孫佳全

（同濟(jì)大學(xué)電子信息工程學(xué)院，上海201804）

0 引言

數(shù)字化圖像會(huì)占據(jù)極大空間，例如一幅580×821像素的bmp圖片會(huì)占到1396KB，而相應(yīng)的jpg文件則只有78KB。而存儲(chǔ)空間大的圖像會(huì)給存儲(chǔ)器存儲(chǔ)、數(shù)據(jù)通信、計(jì)算機(jī)的信息處理帶來(lái)壓力。如果單純的想通過(guò)提高存儲(chǔ)器的存儲(chǔ)容量，增加數(shù)據(jù)通信的帶寬和計(jì)算機(jī)的計(jì)算速度來(lái)緩解這一問(wèn)題成本太高，那么圖像壓縮的優(yōu)點(diǎn)就顯示出來(lái)了。

圖像數(shù)據(jù)中其實(shí)存在著大量的冗余，因?yàn)樵紙D像的像素不是雜亂無(wú)章的，所以可以通過(guò)編碼這些數(shù)據(jù)相關(guān)，去除數(shù)據(jù)冗余從而降低原始圖像的數(shù)據(jù)量，實(shí)現(xiàn)圖像數(shù)據(jù)壓縮的目的。圖像數(shù)據(jù)的壓縮技術(shù)就是研究圖像像素的數(shù)據(jù)冗余從而減少圖像的數(shù)據(jù)量。因此，圖像數(shù)據(jù)冗余就是圖像壓縮的基礎(chǔ)。

圖像冗余分別有以下幾點(diǎn)：

（1）空間冗余：如果靜態(tài)圖像存在一片區(qū)域，其中像素的顏色、亮度和飽和度都十分相似甚至相同，那么它就存在很大的空間冗余。這是因?yàn)閎mp的像素離散采樣是對(duì)每個(gè)像素點(diǎn)進(jìn)行分別存儲(chǔ)，這樣就無(wú)法表示圖片顏色的空間連貫性，浪費(fèi)存儲(chǔ)空間。

（2）視覺(jué)冗余：人眼對(duì)于圖像細(xì)節(jié)的觀察多有遺漏，并且伴隨著一些視覺(jué)習(xí)慣，導(dǎo)致大多只關(guān)注圖像簡(jiǎn)單輪廓和顏色，所以我們將一部分細(xì)節(jié)去掉，人眼無(wú)法辨別，從而節(jié)省存儲(chǔ)空間。

（3）信息熵冗余：即為編碼冗余，這是指圖像像素的平均比特?cái)?shù)大于該圖像的信息熵時(shí)，一個(gè)像素占據(jù)過(guò)多比特，所以存在信息熵冗余。

（4）結(jié)構(gòu)冗余：當(dāng)圖像中存在一定的紋理時(shí)，就可以通過(guò)相似的紋理像素進(jìn)行表示，消除結(jié)構(gòu)上的冗余。

1 實(shí)驗(yàn)原理

1.1 JPEG2000圖像壓縮

JPEG2000編碼的實(shí)現(xiàn)過(guò)程即為圖像預(yù)處理、離散小波變換、量化和熵編碼四個(gè)部分[10]。如圖1所示。

圖1 JPEG2000壓縮流程

（1）圖像預(yù)處理

圖像預(yù)處理的目的是將各種類型的圖像轉(zhuǎn)換為統(tǒng)一格式，以便于后續(xù)對(duì)圖像信息進(jìn)行處理，這一步是將各種類型的圖像壓縮到一個(gè)統(tǒng)一的框架之中。這一步主要包括直流平移、分量變換和圖像分片三個(gè)部分。

直流平移是處理圖像中的直流分量的操作，這是一個(gè)降低量級(jí)的操作，將采樣精度為P的無(wú)符號(hào)數(shù)減去2p-1，使原來(lái)的取值范圍為[0,2p-1]的樣本移位到[-2p-1,2p-1-1]的一個(gè)關(guān)于0點(diǎn)對(duì)稱的范圍內(nèi)。這使小波變換系數(shù)正負(fù)取值范圍近似，這一操作可以提高之后的自適應(yīng)熵編碼的效率。

