《【小波与滤波器组讲义-英文版】精品讲义-Wavelets and Filter Banks13》由会员分享,可在线阅读,更多相关《【小波与滤波器组讲义-英文版】精品讲义-Wavelets and Filter Banks13(53页珍藏版)》请在金锄头文库上搜索。
1、静态压缩图像后处理,Peng Silong (Wen Wei),问题意义,应用背景,计算机、网络、多媒体技术的飞速发展要求高 效的数据压缩算法,压缩导致了失真。为了消除失真,出现了后处理技术。,后处理技术、预处理技术,预处理:滤波去除细节,优化码流的分配。应用于语音处理 后处理:在解码端进行处理,不涉及到编码解码过程,多应用于压缩图像和视频的处理,后处理技术,图像压缩技术,后处理方法是依赖于具体的编码方案的 图像压缩分为无损和有损压缩 变换编码,DCT、DWT,问题意义,编码编码下压缩图像的失真 Ringing(振铃)失真 Block(块)失真 Staircase(楼梯)失真和Corner o
2、utlier(裸露角)失真 Ripple(波振)失真和Blotch(块污)失真,Ringing(振铃)失真,DCT,DWT,人工合成图像压缩后“振铃”失真,原因:Gibbs现象,出现:DCT变换,DWT变换,傅立叶级数逼近的函数在不连续点出现超调(overshoot)的现象,就叫做“Gibbs”现象 。,Block(块)失真,原因:频域系数的量化,破坏了空间的相关性,出现:BDCT编码,JPEG,MPEG,Staircase(楼梯)失真和Corner outlier(裸露角)失真,原因:块边界被人眼认为加入到连续边缘中;角点的像素与邻域像素差比较大 出现:BTC编码,VQ编码,BDCT编码,R
3、ipple(波振)失真和Blotch(块污)失真,原因:高压缩比情况下,中频系数的粗量化同时高频系数的截断 出现:DWT编码,静态压缩图像后处理技术概述,图像增强的后处理方法 图像复原的后处理方法 小波域的后处理方法 基于失真度量的后处理方法,图像增强的后处理方法,空间域的滤波方法 1D,2D低通滤波器 自适应低通滤波器:边缘自适应的,个向异性2D高斯低通滤波器 频域的滤波算法(DCT),基于特定边缘模型的后处理方法(Van Beek),图像复原的后处理方法,约束最小二乘,凸集投影方法,最大后验概率(MAP),小波域的后处理方法,基于去噪理论的小波域阈值后处理算法,软阈值、硬阈值,小波域的最小
4、均方误差估计方法,基于小波变换模极值的后处理算法,(一) BDCT压缩图像混合后处理,目的,针对BDCT图像,去除 “块”失真 同时去除“振铃”,特别是高压缩比下的强振铃 去除高频失真的同时保持图像的细节 针对不同的压缩比,特别适用于高压缩比压缩图像,算法设计,频域系数预处理,空间域上的增强,各种失真产生的原因是因为DCT系数的量化,频域上可以提供有用的信息,统计信息,在高压缩比情况下,频域提供的信息少。空域上能得到更好的视觉效果,1) DCT系数的调整,最找最优的重构点,使得全局的量化误差最小,均匀量化的重构值在量化区间的中点,量化误差分布不均,各个频率上DCT系数(AC)符合Laplaci
5、an分布,2) DCT系数去噪,去噪的模型,最小均方误差估计,通过观测值估计先验统计量, 观测值的统计量,频域统计量计算的示意图,3) 投影到量化约束集, 认为修改后的频域系数应该在量化空间上, 修改后的系数向量化集上投影,预处理总结:对比特率高的压缩图像,只用频域预处理可以取得较好的效果,4)“块”失真去除 (空域增强),平滑块,纹理块, 块属性区分:平滑块,纹理块, 区域自适应低通滤波,适用于边界所跨两个块同时为平滑块的情况,适用于边界所跨两个块同时为纹理块的情况,且,适用于边界跨纹理块和平滑块的情况,平滑块半窗口,a) 长窗口对称像素加权平滑算法,b) 短窗口低通滤波算法,c) 混合窗口
6、加权平滑算法,权函数和处理结果,“块”失真去除框图,5)“振铃”失真去除 (空域增强), 强边缘处的振铃波及范围大,特点, 传统的低通滤波器效果不好, 识别出强振铃可能出现的区域,a)主边缘附近区的自适应中值滤波(强振铃),Chessboard距离,b)细节区的边缘自适应滤波(弱振铃),试验,对比试验:文献 17,83,32,34,20和本文算法,“块”去除效果,对比试验:文献 17,83,32,34,20和本文算法,“振铃”去除效果,lena 压缩图像(26.41db) lena 本文算法处理后图像(27.47 db),peppers 压缩图像(26.62db) peppers 本文算法处理
