[发明专利]一种基于分类重排的点云无损压缩方法

说明书

本发明涉及一种基于分类重排的点云无损压缩方法。首先确定阈值：将图像中的像素划分成为若干个类别，使得同一类别中的像素灰度值相接近；根据确定的阈值，分类得到C1、C2和像素掩膜图Mp；Mp则是一幅二值的像素掩膜图，大小为SxS；Mp记录了所有像素的类别信息，但本身所占比特数较多，进一步将其分块合并，得到一张分块掩膜图Mb；按照三阶Hilbert曲线的顺序遍历分块掩膜图和像素即可以把整个图像的所有像素排列成一个一维序列D，D序列分为两个子序列D1与D2，分别对应高、低灰度值；数据流D1、D2和分块掩膜图Mb采用JPEG‑LS进行编码，而后形成编码的两路比特流，最后输出。本发明能够满足数据无损与压缩率高的双重需求。

技术领域

本发明涉及图像压缩编码技术，特别涉及一种基于分类重排的点云无损压缩方法。

背景技术

随着3D感应和捕获技术的发展，3D激光雷达点云技术已经证明了它们在真实世界环境的数字感知方面的实用性，例如虚拟/增强/混合现实(AR/VR/MR)、移动地图、历史文物扫描、智慧城市、机器人和自动驾驶。而点云数据具有数据海量性，对目前计算机设备信息的存储和传输都是个巨大挑战，而对其有效的压缩便是不可或缺的步骤之一。

根据编码过程是否存在信息的损失，图像编码可以分为有损压缩编码和无损压缩编码。有损压缩编码虽然可以把数据极大程度的压缩，但是由于存在信息丢失，解码端不能还原恢复出原始图像。当有数据完整性的需求时，有损编码是不符合要求的。无损压缩编码是不存在信息的丢失，可以在解码端准确无误地恢复出原始图像。但是目前的无损压缩编码普遍存在压缩率不够高的问题。

按照Hilbert曲线的顺序对点云数据进行重新排列，在一定意义上聚集相近像素值，增加空间相关性，充分发挥图像压缩方法的能力，再利用JPEG-LS数据编码方法，既可以实现图像的无损压缩，又能保证压缩率足够高。

发明内容

本发明的目的在于提供一种基于分类重排的点云无损压缩方法，旨在提高点云图像编码的压缩效率，达到高效准确编码点云图像的应用需求。

为实现上述目的，本发明的技术方案是：一种基于分类重排的点云无损压缩方法，包括如下编码过程：

步骤S1、确定阈值：将图像中的像素划分成为若干个类别，使得同一类别中的像素灰度值相接近；首先根据图像的直方图自适应的确定阈值，使得两类像素数量接近；设原始图像的直方图为：H＝{C(g)|C(g)∈[0，S²]且C(g)∈Z，g＝0，1，...，65536}；则应当选取的阈值G为G＝argmin_T{|∑_g＜TC(g)-∑_h≥TC(h)|}，其中g，T，h为直方图的取值，找到T使式子最小，即为确定的阈值G；

步骤S2、根据确定的阈值，灰度分类得到C1、C2和像素掩膜图Mp：若像素值I(i，j)≥G，则I(i，j)∈C1且Mp(i，j)＝1；若像素值I(i，j)＜G，则I(i，j)∈C2且Mp(i，j)＝0，C1、C2分别代表高灰度与低灰度两个类别的像素集合；

步骤S3、通过合并Mp得到分块掩膜图Mb：Mp是一幅二值的像素掩膜图，大小为SxS；Mp记录有所有像素的类别信息，但本身所占比特数较多，进一步将其分块合并，每块大小为MxM(M＝2m，m＝2，3...)，得到一张分块掩膜图Mb；当M＝1时，Mp与Mb等同；当Mb中像素所对应的Mp中的区域像素值为1的多过像素值为0，则把Mb中的像素置为1，反之则置为0；

步骤S4、块间重排：按照三阶Hilbert曲线的顺序遍历分块掩膜图Mb，将所有块排成一个一维序列；

步骤S5、块内重排：每个块中还含有MxM个像素，所以又利用Hilbert对其进行块内重排，所有的块按相同的方式进行，可以把整个图像的所有像素排列成一个一维序列D，D序列分为两个子序列D1与D2，分别对应高、低灰度值；