蔣 鵬，吳建峰，董林璽

(1.杭州電子科技大學(xué)信息與控制研究所，杭州310018;2.杭州電子科技大學(xué)射頻電路與系統(tǒng)教育部重點(diǎn)實(shí)驗(yàn)室，杭州310018)

無(wú)線多媒體傳感器網(wǎng)絡(luò)(WMSNs)是在傳統(tǒng)的傳感器網(wǎng)絡(luò)基礎(chǔ)上發(fā)展起來(lái)的，能夠感知音頻、視頻、圖像等大數(shù)據(jù)量的多媒體信息，在環(huán)境監(jiān)測(cè)、戰(zhàn)場(chǎng)監(jiān)控、智能家居等領(lǐng)域具有廣闊的應(yīng)用前景。然而，圖像作為WMSNs主要感知信息之一，具有數(shù)據(jù)量大、復(fù)雜度高和內(nèi)存需求高等特點(diǎn)，資源嚴(yán)重受限的單個(gè)節(jié)點(diǎn)難以完成圖像的處理和傳輸［1－2］，因此需要在傳輸前對(duì)原始圖像進(jìn)行壓縮。

目前研究人員提出了許多面向WMSNs的圖像壓縮算法，如Wang Pu等人提出了基于信息熵差異測(cè)量方案和分布式多簇編碼協(xié)議的圖像壓縮框架［3］，旨在最大程度提高對(duì)WMSNs視覺(jué)信息的整體壓縮?；诜植际叫旁淳幋a的圖像壓縮算法［4］通過(guò)計(jì)算各信源之間的相關(guān)性來(lái)對(duì)圖像進(jìn)行編碼壓縮。文獻(xiàn)［5－6］提出的圖像壓縮機(jī)制則均側(cè)重于使圖像重建質(zhì)量與節(jié)點(diǎn)能耗之間達(dá)到一個(gè)最佳平衡。近年來(lái)，重疊變換技術(shù)在WMSNs圖像壓縮中的應(yīng)用受到越來(lái)越多的關(guān)注，如文獻(xiàn)［7－8］提出的圖像壓縮算法均通過(guò)節(jié)點(diǎn)間共享任務(wù)處理進(jìn)程來(lái)解決單個(gè)節(jié)點(diǎn)計(jì)算、存儲(chǔ)能力以及能量受限的問(wèn)題。

WMSNs圖像壓縮常常借助JPEG和JPEG2000這些典型的圖像壓縮標(biāo)準(zhǔn)，如文獻(xiàn)［9－10］提出的圖像壓縮算法均基于JPEG2000對(duì)圖像進(jìn)行分布式處理，文獻(xiàn)［11］提出了基于變化檢測(cè)和自適應(yīng)JPEG的圖像壓縮方案。由于JPEG和JPEG2000復(fù)雜度較高，算法往往需要將多級(jí)小波變換的計(jì)算量分布到多個(gè)節(jié)點(diǎn)中去完成，從而平衡節(jié)點(diǎn)能耗，但分布式處理需要節(jié)點(diǎn)間進(jìn)行數(shù)據(jù)交換，這在一定程度上增加了節(jié)點(diǎn)能耗，因此如何設(shè)計(jì)一個(gè)有效的分布式處理機(jī)制是這類算法需要著重考慮的問(wèn)題。文獻(xiàn)［12］提出了一種典型的無(wú)線多媒體傳感器網(wǎng)絡(luò)分布式漸進(jìn)圖像壓縮算法(簡(jiǎn)稱DICA算法)，該算法基于逐級(jí)漸進(jìn)的分布式計(jì)算原理，采用隨機(jī)選擇原則來(lái)選取輔助節(jié)點(diǎn)協(xié)同完成JPEG2000中的多級(jí)小波變換。然而逐級(jí)漸進(jìn)分布式計(jì)算原理使DICA算法面臨“最后一跳超負(fù)荷(Last-Hop Overload)”的問(wèn)題，并且輔助節(jié)點(diǎn)的隨機(jī)選擇原則難以保證簇內(nèi)各成員節(jié)點(diǎn)能耗的均衡性。

