shí)間而變化的觀察條件(如光照)[14]。一般來(lái)說(shuō),根據(jù)圖像內(nèi)容選擇分割閾值顯然更加合理,但是本文使用的閾值是依靠經(jīng)驗(yàn)選取。

2 JPEG編碼算法優(yōu)化

文獻(xiàn)[7-9]中的JPEG改進(jìn)算法主要是對(duì)DCT變換進(jìn)行裁剪優(yōu)化,即僅計(jì)算部分DCT系數(shù),這樣降低計(jì)算復(fù)雜度的效果有限。DCT變換主要是加法和乘法運(yùn)算,文中沒(méi)有分析裁剪優(yōu)化對(duì)于DCT中加法和乘法運(yùn)算次數(shù)的影響。此外,量子化過(guò)程沒(méi)有對(duì)低頻和高頻系數(shù)區(qū)別對(duì)待。本文對(duì)參考幀和當(dāng)前幀使用不同的編碼方案,提出使用DCT近似計(jì)算,并定量分析該方法對(duì)加法和乘法運(yùn)算次數(shù)的影響。還探討了根據(jù)DCT系數(shù)重要性的不同,選擇量子化的步長(zhǎng),以保證圖像質(zhì)量。

2.1 快速DCT變換

JPEG編碼過(guò)程如圖2所示,先將源圖像劃分成若干個(gè)8×8的塊,然后對(duì)每塊進(jìn)行DCT變換,使用統(tǒng)一的量子化表格對(duì)變換后的系數(shù)進(jìn)行量子化,接著把量子化的結(jié)果按照頻率由低到高的順序排列為Z字形序列,用游程編碼減小序列的長(zhǎng)度,最后進(jìn)行熵編碼以進(jìn)一步壓縮。

圖2 JPEG編碼過(guò)程

前向DCT變換公式如下

對(duì)于參考幀,為了保持其圖像質(zhì)量,計(jì)算所有64個(gè)DCT系數(shù),并使用快速近似計(jì)算法來(lái)減少計(jì)算復(fù)雜度,其計(jì)算式如下:

其中?x」是小于等于x的最大整數(shù)。雖然進(jìn)行近似計(jì)算會(huì)引入誤差,但由于DCT之后的量子化步長(zhǎng)較大,這種誤差并不會(huì)造成什么影響[15]。

對(duì)于視頻節(jié)點(diǎn)所捕獲的當(dāng)前幀,根據(jù)DCT塊劃分的類(lèi)型的不同,采用不同的處理方式,保證變化區(qū)域的圖像質(zhì)量。對(duì)于標(biāo)記為靜止或噪聲的塊,不執(zhí)行DCT運(yùn)算,將所有系數(shù)置零;對(duì)于標(biāo)記為運(yùn)動(dòng)的塊,使用DCT近似計(jì)算結(jié)合裁剪優(yōu)化,計(jì)算4×4的低頻DCT系數(shù),將其他系數(shù)置零。

圖像中最有價(jià)值的信息通常保存在DCT的低頻部分。在量子化之后,許多DCT高頻系數(shù)都變?yōu)榱恪R虼?,僅需計(jì)算包含圖像主要能量的4×4 DCT低頻系數(shù),將其他48個(gè)系數(shù)置零,這樣還可以降低量子化階段的計(jì)算復(fù)雜度。

如圖3所示,如果僅計(jì)算2-D DCT中的k×k(k=1,…,8)部分系數(shù),降低計(jì)算復(fù)雜度的同時(shí)也降低了圖像重建質(zhì)量,圖像內(nèi)容和選取的k共同決定了圖像質(zhì)量。對(duì)于N×N的DCT所需的乘法數(shù)量(M)和加法數(shù)量(A)由以下公式計(jì)算[16]:

圖3 方形的DCT系數(shù)塊

當(dāng)用裁剪算法計(jì)算DCT的低頻系數(shù)時(shí),N0是2的冪,計(jì)算N0×N0的乘法數(shù)量(MN0)和加法數(shù)量(AN0)的計(jì)算公式如下:

2.2 量子化表的優(yōu)化選取

量子化的目的是進(jìn)一步壓縮,將每個(gè)DCT系數(shù)除以其相對(duì)應(yīng)的量子化步長(zhǎng),得到其結(jié)果取整數(shù),計(jì)算式如下。

量子化表的選取是量子化過(guò)程的關(guān)鍵,量子化表是一個(gè)8×8的矩陣,與DCT塊中對(duì)應(yīng)位置的系數(shù)作除運(yùn)算,量子化步長(zhǎng)選擇將影響輸出結(jié)果。DCT塊中DC系數(shù)和一些接近中頻的AC系數(shù)占據(jù)了信號(hào)的絕大部分能量,丟棄部分高頻的AC系數(shù)造成的信息損失不大。而且,DC系數(shù)的方差大于AC系數(shù)的方差,這意味著量子化后AC系數(shù)比DC系數(shù)更容易變成零。因此,需要把DC系數(shù)和AC系數(shù)區(qū)別處理。

