摘 要： 在提升小波的基礎上，對感興趣區域(ROI)進行Huffman無損壓縮，對背景區域(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圖像質量之間的矛盾。
關鍵詞： 視頻監控；感興趣區域；提升小波變換；圖像編碼；無損編碼
社會治安視頻監控系統是一個覆蓋整個城市的多功能、集成式、綜合性大型監控報警系統，在犯罪預防和案件偵破方面發揮了巨大作用。基于此，社會治安視頻監控系統更關注敏感目標和敏感區域，對人臉、車牌、重點保護對象和區域、禁區、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分前景和背景，或者可以區分重點區域和非重點區域，可以進行動態碼率調整，從而獲得敏感區域和目標的高清晰度和高辨識率。可以把關注目標和敏感區域統稱為感興趣區域ROI(Region Of Interest)或者前景，如監控場景中的人、車、重要目標等，研究ROI和背景區域不同的圖像編碼控制，可以在網絡帶寬有限的情況下對監控關注目標對象的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]，從而實現優先保證ROI圖像質量和清晰度，提供更符合監控需要的高質量視頻編碼圖像，提高監控系統整體性能。
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的特性,使得輸出的碼流具有嵌入特性[2]，其本質是對原圖像的小波域的小波系數進行量化和編碼，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與背景區域具有同樣的編碼級數。要實現ROI圖像高清晰度和高辨識率，可以通過提升 ROI部分的小波系數或者閾值，使得ROI部分和背景區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實現高壓縮比。
對于ROI,通常采用無損壓縮算法進行編碼。傳統的小波變換會將像素的整數值變為實數值[3]，在存儲時再將實數值取整[4]，因此會導致圖像失真。基于提升方案的第二代小波變換通過剖分、預測和更新，可以實現ROI無損圖像壓縮編碼。基于ROI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模板的變換系數進行無損編碼，具體可以采用Haffuman等無損編碼方法。
(4)背景區域有損壓縮：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計概率的方法和基于字典的技術[5]。Huffman編碼和算術編碼(Arithmetic Coding)是統計編碼方法中最常用的兩種編碼。Huffman編碼根據字符出現概率來構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 實驗結果和結論
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結合編程，主框架程序采用MATLAB實現[7]，改進EZW編碼部分采用VC++實現，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，實驗結果如圖2所示，壓縮結果數據比較如表1所示。
從表1的實驗數據可以看出，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%)表示感興趣區域的面積和整幅圖像的比值,得到的實驗結果如圖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值的動態范圍基本相等，而ROI的面積越大，得到壓縮比的動態范圍越小。同時經過大量實驗數據可得：當ROI占整幅圖像面積不超過10%時，上述編碼方法較為實用，在獲得高質量解壓圖像的同時，也可以實現較大的圖像壓縮比。
4 視頻監控圖像壓縮編碼實例分析
視頻監控圖像的重點在于流動的車輛以及活動人員的監控，其中流動車輛監控要能實現事后從現場視頻監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；而活動人員的監控重點應在人員體貌特征的識別以及進而對面部特征的辨認上。下面就結合實際公安工作中的要求對本文所研究的視頻監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域、黑色轎車區域、人員面部區域進行無損壓縮，對背景區域進行有損壓縮，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域采用相同碼率進行有損壓縮對比,實驗數據如表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，圖像壓縮比的差距均能控制在合理范圍內。
通過列舉典型視頻監控圖像的壓縮編碼，針對視頻監控圖像中不同重點區域分別進行了對比壓縮和圖像解壓分析可知，視頻監控圖像ROI壓縮編碼算法可以準確提取監控圖像中ROI的關鍵信息。
針對不同場合的視頻監控圖像，在保證其關鍵信息所在的ROI采用不失真的無損壓縮的前提下，可以對其背景區域選擇壓縮比進行不同程度的壓縮，進而實現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控圖像中獲取清晰圖像的同時節約存儲空間、實現高效傳輸的矛盾[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計[J].計算機工程與應用,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].微機發展，2004,14(6):29-32.
[3] 陳曉雷,馬義德.一種感興趣區圖像壓縮編碼算法[J]. 計算機工程與應用，2007,43(32)：69-71.
[4] 唐良瑞,蔡安妮,孫景鰲.一種基于整數小波變換的圖像無損壓縮方法[J].計算機工程與應用，2002，38(23)：54-56.
[5] 魏琳.基于感興趣區域(ROI)圖像的壓縮編碼研究[D].重慶：重慶大學，2007.
[6] 許冰. 數字圖像處理在電廠火焰檢測中的應用[D].北京:華北電力大學，2003.
[7] 閆紅梅, 李科,吳冬梅.SPIHT的超光譜圖像無損壓縮算法[J].西安科技大學學報,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].機電產品開發與創新, 2010,23(2):129-131.
[9] 徐震寰, 林茂松, 張紅英.基于小波域學習的單幅圖像超分辨率復原[J].微型機與應用,2013,32(18)：41-46.