摘  要： 在提升小波的基礎(chǔ)上，對感興趣區(qū)域(ROI)進行Huffman無損壓縮，對背景區(qū)域(BG)進行嵌入式零樹(EZW)圖像壓縮編碼。實驗證明，在感興趣區(qū)域占整幅圖像大小10%左右時，該方法能夠解決圖像壓縮比和重構(gòu)圖像質(zhì)量之間的矛盾。
關(guān)鍵詞： 視頻監(jiān)控；感興趣區(qū)域；提升小波變換；圖像編碼；無損編碼

    社會治安視頻監(jiān)控系統(tǒng)是一個覆蓋整個城市的多功能、集成式、綜合性大型監(jiān)控報警系統(tǒng)，在犯罪預(yù)防和案件偵破方面發(fā)揮了巨大作用。基于此，社會治安視頻監(jiān)控系統(tǒng)更關(guān)注敏感目標和敏感區(qū)域，對人臉、車牌、重點保護對象和區(qū)域、禁區(qū)、運動目標、可疑目標等的清晰度要求更高。這要求視頻編解碼算法能夠區(qū)分前景和背景，或者可以區(qū)分重點區(qū)域和非重點區(qū)域，可以進行動態(tài)碼率調(diào)整，從而獲得敏感區(qū)域和目標的高清晰度和高辨識率?？梢园殃P(guān)注目標和敏感區(qū)域統(tǒng)稱為感興趣區(qū)域ROI(Region Of Interest)或者前景，如監(jiān)控場景中的人、車、重要目標等，研究ROI和背景區(qū)域不同的圖像編碼控制，可以在網(wǎng)絡(luò)帶寬有限的情況下對監(jiān)控關(guān)注目標對象的ROI進行無損壓縮、對不敏感對象(即背景圖像)進行有損壓縮分配相對少的碼流[1]，從而實現(xiàn)優(yōu)先保證ROI圖像質(zhì)量和清晰度，提供更符合監(jiān)控需要的高質(zhì)量視頻編碼圖像，提高監(jiān)控系統(tǒng)整體性能。
1 嵌入式零樹圖像編碼
    嵌入式零樹小波編碼(EZW)算法很好地利用了小波系數(shù)的特性,使得輸出的碼流具有嵌入特性[2]，其本質(zhì)是對原圖像的小波域的小波系數(shù)進行量化和編碼，該算法在既保證高壓縮比的同時又保證了重建圖像質(zhì)量。EZW編碼方法是對整幅圖像進行同一級別編碼的方法，圖像中的ROI與背景區(qū)域具有同樣的編碼級數(shù)。要實現(xiàn)ROI圖像高清晰度和高辨識率，可以通過提升 ROI部分的小波系數(shù)或者閾值，使得ROI部分和背景區(qū)域有著不同的編碼級別。對于敏感度低的背景圖像可以只保留大的小波系數(shù)實現(xiàn)高壓縮比。
   對于ROI,通常采用無損壓縮算法進行編碼。傳統(tǒng)的小波變換會將像素的整數(shù)值變?yōu)閷崝?shù)值[3]，在存儲時再將實數(shù)值取整[4]，因此會導(dǎo)致圖像失真?；谔嵘桨傅牡诙〔ㄗ儞Q通過剖分、預(yù)測和更新，可以實現(xiàn)ROI無損圖像壓縮編碼?；赗OI的圖像近無損壓縮編碼的具體過程如下。
    (1)ROI生成：通過自動或人工的方法找出ROI(如人臉、車輛等)，生成空間域ROI模板。
    (2)RIO模板的生成：對圖像進行整數(shù)5/3小波變換得到ROI模板。
    (3)無損壓縮編碼：利用小波域ROI模板的形狀和位置信息，對ROI模板的變換系數(shù)進行無損編碼，具體可以采用Haffuman等無損編碼方法。
    (4)背景區(qū)域有損壓縮：對剩下的背景圖像采用EZW進行編碼壓縮。
    (5)合成解碼：將兩部分壓縮碼流合成后解碼，得到完整的解壓圖像。編碼基本原理如圖1所示。

2 ROI無損壓縮編碼
　典型的無損壓縮編碼方法有基于統(tǒng)計概率的方法和基于字典的技術(shù)[5]。Huffman編碼和算術(shù)編碼(Arithmetic Coding)是統(tǒng)計編碼方法中最常用的兩種編碼。Huffman編碼根據(jù)字符出現(xiàn)概率來構(gòu)造異字頭的平均長度[6]，通常被評為最佳編碼。本文對ROI采用Huffman無損編碼，實驗證明此算法解碼的圖像清晰度極好。
3 實驗結(jié)果和結(jié)論
    對上述算法在MATLAB 7.8.0(R2009a)上進行測試，測試程序采用VC++和MATLAB結(jié)合編程，主框架程序采用MATLAB實現(xiàn)[7]，改進EZW編碼部分采用VC++實現(xiàn)，采用像素為512×512的Elizabeth Taylor(gray).bmp圖像作為實驗圖像。
    首先選取人物右眼作為ROI，即保持人物右眼區(qū)域完全不失真進行Haffuman無損圖像壓縮[8],分別選取0.125 b/s、0.25 b/s和0.5 b/s不同的碼率，實驗結(jié)果如圖2所示，壓縮結(jié)果數(shù)據(jù)比較如表1所示。
    從表1的實驗數(shù)據(jù)可以看出，壓縮比的大小取決于背景圖像，而ROI是基于無損壓縮編碼，得到的圖像質(zhì)量與原始圖像基本一樣。

