[基于小波与边缘检测的弹丸图像压缩] 小波边缘检测 matlab

　　文章编号：1006-6268（2008）08-0035-04 　　摘要：设计了将小波变换与边缘检测相结合的方法，实现了对弹丸图像的有效压缩，解决了高速线阵CCD交汇测试中图像数据传输率高且数据量很大而导致的不利于实现前后两级分布式测试系统，以及不便存储和传输等问题。
　　关键词：小波变换；边缘检测；弹丸图像；高速线阵CCD交汇测试
　　中图分类号：TP751；TP317.4 文献标识码：A
　　
　　The Pill Image Compression Based on Wavelet Transform and Edge Detection
　　GUO Jin
　　（Xi"an Institute of Technology , Xi"an 710032，China）
　　Abstract: This paper designs a new method which combines the wavelet transform and edge detection to implements the compression of pill images. The testing result shows it can solve the problems of high transaction ratio and the large data in the high-speed linear CCD intersectant testing system, also the difficulties to store and transmit.
　　Keywords:wavelet transform；edge detection；pill images；high-speed linear CCD intersec-tant testing system
　　
　　引言
　　
　　在高速线阵CCD交汇测试中，图像数据的传输率很高，数据量很大，不利于实现前后两级分布式测试系统，同时给数据的有效存储和传输也带来了很大的困难。为了解决系统数据量大的问题，对图像数据进行压缩是一种有效的手段，但测试系统是以弹丸图像信息的准确获取为目的的，所以获得高压缩比的同时还必须保证较好的图像恢复质量。
　　小波分析是近十几年才发展起来并迅速应用到图像处理和语音分析等领域的一种数学工具。小波变换与傅立叶变换的思想基本一致，就是用信号在由一族基函数扩张形成的空间中的投影来表征信号。但是这一族函数具有一个显著的特点，即该函数系是通过一个基本小波函数的不同尺度的伸缩和平移构成的，其时宽与带宽的乘积很小，而且在时间和空间上很集中。图像处理是小波分析应用的重要领域，近年来小波分析已经被证明是进行图像处理强有力的工具之一。因为小波分解可以把图像分层次按照小波基展开，并且可以根据图像的性质及其给定的图像处理标准确定展开到哪一级为止，还可以把细节分量和近似分量分开，所以小波分析可以用于图像压缩[1]。
　　
　　1弹丸图像压缩仿真实验分析
　　
　　为了具体地分析原始弹丸图像的压缩特性，本文进行了一系列的MATLAB仿真实验[2]。下面4个表格分别给出了某具体的原始弹丸图像中弹丸目标区域压缩前和压缩后的部分数据以及弹丸目标区域外的背景区域在压缩前和压缩后的部分数据。
　　
　　表4中的高频系数普遍很小，而表3中的则很大，由此就可以根据变换压缩编码方法所依据的基本原理，得到弹丸图像很明显的压缩特性：弹丸目标区域更容易产生压缩失真，而背景区域则更稳定。
　　
　　对比表6与表1中的数据，可以明显地看出压缩恢复后的弹丸目标区域数据与原始弹丸目标区域的数据相比发生了很大的偏差。对比表5与表2中的数据，可以发现压缩恢复后的背景区域数据与原始背景区域数据相比基本无变化。这个弹丸目标区域与背景区域的实际恢复数据，验证了上述数据分析所得出的结论：即弹丸目标区域易出现压缩失真，而弹丸图像的背景区域则可以在保证压缩恢复质量的同时有高的压缩比。同样，也可以按照上述方法对其它所有弹丸图像进行类似分析。
　　基于弹丸图像上述的压缩仿真结论，本文设计采用小波变换与边缘检测相结合的方法对原始弹丸图像进行压缩：小波变换实现对非弹丸目标区域的有效压缩，边缘检测实现对弹丸目标区域的检测从而完成弹丸目标区域的原始恢复。这样，一方面小波变换就可以保证对几乎占满整幅原始弹丸图像的非弹丸目标区域的有效压缩，从而获得高压缩比；另一方面边缘检测可以获得弹丸目标区域的具体定位，实现弹丸目标区域的原始恢复，从而解决弹丸目标区域容易产生压缩变形的问题，保证弹丸图像的压缩恢复质量。