分量變換是在處理多分量圖像的時(shí)候起作用，它降低多了分量圖像的分量之間相關(guān)性，從而提高壓縮率。主要是對(duì)RGB分量進(jìn)行不可逆變換（Irreversible Color Transform，ICT）或者可逆變換（Reversible Color Transform，RCT）把RGB格式轉(zhuǎn)換為YcbCr格式。

分量變換可以理解為，通過(guò)線性變換使輸入圖像由RGB轉(zhuǎn)換為YCbCr形式，減少了RGB之間的相關(guān)性。

圖像分片是將圖像分別切分成相同大小的多個(gè)圖像。這樣可以在不同分量的相同位置進(jìn)行操作，并對(duì)每個(gè)分片獨(dú)立壓縮。對(duì)圖像分片操作，可以降低內(nèi)存大小的需要，使壓縮技術(shù)可以處理數(shù)據(jù)量大的圖像。但是這樣會(huì)是邊緣像素的信息缺失。

（2）量化

量化是把圖像數(shù)據(jù)經(jīng)過(guò)變換生成一組有限個(gè)的符號(hào)，將其編程為以量化步長(zhǎng)為倍數(shù)的值。量化是多個(gè)信息生成一個(gè)符號(hào)的不可逆有損變換。

JPEG2000的量化在JPEG上提升不大，其在整體上是采用均勻量化，即標(biāo)量量化，量化步長(zhǎng)不統(tǒng)一。然而，JPEG2000量化的一個(gè)特殊之處在于它引入了dead zone這一概念。JPEG2000的part1是采用中間有死區(qū)的均勻量化器，其區(qū)間的寬度是量化步長(zhǎng)的兩倍，在死區(qū)內(nèi)量化系數(shù)被量化為0。而對(duì)于每一個(gè)子帶a，先自動(dòng)確定一個(gè)基本量化步長(zhǎng)Δa，它的確定是根據(jù)子帶視覺(jué)特性或碼率控制要求決定的。將子帶a的小波系數(shù)Ya(u ,v)量化為量化系數(shù)Qa(u ,v)：

在上式中量化步長(zhǎng) Δa為 2Byte（1Byte=8bit），μa為 11bit，εa為 5bit。

Ra為子帶a的標(biāo)稱動(dòng)態(tài)范圍大小。這樣可以保證最大可能的量化步長(zhǎng)限制在輸入樣值動(dòng)態(tài)范圍兩倍左右。量化步長(zhǎng)是由子帶決定的，由兩個(gè)因素決定：第一是人類視覺(jué)對(duì)子帶信號(hào)的敏感性，第二是依據(jù)不同子帶的均方誤差對(duì)重建后圖像均方誤差的影響決定量化步長(zhǎng)。

1.2 HOG特征

方向梯度直方圖（Histogram of Oriented Gradient，HOG）特征是一種用于計(jì)算機(jī)視覺(jué)和圖像處理領(lǐng)域來(lái)進(jìn)行物體檢測(cè)的特征描述子。

HOG特征不是從圖像的整體上來(lái)考察其特征的，而是將源圖像進(jìn)行細(xì)分，轉(zhuǎn)化為多個(gè)小的細(xì)胞單元（cell），然后計(jì)算各個(gè)細(xì)胞單元中像素點(diǎn)的梯度或者邊緣的方向直方圖。為了提高性能，可以將若干個(gè)細(xì)胞單元組成一個(gè)塊（block），源圖像可以看作由若干個(gè)塊組成的圖像。然后在所有塊內(nèi)對(duì)各個(gè)細(xì)胞單元得到的梯度進(jìn)行歸一化，取得最終的梯度方向向量。

圖像的梯度方向向量由多個(gè)因素決定，例如圖像大小、細(xì)胞單元（cell）大小和每個(gè)cell所決定的梯度維數(shù)，等等。計(jì)算方法如下：