　在Elizabeth Taylor(gray).bmp圖像上分別選取不同的ROI：從1%、3%、7%、11%、35%、70%到100%，碼率分別從0.1 b/s~1.0 b/s進行壓縮和解壓，其中，水平坐標表示壓縮比，垂直坐標表示信噪比，ROI(x%)表示感興趣區(qū)域的面積和整幅圖像的比值,得到的實驗結(jié)果如圖3所示。
   從圖3可以看出，當ROI的面積小于圖像面積35%時，解壓圖像的PSNR值的動態(tài)范圍基本相等，而ROI的面積越大，得到壓縮比的動態(tài)范圍越小。同時經(jīng)過大量實驗數(shù)據(jù)可得：當ROI占整幅圖像面積不超過10%時，上述編碼方法較為實用，在獲得高質(zhì)量解壓圖像的同時，也可以實現(xiàn)較大的圖像壓縮比。

4 視頻監(jiān)控圖像壓縮編碼實例分析
　視頻監(jiān)控圖像的重點在于流動的車輛以及活動人員的監(jiān)控，其中流動車輛監(jiān)控要能實現(xiàn)事后從現(xiàn)場視頻監(jiān)控圖像中提取有價值的信息，比如車輛外形的識別，車輛牌照的準確讀取等；而活動人員的監(jiān)控重點應(yīng)在人員體貌特征的識別以及進而對面部特征的辨認上。下面就結(jié)合實際公安工作中的要求對本文所研究的視頻監(jiān)控圖像壓縮編碼算法進行實例分析。
    選取3幅典型社會治安視頻監(jiān)控圖像：車牌照識別圖像、車輛外形識別圖像和可疑人員面部識別圖像。分別對3幅原始bmp圖像進行壓縮，其中全視頻圖像采用有損壓縮編碼算法，視頻圖像ROI采用無損壓縮編碼算法,背景區(qū)域采用有損壓縮編碼算法。原始圖像、解壓圖像分別如圖4所示。

    從圖4可以看出，本文研究的視頻監(jiān)控圖像壓縮編碼算法可以保證對實例中圖像ROI，即圖中圈出的汽車牌照區(qū)域、黑色轎車區(qū)域、人員面部區(qū)域進行無損壓縮，對背景區(qū)域進行有損壓縮，從而達到了在保證視頻圖像較高壓縮比和傳輸效率的同時，準確讀取解壓圖像中車輛牌照信息、識別車輛外形、識別可疑人員面部信息的目的。
   針對以上3個實例, 分別就每幅原始視頻圖像采用不同碼率(分別為0.125 b/s、0.25 b/s、0.5 b/s)進行有損壓縮，并對采用該壓縮編碼算法的視頻圖像背景區(qū)域采用相同碼率進行有損壓縮對比,實驗數(shù)據(jù)如表2所示。
    由表2可知，同一實例中隨著視頻圖像壓縮碼率的減小，圖像壓縮比的差距會增大；針對同一碼率，不同實例中圖像壓縮比的差距會隨著原始圖像像素的減少而增大，但是在正常視頻圖像的要求范圍內(nèi)，圖像壓縮比的差距均能控制在合理范圍內(nèi)。

    通過列舉典型視頻監(jiān)控圖像的壓縮編碼，針對視頻監(jiān)控圖像中不同重點區(qū)域分別進行了對比壓縮和圖像解壓分析可知，視頻監(jiān)控圖像ROI壓縮編碼算法可以準確提取監(jiān)控圖像中ROI的關(guān)鍵信息。
    針對不同場合的視頻監(jiān)控圖像，在保證其關(guān)鍵信息所在的ROI采用不失真的無損壓縮的前提下，可以對其背景區(qū)域選擇壓縮比進行不同程度的壓縮，進而實現(xiàn)整幅圖像的較大壓縮比和較高的傳輸效率，進而有效地解決視頻監(jiān)控圖像中獲取清晰圖像的同時節(jié)約存儲空間、實現(xiàn)高效傳輸?shù)拿躘9]。
參考文獻
[1] 肖德琴,馮健昭,張煥國.基于橢圓曲線的JPEG2000圖像信息隱藏方案研究與設(shè)計[J].計算機工程與應(yīng)用,2005，41(20):142-145.
[2] 李振偉,何繼善,劉兵全,等.小波圖像壓縮進展[J].微機發(fā)展，2004,14(6):29-32.
[3] 陳曉雷,馬義德.一種感興趣區(qū)圖像壓縮編碼算法[J]. 計算機工程與應(yīng)用，2007,43(32)：69-71.
[4] 唐良瑞,蔡安妮,孫景鰲.一種基于整數(shù)小波變換的圖像無損壓縮方法[J].計算機工程與應(yīng)用，2002，38(23)：54-56.
[5] 魏琳.基于感興趣區(qū)域(ROI)圖像的壓縮編碼研究[D].重慶：重慶大學(xué)，2007.
[6] 許冰. 數(shù)字圖像處理在電廠火焰檢測中的應(yīng)用[D].北京:華北電力大學(xué)，2003.
[7] 閆紅梅, 李科,吳冬梅.SPIHT的超光譜圖像無損壓縮算法[J].西安科技大學(xué)學(xué)報,2009,29(5):598-602.
[8] 楊先花,黎粵華.基于Matlab圖像邊緣檢測算法效果對比[J].機電產(chǎn)品開發(fā)與創(chuàng)新, 2010,23(2):129-131.
[9] 徐震寰, 林茂松, 張紅英.基于小波域?qū)W習(xí)的單幅圖像超分辨率復(fù)原[J].微型機與應(yīng)用,2013,32(18)：41-46.