　　
　　2弹丸图像中非弹丸目标区域小波压缩
　　
　　双正交小波降低了一部分正交性要求，但保证了滤波器的线性相位，在无须相位补偿的情况下就能精确重建图像[1]。由此，在综合了上述影响因素之后，本文对课题中弹丸图像的小波处理选取了CDF9/7。
　　不同的弹丸图像所包含的图像信息是不同的，尤其是弹丸目标区域的信息量，如采集到的弹丸图像中可能包含2个或1个，甚至根本没有弹丸目标。对于没有弹丸目标的弹丸图像和毫无图像信息的全黑或全亮的弹丸图像，如果也按照同其他弹丸图像一样的方法进行压缩处理的话，必然会在很大程度上影响到存储和传输的效率，从中获取的有用信息也很少。为了解决这个问题，实现对不同弹丸图像的不同程度地压缩，论文选取了优化截断嵌入式块编码算法完成对弹丸图像的压缩编码。
　　优化截断嵌入式块编码(embedded block coding with optimization truncation，EBCOT)中：Embedded(嵌入)――指EBCOT得到的码流支持嵌入，这种码流在解码过程的任意时刻均可停止解码，并且得到截取处对应码率的恢复图像。Block(块)――在EBCOT中图像被分为很多非常小的块，块是独立压缩编码的主体。编码过程中，无须考虑块之间的关联性，这就使得EBCOT可以专心地对每块进行优化，提高效率(第一层编码)。并且EBCOT还对每块得到的码流之间的组合进行了专门的组织(第二层编码)，从而使得最终的压缩结果具有丰富的功能。Optimized Truncation(优化截取)――前面所述的嵌入性主要由可截取点来实现，可截取点是在编码时就为解码预留的截取点，如果解码在这些点终止，得到的码流是当前情况下图像的一个最佳表示[3]。
　　
　　３弹丸图像中弹丸目标区域的原始恢复
　　
　　考虑到小波方法计算复杂度较高，系统耗时较长，所以弹丸边缘检测应采用算法简单、执行速度快的方法。但是，此类算法的检测效果往往不是很理想，这对准确度要求较高的弹丸目标参数的获取是非常不利的，为此论文设计采用将简单的边缘检测算法与检测目标区域实际结果的有效延扩以及原始恢复相结合的方法来实现对弹丸目标区域的处理，从而可以使测试系统能够在对弹丸目标区域有较高质量要求的情况下，容许较简单的边缘检测算法。
　　在现有的边缘检测算法中，对比于传统边缘检测算法，其他算法都有相对高的复杂度且不易于实现，有的甚至是难以解决的问题，如神经网络边缘检测算法中的获得先验知识问题。传统边缘检测算法最大的优点就是简单易行、执行速度快，最明显的缺点就是检测结果往往不够准确[4]，但弹丸目标区域的完整性可以通过对实际边缘检测结果的延扩来保证。同时，由于弹丸目标区域本身很小（行、列像素个数分别不超过20和5）且一副弹丸图像中的弹丸区域个数也很少，所以对实际弹丸区域的上、下、左、右四个方向分别延扩5、5、20、20个像素并不会降低弹丸图像的整体压缩比。解决了这个问题，对于弹丸图像中弹丸目标区域的检测就可以采用简单易行、执行速度快的传统边缘检测算法。
　　
　　４实验结果分析
　　
　　弹丸目标区域采用的是基于边缘检测的原始恢复，所以弹丸目标区域的压缩恢复结果与原始弹丸图像中的弹丸目标区域数据相比是没有任何变化的。弹丸目标区域外的背景区域采用的是CDF9/7方法并实现了弹丸图像的渐进式压缩，可以满足对不同类型弹丸图像的不同程度地压缩。表7和表8给出了2类弹丸图像采用傅立叶方法和本文设计方法的压缩结果。
　　
　　3结论
　　
　　对比表7和表8的结果，本文设计的基于小波与边缘检测的方法相比于傅立叶直接整体压缩的方法，不但可以将压缩比再提高2倍，而且还可以始终保证弹丸目标区域的完整性。
　　
　　参考文献
　　[1]彭玉华.小波变换与工程应用[M].北京：科学出版社，2000，6：1-3.
　　[2]董长虹.MATLAB图像处理与应用[M].北京：国防工业出版社.2004.
　　[3]刘雄伟，成礼智.基于EBCOT和多小波的图像压缩编码[J].微计算机信息,2006，31(22)：230-232.
　　[4]吴乐南.数据压缩的原理与应用[M].北京：电子工业出版社.1995.省略。