公式中，DimNum表示圖像的梯度方向向量數(shù)，cDim表示cell的維數(shù)，bSize即為block的大小，cSize表示cell的大小，w為圖像寬度，h為圖像高度，bStep表示block的移動(dòng)步長(zhǎng)。OpenCV默認(rèn)的HOG參數(shù)定義為，w 和 h 為 64×128，block 大小為 16×16，cell大小為 8×8，bStep 為 8×8，cDim 為 9。在這一定義下，計(jì)算得到HOG的檢測(cè)子維數(shù)為3780。

HOG特征提取過(guò)程如下

（1）進(jìn)行Gamma矯正和顏色歸一化：

C和γ為常數(shù)。

（2）計(jì)算每個(gè)像素點(diǎn)的梯度：

計(jì)算梯度幅度值G（x,y）和梯度方向α（x,y）：

（3）將圖像劃分成多個(gè)大小相同的細(xì)胞單元（cell），對(duì)每個(gè)單元計(jì)算梯度方向直方圖向量Hi：

（4）將相鄰cell按照大小組成一個(gè)塊（block）?？梢酝ㄟ^(guò)將塊在圖像中每次移動(dòng)一個(gè)cell大小，得到下一個(gè)塊。所以一個(gè)塊步長(zhǎng)一般等于cell大小，且塊與塊之間可以重疊。將每個(gè)塊內(nèi)所有cell的梯度直方圖向量組合起來(lái)，就可以得到該圖像的梯度直方圖向量，一般為9個(gè)數(shù)。然后，以塊為單位，對(duì)每個(gè)塊的梯度直方圖進(jìn)行歸一化。

圖2 Cell組合為Block

（5）將各個(gè)塊的梯度直方圖連起來(lái)，就可以得到該圖像HOG特征。

1.3 支持向量機(jī)

支持向量機(jī)（Support Vector Machine，SVM）是 Vapnik等人根據(jù)統(tǒng)計(jì)學(xué)習(xí)理論提出的新的學(xué)習(xí)方法[15]。支持向量機(jī)根據(jù)Vapnik的結(jié)構(gòu)風(fēng)險(xiǎn)最小化原則，提高了學(xué)習(xí)機(jī)的泛化能力，由訓(xùn)練有限樣本數(shù)的樣本集得到的決策規(guī)則對(duì)獨(dú)立測(cè)試集仍能夠得到較小誤差。此外，支持向量機(jī)是一個(gè)凸二次優(yōu)化問(wèn)題，所以它找到的極值解就是全局最優(yōu)解。

SVM的基本原理是，找到一個(gè)最優(yōu)的分類面，并使面兩側(cè)距離分類點(diǎn)的間隙最大[15]。設(shè)線性可分的樣本集為（xi,yi），I=1,…,n,x ?Rd，即 x為 d 維德特征向量，yi{-1,1}是類別標(biāo)號(hào)，d維空間的線性判別函數(shù)一般形式為 G（x）=w·x+b，分類面方程為：

如果測(cè)試集合中，第一類和第二類線性可分，就存在（w,b），使：w·xi+b<0，則 xi為第一類；w·xi+b>0，則 xi為第二類。其中w為權(quán)向量，b為閾值。假設(shè)訓(xùn)練集中所有的樣本都滿足| G(x)|≥1，這樣的話分類間隙就大于2/‖w‖。因此要讓間隙最大，就是讓‖w‖最小，這樣在yi[( w·x)+b]-1≥0，i=1,2,…,n的條件下，求：

就可以得到最優(yōu)解平面H。這兩類分類樣本中距離分類面最近的點(diǎn)且平行于最優(yōu)分類面的超平面上的訓(xùn)練樣本就是條件等于0的樣本，他們稱作支持向量。為求解式（13），需要引入拉格朗日函數(shù)。經(jīng)過(guò)偏微分等計(jì)算過(guò)程即可得到支持向量，從而確定最優(yōu)解平面。