鑒于DICA算法的不足，本文提出了一種改進(jìn)的基于簇內(nèi)分布式處理的圖像壓縮算法(簡(jiǎn)稱ICDP算法)。ICDP算法通過(guò)一種新型的基于能量?jī)?yōu)先選擇原則的分布式處理機(jī)制來(lái)完成JPEG2000中的多級(jí)小波變換，力求最大程度地保證簇內(nèi)各節(jié)點(diǎn)能量的均衡性。仿真結(jié)果表明，與DICA算法相比，ICDP算法能夠在保證圖像質(zhì)量和壓縮比相同的前提下，更好地平衡網(wǎng)絡(luò)中各節(jié)點(diǎn)的能耗，大大延長(zhǎng)了網(wǎng)絡(luò)的生命周期。

1 算法原理

本節(jié)首先簡(jiǎn)要介紹了圖像的小波變換和JPEG2000圖像壓縮標(biāo)準(zhǔn)，然后詳細(xì)闡述了ICDP算法基于能量?jī)?yōu)先選擇原則的分布式處理機(jī)制。

1.1 圖像的小波分解

小波變換具有良好的時(shí)頻局部化性能，原始圖像通過(guò)二維小波變換后，可以得到一系列不同分辨率的子圖像。圖像中相鄰像素的灰度值往往是高度相關(guān)的，通過(guò)小波變換后，不同尺度的高頻子帶圖像之間存在同構(gòu)性和相似性，且圖像的大部分能量集中在分辨率最小的低頻子帶，高頻子帶所占能量較少。因此，對(duì)頻帶內(nèi)和頻帶間相關(guān)性的充分利用以及對(duì)零值附近小波系數(shù)的有效處理，成為了提高圖像壓縮效率的關(guān)鍵。

JPEG2000圖像壓縮標(biāo)準(zhǔn)基于離散小波變換和最優(yōu)化截?cái)嗟那度雺K編碼算法(EBCOT)，可實(shí)現(xiàn)低比特率壓縮，同時(shí)支持有損和無(wú)損壓縮，漸進(jìn)傳輸、碼流隨機(jī)訪問(wèn)等功能。典型的JPEG2000編/解碼系統(tǒng)由三部分組成:正向/反向小波變換，量化/反量化，熵編碼/解碼。ICDP算法采用第二代小波變換的快速提升方案，小波變換取CDF9/7雙正交小波基，該小波基具有線性相位，消失矩較大，能量集中性好等特點(diǎn)。JPEG2000中CDF9/7小波的提升方案如圖1所示。

圖1 CDF9/7小波提升方案

其中，α=－1.586134342，β=－0.0529801186，γ=0.882911075，δ=0.443506852，K=1.230174105。CDF9/7小波提升算法具體如下:

(1)預(yù)測(cè)1

(2)更新1

(3)預(yù)測(cè)2

(4)更新2

(5)系數(shù)縮放1

(6)系數(shù)縮放2

1.2 分布式處理機(jī)制

考慮一個(gè)節(jié)點(diǎn)部署密集的WMSNs分簇網(wǎng)絡(luò)。網(wǎng)絡(luò)中配備攝像頭的節(jié)點(diǎn)稱為圖像采集節(jié)點(diǎn)，負(fù)責(zé)圖像的采集，其余為普通節(jié)點(diǎn)，負(fù)責(zé)協(xié)同參與本簇圖像數(shù)據(jù)的處理。WMSNs的一個(gè)分簇如圖2所示，其中BS為基站，C為簇頭節(jié)點(diǎn)，S為圖像采集節(jié)點(diǎn)，P1～Pn為普通的簇成員節(jié)點(diǎn)，每個(gè)節(jié)點(diǎn)擁有一個(gè)固定的ID號(hào)，簇頭節(jié)點(diǎn)C維護(hù)一個(gè)簇成員節(jié)點(diǎn)的能量表。