如圖4所示,A區(qū)(DC系數(shù))十分重要,因?yàn)锳區(qū)的值不足會(huì)產(chǎn)生錯(cuò)誤的外形。B區(qū)的數(shù)值(低頻部分),C區(qū)的數(shù)值(中頻部分),D區(qū)的數(shù)值(高頻部分)則相對(duì)次要些。因?yàn)槿说难劬?duì)較低頻率的變化比較敏感,對(duì)DC系數(shù)應(yīng)該比AC系數(shù)更加謹(jǐn)慎。DCT系數(shù)的精度由量子化過(guò)程決定。量子化步長(zhǎng)越大,信號(hào)能量越小,DCT系數(shù)在量子化之后變?yōu)榱愕目赡苄栽礁?。為了保持參考幀的高精度,?yīng)該在A、B、C區(qū)使用較小的量子化步長(zhǎng),在D區(qū)使用較大的量子化步長(zhǎng)。為了增加壓縮率,降低計(jì)算復(fù)雜度,其他由節(jié)點(diǎn)捕獲的當(dāng)前幀在A區(qū)用小的量子化步長(zhǎng),在B、C、D區(qū)用大的量子化步長(zhǎng)。

圖4 DCT系數(shù)的區(qū)域

3 仿真實(shí)驗(yàn)及分析

假設(shè)將無(wú)線(xiàn)多媒體傳感器網(wǎng)絡(luò)應(yīng)用于區(qū)域監(jiān)控,采用分層結(jié)構(gòu),基站、簇頭節(jié)點(diǎn)和普通的視頻傳感器節(jié)點(diǎn)。視頻傳感器節(jié)點(diǎn)均勻部署,完全覆蓋監(jiān)控區(qū)域。所有節(jié)點(diǎn)是不可移動(dòng)的,并且由電池供電。視頻節(jié)點(diǎn)負(fù)責(zé)捕獲和編碼監(jiān)控區(qū)域的圖像,并將編碼后的圖像傳輸給簇頭節(jié)點(diǎn)。

3.1 仿真實(shí)驗(yàn)結(jié)果

本文選取 PETS’2000(2000 IEEE International Workshop on Performance Evaluation of Tracking and Surveillance)的測(cè)試圖像序列在MATLAB上進(jìn)行仿真實(shí)驗(yàn)。圖像場(chǎng)景是戶(hù)外停車(chē)場(chǎng),一個(gè)裝在高處的攝像頭以25 Hz的速度在58.08 s內(nèi)拍攝了1 452幀圖像,期間有人員和車(chē)輛進(jìn)入監(jiān)控區(qū)域。圖像原始格式為768像素×578像素的彩色圖像。選取編號(hào)為 0000,0120,0130,0140,0150,0160,0180 的圖像,將它們變換為SIF格式,即320像素×240像素的灰度圖像,然后用本文提出的圖像編碼算法進(jìn)行仿真實(shí)驗(yàn)。

圖5(a)是0000幀,被選作參考幀,圖5(b)參考幀使用DCT近似計(jì)算JPEG算法壓縮后的圖像。JPEG標(biāo)準(zhǔn)算法壓縮的圖像PNSR是36.1141,DCT近似計(jì)算JPEG算法的PSNR是328226,近似計(jì)算造成3.291 5 dB的損失。圖5(c)是編號(hào)為0180的當(dāng)前幀,其中一輛車(chē)正在通過(guò)停車(chē)場(chǎng),一個(gè)人在向停車(chē)場(chǎng)行進(jìn)。

圖5 參考幀和當(dāng)前幀

圖6 變化檢測(cè)方法的比較

若將參考幀和當(dāng)前幀中所有對(duì)應(yīng)位置的像素逐個(gè)取差值并和閾值比較時(shí),變化檢測(cè)的結(jié)果如圖6(a)所示,檢測(cè)出的汽車(chē)和人的邊緣都比較精確,但是殘留了許多噪聲,計(jì)算復(fù)雜度也較高。若將參考幀和當(dāng)前幀中所有對(duì)應(yīng)位置的DCT塊的絕對(duì)差值和與閾值進(jìn)行比較時(shí),檢測(cè)結(jié)果如圖6(b)所示,檢測(cè)結(jié)果濾除了大部分噪聲,但是沒(méi)有檢測(cè)到人,而且其計(jì)算復(fù)雜度也較高。本文所提出算法的檢測(cè)結(jié)果如圖6(c)所示,仍有少數(shù)噪聲殘留,但是運(yùn)動(dòng)的車(chē)輛和行人都被檢測(cè)到,且計(jì)算復(fù)雜度更低。圖6(d)所示是使用優(yōu)化的JPEG算法壓縮后的檢測(cè)結(jié)果圖像。