對(duì)于線性分類，只需要考慮支持向量的點(diǎn)積運(yùn)算。而對(duì)于非線性問(wèn)題的方法就是將非線性向量映射到一個(gè)高維空間，然后再高緯空間上進(jìn)行計(jì)算，就可以得到最優(yōu)解平面。這就相當(dāng)于將原空間映射到一個(gè)新的特征空間，SVM只考慮特征空間的內(nèi)積運(yùn)算，而高緯空間所有向量的內(nèi)積運(yùn)算是通過(guò)原空間中的核函數(shù)來(lái)完成的，不用映射到高維空間進(jìn)行復(fù)雜運(yùn)算，就是說(shuō)升維只不過(guò)是了內(nèi)積的運(yùn)算，沒(méi)有提升算法復(fù)雜度。

所以，SVM的最大優(yōu)點(diǎn)就是可以通過(guò)核函數(shù)將輸入空間的線性不可分問(wèn)題轉(zhuǎn)化為高維空間中的線性可分問(wèn)題，提高了機(jī)器學(xué)習(xí)的非線性問(wèn)題的處理能力。

2 實(shí)驗(yàn)

本次實(shí)驗(yàn)首先完成JPEG2000圖像壓縮的基本功能，實(shí)現(xiàn)通過(guò)JPEG2000對(duì)比特流文件的有損壓縮和無(wú)損壓縮，并按照壓縮率的區(qū)別得到相同圖片在不同壓縮率下的所表現(xiàn)的圖片質(zhì)量和圖片壓縮時(shí)間等信息，分析由于壓縮率不同對(duì)于壓縮時(shí)間，圖像質(zhì)量的影響。其次，通過(guò)HOG特征提取，提供SVM分類器的特征矩陣，從而實(shí)現(xiàn)對(duì)圖像感興趣區(qū)域的提取，通過(guò)上文的分類器評(píng)估標(biāo)準(zhǔn)，對(duì)SVM分類器的精度、準(zhǔn)確率等信息進(jìn)行分析，對(duì)本次實(shí)驗(yàn)使用的SVM分類器性能進(jìn)行合理評(píng)估，并評(píng)價(jià)SVM分類器的性能對(duì)要壓縮圖像的壓縮率和圖像質(zhì)量的影響。最后通過(guò)計(jì)算多個(gè)圖像壓縮后的占用時(shí)間和壓縮率，來(lái)評(píng)估采用本實(shí)驗(yàn)的壓縮算法的時(shí)間效率和空間效率，給出本算法的合理性和不足，以及可以改進(jìn)的方向和方法。圖3顯示的是同一張圖片，在不同壓縮率的情況下展現(xiàn)的圖像質(zhì)量，其中圖片自左向右，自上向下，壓縮率逐漸升高，展現(xiàn)的圖像質(zhì)量也逐漸降低。我們可以清晰看出圖像的顏色部分在逐漸變得模糊，而對(duì)于圖像的輪廓部分影響有限，這也體現(xiàn)了JPEG2000圖像壓縮技術(shù)的有損壓縮對(duì)圖像輪廓保存較完整的特點(diǎn)。圖片的數(shù)據(jù)對(duì)例如表1所示。

圖3 無(wú)損有損壓縮圖像數(shù)據(jù)對(duì)比

表1 無(wú)損有損壓縮圖像數(shù)據(jù)對(duì)比

首先介紹表1的表頭，壓縮系數(shù)是JPEG2000中的一個(gè)決定該層壓縮采用無(wú)損壓縮還是有損壓縮的參數(shù)，取值均大于1，且該取值越大，壓縮率越大，當(dāng)該參數(shù)選擇為1時(shí)，則本次壓縮為無(wú)損壓縮。當(dāng)該參數(shù)逐漸增大時(shí)，圖像壓縮率隨之增大。

壓縮率，就是一個(gè)描述壓縮圖像壓縮比例的參數(shù)，計(jì)算方式如下：

由式（14）可以看出，壓縮率是通過(guò)原始圖像大小和壓縮后的圖像大小計(jì)算的，所以它展示的是壓縮算法此次壓縮的程度，對(duì)于壓縮算法來(lái)說(shuō)，在保證圖像質(zhì)量的情況下，壓縮率越高，壓縮算法的性能越好。