圖2 WMSNs網(wǎng)絡(luò)的一個(gè)分簇

分布式處理機(jī)制描述如下:

(1)當(dāng)圖像采集節(jié)點(diǎn)S采集到一幅圖像后，將圖像數(shù)據(jù)分割成m塊。

(2)簇頭節(jié)點(diǎn)對(duì)簇成員節(jié)點(diǎn)的能量表進(jìn)行降序排序，選取能量最高的m個(gè)節(jié)點(diǎn)P'={p'1，p'2，p'3，…，p'm}作為輔助節(jié)點(diǎn)集，并將輔助節(jié)點(diǎn)的節(jié)點(diǎn)ID號(hào)通知圖像采集節(jié)點(diǎn)S。

(3)圖像采集節(jié)點(diǎn)S接收到輔助節(jié)點(diǎn)ID后，將圖像數(shù)據(jù)塊分別傳送到m個(gè)輔助節(jié)點(diǎn)中。

(4)各輔助節(jié)點(diǎn){p'1，p'2，p'3，…，p'm}對(duì)接收到的圖像數(shù)據(jù)塊進(jìn)行第一級(jí)CDF9/7小波變換，保存低頻子帶LL1，對(duì)高頻子帶LH1，HL1和HH1進(jìn)行量化和EBCOT熵編碼，并將編碼壓縮后的數(shù)據(jù)傳送至基站。

(5)簇頭節(jié)點(diǎn)廣播一個(gè)命令來(lái)更新簇成員節(jié)點(diǎn)的能量表并進(jìn)行降序排序，選取能量最高的m個(gè)節(jié)點(diǎn) P″={p″1，p″2，p″3，…，p″m}作為當(dāng)前輔助節(jié)點(diǎn)集。簇頭節(jié)點(diǎn)將根據(jù)能量?jī)?yōu)先選擇原則從前次輔助節(jié)點(diǎn)集 P'={p'1，p'2，p'3，…，p'm}和當(dāng)前輔助節(jié)點(diǎn)集 P″={p″1，p″2，p″3，…，p″m}來(lái)確定最終的輔助節(jié)點(diǎn)。簇頭節(jié)點(diǎn)將P'和P″進(jìn)行比較，若存在相同ID號(hào)的輔助節(jié)點(diǎn) p'i(p'i∈P'，1≤i≤m)和 p″j(p'j∈P″，1≤j≤m)，則發(fā)送一個(gè)Cons命令到p'i，表示節(jié)點(diǎn)p'i將低頻子帶LL1保存在p'i中進(jìn)行處理。然后簇頭節(jié)點(diǎn)根據(jù)能量從高到低對(duì)具有不同ID號(hào)的輔助節(jié)點(diǎn)p'a(p'a∈P'，1≤a≤m)和 p″b(p″b∈P″，1≤b≤m)進(jìn)行對(duì)比，假設(shè)前次輔助節(jié)點(diǎn)p'a的能量為Ea，當(dāng)前輔助節(jié)點(diǎn)p″b的能量為Eb，因?yàn)檩o助節(jié)點(diǎn)是根據(jù)能量?jī)?yōu)先選擇原則選取的，并且p'a與p″b具有不同的ID號(hào)，所以Eb≥Ea，引入一個(gè)能量閾值θ，若當(dāng)前輔助節(jié)點(diǎn)與前次輔助節(jié)點(diǎn)的能量差小于或等于θ，即Eb－Ea≤θ，則簇頭節(jié)點(diǎn)發(fā)送一個(gè)Cons命令到p'a，表示節(jié)點(diǎn)p'a將低頻子帶LL保存在p'a中進(jìn)行處理;若當(dāng)前輔助節(jié)點(diǎn)與前次輔助節(jié)點(diǎn)的能量差大于θ，即Eb－Ea＞θ，則簇頭節(jié)點(diǎn)發(fā)送一個(gè)Trans命令到p'a，表示節(jié)點(diǎn)p'a將低頻子帶LL1傳送到當(dāng)前選取的輔助節(jié)點(diǎn)p″b中進(jìn)行處理。