編號(hào)0120、0130、0140、0150、0160 圖像幀的變化檢測(cè)和圖像編碼結(jié)果如圖7所示。

圖7 變化檢測(cè)與壓縮的結(jié)果

3.2 計(jì)算復(fù)雜度分析

將傳統(tǒng)的快速DCT運(yùn)算,文獻(xiàn)[5-7]中使用的DCT裁剪運(yùn)算,文獻(xiàn)[2]中使用的變化檢測(cè)結(jié)合本文所提出DCT近似計(jì)算,以及本文所提出的編碼算法進(jìn)行比較,各算法所需的乘法和加法的次數(shù)如表1所示??梢钥闯?,本文所提出的算法的乘法和加法次數(shù)最小,計(jì)算復(fù)雜度低于其他算法。此外,在DCT計(jì)算中,內(nèi)存訪(fǎng)問(wèn)和產(chǎn)生地址的操作占到全部計(jì)算量的75%,所提出的算法不僅可以減少加法和乘法的計(jì)算次數(shù),還可以降低內(nèi)存訪(fǎng)問(wèn)和產(chǎn)生地址的操作。

表1 2D-DCT的加法和乘法運(yùn)算次數(shù)

美國(guó)克爾斯博公司的無(wú)線(xiàn)傳感器節(jié)點(diǎn)平臺(tái)Imote 2是目前比較先進(jìn)的節(jié)點(diǎn)平臺(tái),它具有256 kbit的SRAM,傳輸速率為250 kbit/s的無(wú)線(xiàn)收發(fā)裝置。如果一幀圖像的大小為48 kbit,以25 Hz的速度采集320像素×240像素的監(jiān)控圖像時(shí),1 s就會(huì)產(chǎn)生1 200 kbit的數(shù)據(jù)。這些圖像數(shù)據(jù)超過(guò)了SRAM的存儲(chǔ)空間和無(wú)線(xiàn)電的傳輸能力。節(jié)點(diǎn)無(wú)法完成數(shù)據(jù)傳輸任務(wù),且會(huì)消耗大量能量。在進(jìn)行變化檢測(cè)之后,僅保留運(yùn)動(dòng)目標(biāo),如表2所示,檢測(cè)結(jié)果每幀圖像大小約為5 kbit,遠(yuǎn)小于原始圖像。這樣1 s內(nèi)產(chǎn)生的圖像數(shù)據(jù)只有大約125 kbit,Imote 2是可以完成數(shù)據(jù)傳輸任務(wù)的,并可以有效節(jié)約計(jì)算和通信能耗。

表2 變化檢測(cè)后圖像與原始圖像尺寸對(duì)比 單位:bit

如表3所示,對(duì)于320像素×240像素的圖像,如果逐個(gè)像素比較,需要進(jìn)行153 600次加法,如果逐個(gè)塊比較,需要進(jìn)行78 000次加法,如果按所提出算法,比較每個(gè)塊中邊緣的14個(gè)像素,需要18 000次加法。

表3 變化檢測(cè)運(yùn)算量比較

通常情況下,進(jìn)入場(chǎng)景的車(chē)輛和人員數(shù)量都較少,因此變化檢測(cè)結(jié)果圖像也較小,從而顯著地降低了數(shù)據(jù)率,可以有效地節(jié)約通信能耗。

4 結(jié)論

本文提出一種適用于WMSN的基于變化檢測(cè)和優(yōu)化JPEG的低復(fù)雜度的圖像編碼算法。變化檢測(cè)算法使用單一的參考幀和檢測(cè)閾值,可以有效濾除圖像中的大部分噪聲,檢測(cè)到運(yùn)動(dòng)目標(biāo),且運(yùn)算量較小。優(yōu)化后的DCT運(yùn)算和量子化表格以極小的圖像質(zhì)量損失為代價(jià),顯著降低了計(jì)算復(fù)雜度。仿真實(shí)驗(yàn)結(jié)果表明,檢測(cè)算法檢測(cè)精度較高,有效減少了數(shù)據(jù)傳輸量。優(yōu)化后的圖像編碼算法有效地降低節(jié)了計(jì)算復(fù)雜度,保證了圖像質(zhì)量。

[1]Akyildiz I F,Melodia T,Chowdhury K R.A Survey on Wireless Multimedia Sensor Networks[J].Computer Networks,2007,51(4):921-960.

[2]魯琴,羅武勝,張勇.多媒體傳感器網(wǎng)絡(luò)中基于兩跳簇結(jié)構(gòu)的圖像傳輸方案[J].傳感技術(shù)學(xué)報(bào),2007,20(11):2476-2480.