壓縮時(shí)間，這一數(shù)據(jù)是直接在算法中對(duì)關(guān)鍵算法的開(kāi)始時(shí)和結(jié)束后設(shè)置時(shí)間點(diǎn)，最后相減得到的，表1所示時(shí)間是大小為2305KB的BMP文件壓縮所用時(shí)間。

失真率表示的是壓縮圖像與原始圖像差異度的，計(jì)算公式如下：

valb(x ,y)表示原始圖像在（x,y）處的像素值，vala(x,y)表示壓縮后圖像在（x,y）處的像素值，M表示圖

2.1 JPEG2000的ROI性能

分別介紹其實(shí)驗(yàn)過(guò)程，實(shí)驗(yàn)效果和實(shí)驗(yàn)結(jié)論。

本次實(shí)驗(yàn)中，主要的目的是ROI選取，那就必須進(jìn)行SVM的訓(xùn)練，而SVM的訓(xùn)練集就是圖片訓(xùn)練集的HOG特征矩陣。

第一步工作就是提取訓(xùn)練集圖片的HOG特征，這一步在OpenCV中有相應(yīng)的接口，在調(diào)用接口之后就可以得到該圖像的HOG特征個(gè)數(shù)和相應(yīng)的值，由于需像寬度，N表示圖像高度。圖像失真率的計(jì)算可以看做圖像各點(diǎn)像素差值的平方和，除以總像素個(gè)數(shù)，再取根號(hào)，即原始圖像和壓縮后圖像像素點(diǎn)的方均差。它的意義就是圖像壓縮前后的變化率。

由表1可以看出，當(dāng)壓縮率由2.03逐漸提升到49.0的時(shí)候，保真率也由0.0018逐漸提升到了11.493。這表示，圖像在壓縮強(qiáng)度高時(shí)，無(wú)法保證圖像質(zhì)量，同時(shí)圖像顏色變化逐漸增大。同時(shí)，有損壓縮時(shí)壓縮率增長(zhǎng)速度快于保真率速度，這表示，JPEG2000可以在高壓縮率（低比特率）時(shí)，仍保持較好的圖像質(zhì)量。當(dāng)然由無(wú)損壓縮圖像保真率為0.0018也可以看出JPEG2000無(wú)損壓縮的性能也是不錯(cuò)的，在將圖像壓縮一半的情況下，幾乎不影響圖像質(zhì)量。而對(duì)于同一張圖像，壓縮率的變化幾乎不影響壓縮時(shí)間。

由以上表述可以看出，圖像的壓縮率和保真率成正比，即使是JPEG2000這一同一比特量情況下壓縮率比JPEG高30%的強(qiáng)大壓縮算法，也無(wú)法在保證圖像質(zhì)量的情況下，再提高壓縮率了。所以，我們的實(shí)驗(yàn)進(jìn)行向另一個(gè)方向，那就是利用ROI了，我們只要保證ROI的高保真率就可以滿足人們對(duì)于圖片的需求了，而對(duì)于背景區(qū)域，就可以用來(lái)提高壓縮率。要統(tǒng)一檢測(cè)子維數(shù)，所以要統(tǒng)一提取HOG特征圖片大小。將讀取圖片進(jìn)行縮放為64×128像素大小，可以提取得到3780個(gè)HOG特征，即檢測(cè)子。

第二步，將HOG特征存入特征矩陣并標(biāo)注正負(fù)例，供SVM訓(xùn)練使用。

第三步，進(jìn)行SVM訓(xùn)練，選取SVM為C_SVC，選擇核函數(shù)為線性核函數(shù)，松弛因子為0.01。調(diào)用OpenCV接口進(jìn)行訓(xùn)練，并將結(jié)果保存，使下次檢測(cè)不再需要訓(xùn)練。

第四步，讀取源圖像進(jìn)行ROI檢測(cè)，檢測(cè)結(jié)果會(huì)產(chǎn)生多個(gè)矩形框，即感興趣區(qū)域，去除嵌套矩形框中較小的和超出邊界范圍的。將其分別保存用于壓縮。