7、后图像(28.13 db),试验结果PSNR对照表,(二) 基于图像增强的自适应滤波算法,目的,针对DWT编码图像,去除“振铃”失真 在低比特率情况下,取得好的效果,算法设计,子块局部方向检测 方向自适应低通滤波 量化约束集投影 多尺度增强,图像子块局部方向检测, 方向余弦基方法,用来检测固定角度方向上各个频率。,方向余弦基通过旋转余弦基函数得到,基于Radon变换的子块主要方向检测,Ridgelet变换,方向余弦变换,Radon变换求解,子块主方向,Radon,DCT,快速实现,子块主方向检测实例,2D方向自适应低通滤波器,要求:,与边缘垂直的方向有较高的截至频率 与边缘切线的方向有较低的截
8、至频率,算法实现,多尺度增强,方向判断鲁棒性, 多尺度增强,去除各个尺度上的振铃, 循环移位方法,保证方向判断的鲁棒性,试验结果,Aria Nosratinia的方法 本文方法,优点,提高了压缩图像的视觉效果 不依赖于特定的边缘信息,避免边缘检测 在低比特情况下可以取得好的效果,不足,处理后的图像呈现出模糊 增强的方法不考虑图像的“保真度”,PSNR降低,改进的方向,应用图像复原的方法 对压缩模糊过程建模,辨识模糊,(三) 基于图像复原的贝叶斯迭代方法,小波变换压缩图像后处理模型,典型的模型,本文的模型,表征了全局模糊现象,包含了各种量化噪声,贝叶斯框架下的MAP估计,认为估计图像和模糊核是相
9、互独立的,图像的先验模型,当,加入对量化噪声的抑制,观测图像的似然概率,如果,模糊核的先验模型,MAP求解,构造目标函数,MAP问题就变为一个约束最优化问题,交替迭代的优化算法,1)初始化,2)第k步迭代,3) 收敛停止;否则 k=k+1 , 转 2),参数的选取,1)权值,最小二乘解:,2)迭代步长,3) 高通算子,4)中值滤波器窗口,核模糊核窗口选取,bitrate=1/8, 最优窗口大小为7 bitrate=1/20, 最优窗口大小为11,bitrate=1/8 , 中值滤波器大小为7, 最优模糊核大小为5; bitrate=1/20 , 中值滤波器大小为11, 最优模糊核大小为7,模糊
10、核窗口大小选取试验PSNR结果,中值滤波器窗口大小选取试验PSNR结果,我们选取其范围为:511,我们选取其范围为:57,试验结果(不同压缩比),(a) 压缩图像bite rate=1/8 (b) 本文算法处理后图像 29.2743db 29.8808db (+0.6065 db ),(c) 压缩图像bite rate=1/12 (d) 本文算法处理后图像 27.9420db 28.4364db (+0.4944 db ),bite rate=1/8,bite rate=1/12,bite rate=1/20,Bite-rate=1/8处理前后图像的局部,试验结果(不同算法),(a) 压缩图像
11、 bite rate=1/8 (b) Thomas P.ORourk的算法 29.2743db 29.6339db (+0.3596 db),(c) Aria Nosratinia的算法 (d) 本文算法 29.0663db (-0.2080 db ) 29.8808db (+0.6065 db ) Bite-rate=1/8 不同算法处理结果对比,(b) PSNR提高:曲线1,本文算法PSNR的提高 曲线2,Thomas P. ORourke的算法,(a) PSNR 曲线:曲线1,压缩图像的PSNR 曲线2,Thomas P. ORourke的算法处理后的PSNR 曲线3,本文算法处理后的P
12、SNR曲线,试验结果(不同图像),(a) Barbara bit rate=1/16 (b) Barbara 处理后 22.4664db 22.5117db(+0.0453db),(c) Peppers bit rate=1/16 (d) Peppers 处理后 25.3847db 25.6134 db(+0.2287db),(e) Elaine bit rate=1/16 (f) Elaine处理后 27.4450db 28.1715 db(+0.7265db),试验结果分析,提高了压缩图像的视觉效果 通过模糊核的辨识,得到锐利的图像细节 证明了本文提出的压缩等效过程的有效性 特别适合于低比特情况,