[3]張正宜,金心宇.無(wú)線(xiàn)多媒體傳感器網(wǎng)絡(luò)實(shí)時(shí)任務(wù)分配算法[J].傳感技術(shù)學(xué)報(bào),2009,22(5):688-693.

[4]Chiasserini C,Magli E.Energy Consumption and Image Quality in Wireless Video-Surveillance Networks[C]//Proceedings of 13th IEEE International Symposium on Personal,Indoor and Mobile Radio Communications.Lisbon:IEEE,2002:2357-2361.

[5]Magli E,Mancin M,Merello L.Low Complexity Video Compression for Wireless Sensor Networks[C]//Proceedings of 2003 International Conference on Multimedia and Expo.Baltimore:IEEE,2003.585-588.

[6]Feng W,Kaiser E,F(xiàn)eng W C,et al.Panoptes:Scalable Low-Power Video Sensor Networking Technologies[J].ACM Transactions on Multimedia Computing,Communications,and Applications.2005,1(2):151-167.

[7]Mammeri A,Khoumsi A,Ziou D,et al.Energy-Aware JPEG for Visual Sensor Networks[C]//Proceedings of 2008 Maghrebian Conference on Software Engineering and Artificial Intelligence.O-ran:IEEE,2008:1-7.

[8]Mammeri A,Khoumsi A,Ziou D,et al.Modeling and Adapting JPEG to the Energy Requirements of Visual Sensor Networks[C]//Proceedings of 2008 International IEEE Workshop on Sensor Networks.Virgin Islands:IEEE,2008:1-6.

[9]Mammeri A,KhoumsiA,Ziou D,etal.EnergyEfficient Transmission Scheme of JPEG Images over VSN[C]//Proceedings of 2008 International IEEE Workshop on Performance and Management of Wireless and Mobile Networks.Montreal:IEEE,2008:639-647.

[10]LeeD,Kim H,Tu S,etal.Energy-Optimized Image Communication on Resource-Constrained Sensor Platforms[C]//Proceedings of 6th International Symposium on Information Processing in Sensor Networks.Cambridge:IEEE,2007:216-225.

[11]Lee D,Kim H,Tu S,et al.Energy-Efficient image Compression on Resource-Constrained Platforms[J].IEEE Transactions on Image Processing,2009,18(9):2100-2113.

[12]Wallace G.The JPEG Still Picture Compression Standard[J].Communication of ACM,1991,34(4):30-44.

[13]Radke R J,Andra S,Al-Kofahi O,et al.Image Change Detection Algorithms:A Systematic Survey[J].IEEE Transactions on Image Processing,2005,14(3):294-307.

[14]Pao I M,Sun M T.Modeling DCT Coefficients for Fast Video Encoding[J].IEEE Transactions on Circuits and Systems for Video Technology,1999,9(4):608-616.

[15]Pan Z,Pan W D,Milenkovic A.Complexity-Distortion Tradeoffs in Variable Complexity 2-D DCT[C]//Proceedings of the 42nd annual Southeast regional conference.Huntsville:ACM,2004:460-465.

[16]Christopoulos C A,Bormans J,Cornelis J,et al.The Vector-Radix Fast Cosine Transform:Pruning and complexity analysis[J].Signal Processing,1995,43(2):197-205.

猜你喜歡
變化檢測(cè)復(fù)雜度像素
趙運(yùn)哲作品
藝術(shù)家(2023年8期)2023-11-02 02:05:28
用于遙感圖像變化檢測(cè)的全尺度特征聚合網(wǎng)絡(luò)
像素前線(xiàn)之“幻影”2000
基于多尺度紋理特征的SAR影像變化檢測(cè)
“像素”仙人掌
基于稀疏表示的視網(wǎng)膜圖像對(duì)變化檢測(cè)
一種低復(fù)雜度的慣性/GNSS矢量深組合方法
基于Landsat影像的黃豐橋林場(chǎng)森林變化檢測(cè)研究
求圖上廣探樹(shù)的時(shí)間復(fù)雜度
高像素不是全部
CHIP新電腦(2016年3期)2016-03-10 14:22:03
柯坪县| 耿马| 金华市| 瑞昌市| 娱乐| 泾源县| 来宾市| 商河县| 元江| 九江市| 丰都县| 曲周县| 无锡市| 宜丰县| 铅山县| 汝阳县| 舞阳县| 元谋县| 镇远县| 安多县| 桂平市| 婺源县| 巴林左旗| 天水市| 都匀市| 遵义市| 于都县| 镇原县| 南乐县| 乌兰浩特市| 天镇县| 南岸区| 榆林市| 乐陵市| 且末县| 昆山市| 淅川县| 罗田县| 玉林市| 莱芜市| 铜山县|