可以看出，有損壓縮的壓縮率可以達(dá)到30.106，原圖像大小為214KB，而有損壓縮后的圖像大小為8KB，有損壓縮的壓縮率是最大的，且遠(yuǎn)超于無(wú)損壓縮和ROI分區(qū)域壓縮，所以在數(shù)據(jù)傳輸上是有一定優(yōu)勢(shì)的。然而，有損壓縮對(duì)于圖像顏色的改變是相當(dāng)大的，除了顏色均勻地塊狀部分，其他都會(huì)轉(zhuǎn)換成黑白色，且會(huì)模糊掉部分邊界，只保留邊界較明顯部分，使圖像質(zhì)量急劇降低，所以就實(shí)用性來(lái)說(shuō)幾乎是不可用的。壓縮時(shí)間幾乎不受影響。

其次，對(duì)比ROI壓縮和無(wú)損壓縮，壓縮率由2.352提高到了2.93，雖然略有提升，但是并不顯著，這是由于框選ROI占據(jù)原圖像較大區(qū)域，在壓縮時(shí)只有背景區(qū)域提供了壓縮率的提升，而ROI無(wú)損壓縮壓縮空間有限。但是圖像失真率由0.0021提高到了3.93，這是由于背景區(qū)域的變化而對(duì)圖像像素影響導(dǎo)致總的失真率增高。但是根據(jù)觀察得知，圖像的ROI行人，在框選準(zhǔn)確的情況下，并沒(méi)有被模糊掉，所以實(shí)際的目標(biāo)區(qū)域失真率并不高，只有個(gè)別被遺漏的肢體部分有影響，所以就圖像質(zhì)量來(lái)說(shuō)還是可以接受的。

表2 壓縮結(jié)果對(duì)比

最后一項(xiàng)壓縮時(shí)間，可以看到壓縮時(shí)間由0.641提升到了2.28，當(dāng)然這是由于壓縮時(shí)圖像被分區(qū)域壓縮，且ROI有重疊部分，導(dǎo)致壓縮時(shí)間增大的緣故，雖然這樣時(shí)間效率下降了，但是因?yàn)槲覀冎攸c(diǎn)考慮的是考慮文件空間效率的提升，所以這樣也是可以接受的。當(dāng)然提升時(shí)間效率也是以后需要改進(jìn)的方向。

比較三幅圖片圖像壓縮數(shù)據(jù)如表3。

圖5 背景空曠圖像壓縮結(jié)果對(duì)比

表3 背景空曠圖像壓縮結(jié)果對(duì)比

由上表可以看到圖像ROI壓縮率比之前圖像的2.93有了明顯的提升，這是因?yàn)閳D像的ROI數(shù)量，或者說(shuō)是圖像ROI所占圖像大小比例導(dǎo)致的。ROI的圖像壓縮時(shí)間顯然要高于無(wú)損壓縮，但是各圖像之間的壓縮時(shí)間無(wú)明顯關(guān)系，根據(jù)壓縮算法推測(cè)，壓縮時(shí)間與圖像大小成正比。圖像失真率應(yīng)該對(duì)照?qǐng)D像壓縮前后圖像質(zhì)量進(jìn)行觀測(cè)，背景區(qū)域如果圖像復(fù)雜，顏色多變，則會(huì)被顏色模糊化，而如果圖像存在大片顏色單一區(qū)域，則圖像顏色會(huì)被保存，且有損壓縮影響較少，且壓縮比高。壓縮率提升比（ROI壓縮率/無(wú)損壓縮率），可以看到第三幅圖的壓縮率提升比有明顯提升，這是因?yàn)閳D像有大片區(qū)域顏色相近，紋理簡(jiǎn)單，有損壓縮時(shí)將其空間壓縮較大，且ROI范圍小。

對(duì)于JPEG2000的壓縮率和壓縮時(shí)間本次實(shí)驗(yàn)進(jìn)行了系統(tǒng)的檢驗(yàn)。本次實(shí)驗(yàn)選取了兩個(gè)圖像集，一個(gè)是Corel5k中的人物圖像集，共有100張圖片，分別率均為192×128或者128×192。另一個(gè)圖像集是網(wǎng)上隨機(jī)尋找的直立行人圖像，共有43張，高度為220，寬度為多為330，二者像素?cái)?shù)比為2.89。壓縮數(shù)據(jù)如表4。