(6)各輔助節(jié)點(diǎn)對(duì)保存的或接收到的低頻子帶LL1進(jìn)行第二層CDF9/7小波變換，保存低頻子帶LL2，對(duì)高頻子帶LH2，HL2和HH2進(jìn)行量化和EBCOT熵編碼，并將編碼壓縮后的數(shù)據(jù)傳送至基站。

(7)簇頭節(jié)點(diǎn)重復(fù)執(zhí)行能量?jī)?yōu)先選擇原則選取輔助節(jié)點(diǎn)來(lái)協(xié)同參與圖像數(shù)據(jù)的處理，直到完成小波的分解級(jí)數(shù)l，最終，輔助節(jié)點(diǎn)將低頻子帶系數(shù)和壓縮后的高頻子帶系數(shù)傳送至基站，完成圖像數(shù)據(jù)的處理。

分布式處理雖然在一定程度上增加了通信能耗，但大大減輕了圖像采集節(jié)點(diǎn)的負(fù)擔(dān)，而能量?jī)?yōu)先選擇原則將各節(jié)點(diǎn)能耗的均衡性保持在一個(gè)最優(yōu)水平。事實(shí)上，對(duì)于ID號(hào)不相同的前次輔助節(jié)點(diǎn)p'a與當(dāng)前輔助節(jié)點(diǎn) p″b(Eb≥Ea)，若 p'a與 p″b的通信距離較小(不超過(guò)69 m)，p'a將低頻子帶傳送到p″b進(jìn)行處理時(shí)兩節(jié)點(diǎn)能量的均衡性總要優(yōu)于p'a直接對(duì)低頻子帶進(jìn)行處理時(shí)兩節(jié)點(diǎn)能量的均衡性，下面我們將進(jìn)行詳細(xì)闡述。

首先定義通信能耗模型和計(jì)算能耗模型。本文采用一階無(wú)線模型［13］來(lái)計(jì)算節(jié)點(diǎn)的通信能耗。1 bit數(shù)據(jù)的發(fā)送能耗和接收能耗分別為:

其中，d 是節(jié)點(diǎn)間距離，Eelec=50×10－9J/bit，εamp=100×10－12J/(bit·m2)。而節(jié)點(diǎn)的計(jì)算能耗定義如下:

其中，EDWT是每比特?cái)?shù)據(jù)進(jìn)行一級(jí)小波變換時(shí)的計(jì)算能耗，EENT是每比特?cái)?shù)據(jù)進(jìn)行量化和熵編碼時(shí) 的 能 耗。 本 文 采 用 JouleTrack［14］來(lái) 估 算JPEG2000編碼器［15］的能耗，通過(guò)在頻率為 206 MHz的StrongARM SA－1100處理器上運(yùn)行JPEG2000圖像壓縮算法來(lái)對(duì)一幅512×512的Lena圖像進(jìn)行壓縮，可以近似得到 γ=220×10－9J/bit，δ=20×10－9J/bit。

假設(shè)前次輔助節(jié)點(diǎn)p'a上有一塊大小為kbit的低頻子帶LL，輔助節(jié)點(diǎn)處理該低頻子帶的總能耗為ETP，前次輔助節(jié)點(diǎn)p'a將LL傳送到當(dāng)前輔助節(jié)點(diǎn)p″b時(shí)的發(fā)送能耗為ET，而p″b的接收能耗為ER。若低頻子帶LL在前次輔助節(jié)點(diǎn)p'a上進(jìn)行處理，則處理完畢后p″b與p'a的能量差E'ab為:

若前次輔助節(jié)點(diǎn)p'a將低頻子帶LL傳送到當(dāng)前輔助節(jié)點(diǎn)p″b上進(jìn)行處理，則處理完畢后p″b與p'a的能量差Eab為:

式(11)減去式(12)得到

而 ETP=K(EDWT+EENT)=K(γ+δ)，ET=KETx=K(Eelec+εampd2)，ER=KEelec，令 Eab－E'ab=0，代入各參數(shù)可以求得p'a與p″b的通信距離d≈69 m，即當(dāng)d≤69 時(shí)，E'ab≤Eab，當(dāng) d＞69 時(shí)，E'ab＞Eab。因此當(dāng)節(jié)點(diǎn)間通信距離較小，p'a將低頻子帶傳送到p″b進(jìn)行處理時(shí)兩節(jié)點(diǎn)能量的均衡性總要優(yōu)于p'a直接對(duì)低頻子帶進(jìn)行處理時(shí)兩節(jié)點(diǎn)能量的均衡性。但低頻子帶的傳送會(huì)增加通信能耗，若節(jié)點(diǎn)p″b和節(jié)點(diǎn)p'a本身的能量差很小，則傳送低頻子帶并不會(huì)明顯地提升節(jié)點(diǎn)間能量的均衡性，因此本文在能量?jī)?yōu)先選擇原則中引入了一個(gè)能量閾值θ進(jìn)行優(yōu)化，當(dāng)且僅當(dāng)Eb－Ea＞θ 時(shí)，p'a才將低頻子帶傳送到 p″b進(jìn)行處理，能量閾值θ的選取將在第2節(jié)仿真算例中進(jìn)行闡述。

2 仿真算例

本節(jié)首先介紹了WMSNs圖像壓縮算法的幾個(gè)性能評(píng)價(jià)指標(biāo)，然后通過(guò) MATLAB仿真實(shí)驗(yàn)對(duì)ICDP算法與DICA算法進(jìn)行了比較。

2.1 性能評(píng)價(jià)指標(biāo)

(1)峰值信噪比

圖像質(zhì)量由峰值信噪比PSNR(Peak Signal to Noise Ratio)來(lái)衡量，PSNR定義如下:

其中，b表示原始圖像的比特率，均方差MSE(Mean Square Error)定義如下:

其中，x(i，j)和 ^x(i，j)分別表示原始圖像和重建圖像的像素值，N表示圖像像素總數(shù)。

(2)網(wǎng)絡(luò)生命周期

本文假定如果網(wǎng)絡(luò)中某個(gè)簇內(nèi)有成員節(jié)點(diǎn)的能量耗盡，則宣布該簇退出網(wǎng)絡(luò)，此時(shí)該簇成功傳輸?shù)膱D像數(shù)量定義為該簇的生命周期，而網(wǎng)絡(luò)的生命周期則定義為網(wǎng)絡(luò)中所有簇成功傳輸?shù)膱D像數(shù)量總和。

(3)簇內(nèi)節(jié)點(diǎn)能量方差

ICDP算法與DICA算法均基于分簇結(jié)構(gòu)的網(wǎng)絡(luò)，簇內(nèi)各成員節(jié)點(diǎn)能量的方差用于衡量節(jié)點(diǎn)間能量的均衡性，方差大說(shuō)明某些節(jié)點(diǎn)的能量值相對(duì)平均能量值的偏離大，節(jié)點(diǎn)間能量的均衡性差，反之則說(shuō)明節(jié)點(diǎn)間能量的均衡性好。

