[发明专利]一种用于相似图像集合并的群体图像编码方法

说明书

本发明提出了一种用于相似图像集合并的群体图像编码方法。实现步骤为：选取主图像集；确定其余图像集的合并优先级；对其余图像集按照优先级从高到低的顺序依次与主图像集进行合并；每一优先级图像集合并时对主图像集树形图逐层进行分支查找，为该优先级图像集的根节点找到在主图像集树形图中的父节点；对非主图像集根节点所对应的图像进行编码。本发明可以在复杂度不高的情况下对相似图像集进行合并，提高了群体图像的编码效率。可用于云端群体图像管理以及图像数据库管理的场景中对相似图像集进行合并。

技术领域

本发明属于图像编码技术领域，具体涉及一种用于相似图像集合并的群体图像编码方法，可用于云端群体图像管理以及图像数据库管理的场景中相似图像集的合并中。

背景技术

在最近十年中.随着互联网相关产业的飞速发展，数字图像等多媒体内容也呈现出爆炸式的增长。据全球最大社交网络服务公司Facebook报告，其存储的照片己经超过二千二百亿张，并正以每天三亿张的速度增加。规模巨大的图像视频数据为带宽存储等方面带来了极大的压力。为此，研究者一直在努力改进数字图像压缩技术。相同场景下拍摄的很多图片具有很大的相似性，但他们的单独采用JPEG或JPEG-2000对图像进行编码，将会造成存储空间大、编码效率不够高。因此，对于相似图像的压缩存储很有必要。因此引入群体图像的概念，群体图像中存在多个图像集，每个图像集中包含多张图像，每个图像集内部的图像具有很大的相关性，对其整体进行编码可以节省更多的存储空间。

群体图像压缩编码目前主要应用在具有相关性的图像集中，因此群体图像压缩编码研究主要集中在两个方向：

第一个研究方向是针对医学和遥感等相似度较高的图像集的，这类图像一般要求完全准确，不能有信息错误和信息丢失。该研究方向的主要问题是如何获得一个代表图像，该图像与图像集中所有图像之间冗余度最强，可以作为该图像集中所有图像的参考图像，可以利用该参考图像预测其余所有图像。此类问题的研究现状为：Yurij S.Musatenko提出了使用KL(Karhunen-Loeve)变换实现最佳的图像编码(Optimal Image Codeing usingKarhunen-Loeve transform，OICKL)。通过KL的奇函数可以获得每张图像的最大平均贡献，而且该贡献为所有基函数中下降最快的。嵌入零树子编码对KL基函数实现有损编码，由图像中函数的贡献决定图像的质量。Kosmas Karadimitriou使用中心结构方法，对图像集中图像间的相似特征、边缘分布和像素分布进行提取。Samy Ait-Aoudia使用集合冗余压缩方法^[i](set redundancy compression，SRC)降低图像之间的冗余度。

上述中的方法易于理解，应用在医学和卫星图像领域取得了很好的效果，但是在现实生活中，图像中包含的场景一般不会像医学和卫星领域中的图像如此单一，而是变化较大，因此找到一张代表图像作为该图像集中其余所有图像的参考图像是难以实现的，使得图像集编码压缩效果提升不高。

第二个研究方向是针对个人相册图像集和云端图像存储。这类图像集通常是从不同角度或在不同亮度下对一个相同场景进行的拍摄，各个图像之间相似性较高。各个图像组分别利用其内部图像间的相关性来进行压缩编码。目前，很多应用场景中的图像均属于此类，譬如，图像检索与图像识别领域等。群体图像编码是利用图像集中图像之间的相似性进行编码，首先利用相关图像处理的算法定量的描述图像之间的相似性，根据图像之间的相似性生成对应的参考编码结构，确定待编码图像集中每张待编码图像即目标编码图像的参考照片；然后进一步进行几何变形和光度变换，使变换后的图像与目标图像更加接近；最后采用视频编码技术对图像集中图像进行编码。

群体图像中可能存在相似的图像集，若将它们进行合并可以节省更多的存储空间；向图像库中添加的图像集可能也是已经进行过群体图像编码的图像集，因此对相似图像集进行合并，可以更好的提高编码效率。