圖6 圖像集壓縮情況對(duì)比

表4 圖像集壓縮結(jié)果對(duì)比

由表4看出Corel5k的平均壓縮率為5.865，而網(wǎng)絡(luò)圖像的平均壓縮率為4.120。這是因?yàn)镃orel5k中的圖像，并非完全是行人或直立人的圖像，有一部分人物面孔，所以ROI無(wú)法框選，大部分圖像因?yàn)楸徽J(rèn)定成背景區(qū)域而進(jìn)行有損壓縮，導(dǎo)致圖像壓縮率較大。而本次實(shí)驗(yàn)在網(wǎng)絡(luò)上尋找的圖像多是公路行人，且行人數(shù)目較多，所以ROI框選區(qū)域較大，無(wú)損壓縮較多，導(dǎo)致壓縮率偏低。由這個(gè)數(shù)據(jù)可以簡(jiǎn)單看出，壓縮率主要由ROI占總圖像大小比率決定。

其次，通過(guò)Corel5k（ROI）的平均壓縮時(shí)間和網(wǎng)絡(luò)圖像（ROI）的平均壓縮時(shí)間的比例2.118/0.796=2.66，Corel5k（無(wú)損）的平均壓縮時(shí)間和網(wǎng)絡(luò)圖像（無(wú)損）的平均壓縮時(shí)間的比例0.702/0.313=2.24，可以看出Corel5k與網(wǎng)絡(luò)圖像的壓縮時(shí)間是由總像素?cái)?shù)影響的。

Corel5k的壓縮率提升比遠(yuǎn)高于網(wǎng)絡(luò)圖像，因?yàn)榫W(wǎng)絡(luò)圖像多為行人，ROI數(shù)量大，無(wú)損壓縮較多，而Corel5k多為人物像，所以難以識(shí)別，多為有損壓縮，壓縮率提升高。

2.2 實(shí)驗(yàn)總結(jié)

本次實(shí)驗(yàn)，主要進(jìn)行了JPEG2000壓縮效果，SVM性能評(píng)測(cè)，JPEG2000ROI的效果評(píng)測(cè)三個(gè)部分。通過(guò)三個(gè)部分對(duì)JPEG2000的ROI壓縮效果進(jìn)行了綜合評(píng)測(cè)，可以得出結(jié)論，JPEG2000無(wú)損壓縮對(duì)圖像質(zhì)量基本無(wú)影響，有損壓縮對(duì)圖像顏色有較大影響，對(duì)圖像輪廓影響較小。HOG和SVM技術(shù)對(duì)圖像訓(xùn)練負(fù)例要求嚴(yán)格，一般負(fù)例集對(duì)負(fù)例檢測(cè)效果不好。JPEG2000的ROI壓縮效果可以接受，當(dāng)圖像ROI較少時(shí)壓縮率有顯著提升，壓縮時(shí)間由圖像大小決定，雖然ROI壓縮時(shí)間較大，但是在壓縮率高的條件下，這也是可以接受的。尤其是在大量圖片壓縮，且其中感興趣物體不多的情況下，壓縮率會(huì)有明顯提升。

3 結(jié)語(yǔ)

隨著多媒體技術(shù)的不斷發(fā)展，需要用圖像來(lái)承載的信息越來(lái)越多，而圖像的大小對(duì)存儲(chǔ)、傳輸和運(yùn)算都有一定影響，所以對(duì)圖像壓縮技術(shù)的需求越來(lái)越迫切。本文利用JPEG2000標(biāo)準(zhǔn)，結(jié)合HOG和SVM技術(shù)實(shí)現(xiàn)了對(duì)圖像ROI自適應(yīng)的圖像壓縮。本文主要研究了JPEG2000ROI壓縮方法的實(shí)現(xiàn)，SVM的圖像檢測(cè)性能，JPEG2000ROI壓縮比JPEG2000無(wú)損壓縮的壓縮率提升情況，以及圖像內(nèi)容對(duì)于圖像壓縮率的影響。