2.2 仿真結(jié)果與分析

ICDP算法與DICA算法均采用JPEG2000圖像壓縮標(biāo)準(zhǔn)，因此兩種算法在圖像的壓縮率和PSNR上是相同的。分布式處理機(jī)制需要對(duì)圖像進(jìn)行分塊并分別傳送到輔助節(jié)點(diǎn)中進(jìn)行處理，利用JPEG2000對(duì)圖像進(jìn)行分塊處理時(shí)會(huì)產(chǎn)生一定的失真和塊效應(yīng)，但是當(dāng)圖像比特率較高或者圖像分塊較少時(shí)并不會(huì)出現(xiàn)明顯的失真和塊效應(yīng)。如圖3是一幅512×512 Lena圖像在不同條件下的JPEG2000壓縮，通過(guò)比較發(fā)現(xiàn)對(duì)圖像在進(jìn)行256×256分塊時(shí)(圖3(c))，不會(huì)出現(xiàn)明顯的失真和塊效應(yīng)，與圖3(a)相比PSNR也僅僅降低了0.18，因此實(shí)驗(yàn)選擇對(duì)Lena圖像進(jìn)行256×256的分塊。

圖3 512×512 Lena圖像JPEG2000壓縮

對(duì)于WMSNs的一個(gè)分簇，實(shí)驗(yàn)設(shè)定節(jié)點(diǎn)通信距離為10m，圖像采集節(jié)點(diǎn)采集512×512的Lena圖像，簇頭節(jié)點(diǎn)和圖像采集節(jié)點(diǎn)的能量為1.0 J，其余簇成員節(jié)點(diǎn)的能量在0.9 J～1.0 J之間隨機(jī)產(chǎn)生。

首先對(duì)ICDP算法的能量閾值θ進(jìn)行仿真觀察。實(shí)驗(yàn)選取一個(gè)由10個(gè)節(jié)點(diǎn)組成的簇，小波分解級(jí)數(shù)L=5，當(dāng)圖片傳送數(shù)量picnum分別為2、6和10時(shí)，不同能量閾值θ下簇內(nèi)節(jié)點(diǎn)能量方差的變化情況如圖4所示，隨著圖像傳送數(shù)量的增大，越來(lái)越多的空閑節(jié)點(diǎn)參與分布式處理，因此提高了節(jié)點(diǎn)能量的均衡性，降低了簇內(nèi)節(jié)點(diǎn)能量方差。由圖可知θ=0.06 和 θ=0.14 是兩個(gè)臨界點(diǎn)，當(dāng) θ≤0.06 時(shí)，具有不同ID號(hào)的當(dāng)前輔助節(jié)點(diǎn)與前次輔助節(jié)點(diǎn)的能量差總是大于0.06，因此前次輔助節(jié)點(diǎn)總會(huì)將低頻子帶傳送到當(dāng)前輔助節(jié)點(diǎn)進(jìn)行處理，從而提高了各節(jié)點(diǎn)能量的均衡性。當(dāng)θ≥0.14時(shí)則相反，低頻子帶總會(huì)保存在前次輔助節(jié)點(diǎn)中進(jìn)行處理。而當(dāng)θ在［0.06，0.14］逐漸增大時(shí)，越來(lái)越多的前次輔助節(jié)點(diǎn)選擇保留低頻子帶進(jìn)行處理，因此逐漸增大了簇內(nèi)節(jié)點(diǎn)能量方差。ICDP算法旨在最大程度地保證各簇內(nèi)節(jié)點(diǎn)能量的均衡性，因此選擇臨界值θ=0.06作為實(shí)驗(yàn)參數(shù)，這樣既能保證簇內(nèi)節(jié)點(diǎn)能量方差處于一個(gè)最低水平，又能避免當(dāng)輔助節(jié)點(diǎn)間能量差過(guò)小時(shí)傳送低頻子帶而浪費(fèi)能量。

圖4 能量閾值與簇內(nèi)節(jié)點(diǎn)能量方差的關(guān)系圖

實(shí)驗(yàn)選取一個(gè)由5個(gè)簇(分別為cluster1，cluster2，cluster3，cluster4，cluster5，并且與基站的距離依次減小)組成的網(wǎng)絡(luò)，每個(gè)簇由5個(gè)～50個(gè)節(jié)點(diǎn)組成。下面將觀察當(dāng)小波分解級(jí)數(shù)L分別為3和5時(shí)，不同簇成員節(jié)點(diǎn)數(shù)量下兩種算法的網(wǎng)絡(luò)生命周期。如圖5所示，隨著簇內(nèi)節(jié)點(diǎn)數(shù)量的增大，越來(lái)越多的輔助節(jié)點(diǎn)參與了圖像的分布式處理，因而減小了每個(gè)節(jié)點(diǎn)的平均能耗，延長(zhǎng)了網(wǎng)絡(luò)生命周期。DICA算法的輔助節(jié)點(diǎn)隨機(jī)選擇原則，并不能保證節(jié)點(diǎn)能量的均衡性，并且漸進(jìn)式分布處理機(jī)制也給離基站較近的簇帶來(lái)了額外的能量開銷，嚴(yán)重影響了網(wǎng)絡(luò)生命周期。而ICDP算法采用更加合理的能量?jī)?yōu)先選擇原則選取輔助節(jié)點(diǎn)，并在簇內(nèi)完成圖像的全部處理過(guò)程，避免了給其它簇造成額外的負(fù)擔(dān)，因而能夠更好地平衡簇內(nèi)各節(jié)點(diǎn)能耗，延長(zhǎng)網(wǎng)絡(luò)生命周期。JPEG2000處理中，第i+1級(jí)的計(jì)算和傳輸能耗只有第i級(jí)的1/4，而分布式處理機(jī)制又會(huì)將第i+1級(jí)的能耗分散到其它空閑的輔助節(jié)點(diǎn)，因而小波分解級(jí)數(shù)在總體上并不會(huì)對(duì)網(wǎng)絡(luò)的生命周期產(chǎn)生較大的影響。

圖5 網(wǎng)絡(luò)生命周期

假定網(wǎng)絡(luò)中每個(gè)簇由50個(gè)節(jié)點(diǎn)組成，由于ICDP算法在簇內(nèi)完成圖像的全部處理過(guò)程，每個(gè)簇的節(jié)點(diǎn)能量均衡性相似，因此只選擇cluster1進(jìn)行觀察，而DICA算法中離基站較近的簇不僅要完成本簇圖像的處理，還要額外承擔(dān)其它簇傳送過(guò)來(lái)的低頻小波子帶的處理，因此選擇cluster1～cluster5進(jìn)行觀察。圖6研究了簇內(nèi)各節(jié)點(diǎn)剩余能量方差與圖像傳送數(shù)目的關(guān)系，從圖中可以看到，ICDP算法能讓簇內(nèi)各節(jié)點(diǎn)剩余能量方差始終保持在一個(gè)很小的水平，最大程度地保證了各節(jié)點(diǎn)的量的均衡性，而DICA算法不能充分地保證節(jié)點(diǎn)間能量的均衡性，隨著圖像傳送數(shù)量的增加，某些節(jié)點(diǎn)可能多次參與小波變換，而離基站越近的簇則會(huì)承擔(dān)越多的能量開銷，嚴(yán)重影響了各節(jié)點(diǎn)能量的均衡性。

圖6 圖像傳送數(shù)量與簇內(nèi)節(jié)點(diǎn)能量方差的關(guān)系

3 結(jié)語(yǔ)

針對(duì)無(wú)線多媒體傳感器網(wǎng)絡(luò)(WMSNs)中資源受限的單個(gè)節(jié)點(diǎn)難以完成圖像數(shù)據(jù)的處理，本文在分布式漸進(jìn)圖像壓縮算法的基礎(chǔ)上，提出了一種改進(jìn)的基于簇內(nèi)分布式處理的圖像壓縮算法。ICDP算法通過(guò)一種新型的基于能量?jī)?yōu)先選擇原則的分布式處理機(jī)制來(lái)完成JPEG2000圖像壓縮標(biāo)準(zhǔn)中的多級(jí)小波變換，最大程度地保證了各簇內(nèi)節(jié)點(diǎn)能量的均衡性。仿真結(jié)果表明，ICDP算法能夠比DICA算法更好地平衡網(wǎng)絡(luò)中各節(jié)點(diǎn)的能耗，延長(zhǎng)網(wǎng)絡(luò)的生命周期，非常適合應(yīng)用于資源受限、節(jié)點(diǎn)部署密集的WMSNs中。

［1］ 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.

［2］ Chew L W，Ang L M，Seng K P.Survey of Image Compression Algorithms in Wireless Sensor Networks［C］//Proc of the International Symposium on Information Technology.2008:1－9.

［3］ Wang Pu，Dai Rui，Akyildiz Ian F.A Spatial Correlation-Based Image Compression Framework for Wireless Multimedia Sensor Networks［J］.IEEE Transactions on Multimedia.2011，13(2):388－401.

［4］ Jamali Mohamadreza，Zokaei Saadan，Rabiee Hamid R.A New Approach for Distributed Image Coding in Wireless Sensor Networks［C］//Proc of the 2010 IEEE Symposium on Computers and Communications.Tehran，Iran.2010:563－566.

［5］ Nasri M，Helali A，Sghaier H，et al.Energy-Efficient Wavelet Image Compression in Wireless Sensor Network［C］//Proc of the 2010 International Conference on Communication in Wireless Environments and Ubiquitous System.2010:1－7.

［6］ Wang Wei，Peng Dongming，Wang Honggang，et al.Energy-Constrained Distoration Reduction Optimization for Wavelet-Based Coded Image Transmission in Wireless Sensor Networks［J］.IEEE Transaction on Multimedia.2008，10(6):1169－1180.

［7］ 羅武勝，魯琴，杜列波.基于LBT的無(wú)線傳感器網(wǎng)絡(luò)多節(jié)點(diǎn)協(xié)同圖像壓縮算法［J］.傳感技術(shù)學(xué)報(bào)，2008，21(9):1600－1604.

［8］ Phat Nguyen Huu，Vinh Tran-Quang，Miyoshi T.Image Compression Algorithm Considering Energy Balance on Wireless Sensor Networks［C］//2010 8th IEEE International Conference on Industrial Informatics.2010:1005－1010.

［9］ Liu Zhixing，Zhang Jing，Zhuo Li.A Distributed JPEG2000 Coding Algorithm Based on Mobile Agent［C］//International Conference on Wireless Communications and Signal Processing.2009:1－5.

［10］ Nasri M，Helali A，Sghaier H，et al.Adaptive Image Transfer for Wireless Sensor Networks(WSNs)［C］//2010 5th International Conference on Design and Technology of Integrated Systems in Nanoscale Era.2010:1－7.

［11］ Xiong Zheyuan，F(xiàn)an Xiaopin，Liu Shaoqiang，et al.Low Complexity Image Compression for Wireless Multimedia Sensor Networks［C］//International Conference on Information Science and Technology.2011:665－670.

［12］Wu Huaming，Alhussein A Abouzeid.Energy Efficient Distributed Image Compression in Resource Constrained Multihop Wireless Networks［J］.Computer Communications，2005，28(14):1658－1668.

［13］ Wang A，Chandraksan A.Energy-Efficient DSPs for Wireless Sensor Networks［J］.IEEE Signal Processing Magazine，2002，19(4):68－78.

［14］Sinha A，Chandrakasan A.JouleTrack—A Web Based Tool for Software Energy Profiling.Design Automation Conference［DB/OL］.http://www － mtl.mit.edu/research/anantha/jouletrack/JouleTrack/index.html.2001:220－225.

［15］ Adams M D.The JasPer Project Home Page［DB/OL］.http://www.ece.uvic.ca/～ mdadams/jasper/.2003.