[发明专利]群体图像编码结构生成方法

说明书

本发明公开了一种群体图像编码结构生成方法，主要解决现有技术编码效率不够高的问题。其方案为：1)将群体图像抽象为有权有向图；2)根节点依次经过一个中间节点、两个中间节点、多个中间节点到达其他节点，并不断更新根节点到每个节点在深度限制下的最短距离，得到一棵具有重复节点的最小生成树；3)通过回溯路径去除重复节点，得到层次限制的最小生成树，再将节点还原成图像，得到群体图像的编码结构。本发明与现有技术相比，对群体图像间相关性相差较大的情况，其编码效率更高，可用于云中图像管理及个人相册管理场景。

技术领域

本发明属于图像编码领域，更进一步涉及一种群体图像编码结构生成方法，可用于云端群体图像压缩，及与专业领域图像压缩、个人相册图像压缩、图像数据库压缩的类似场景。

背景技术

图像通常以JPEG的格式存储，虽然能够实现存取方便，但也造成了存储空间大、编码效率低的缺点。现有群体图像编码主要利用群体图像间的相关性生成伪视频结构，再采用视频压缩技术进行压缩。伪视频结构即为群体图像编码结构。生成群体图像编码结构主要考虑两个方面：一是提高编码效率，二是保证用户能随时读取图像。提高编码效率通过对群体图像进行相关性描述，并生成树形结构，即先利用距离长短表征群体图像之间的相关性，相关性越高，距离越短。而要保证用户能随时读取图像，必须对树形结构进行深度限制，深度越大，用户读取图片需要时间越长。现有得到深度限制的最小生成树的方法主要有图像集层次聚类方法和最小化预测代价方法。图像集层次方法是利用传统自下而上或者自上而下的方法对群体图像进行聚类，形成一个具有深度限制的聚类树形结构，如HAP方法，但此类方法通常得到的树形结构并不是最优结构，编码效率提升不高；最小化预测代价方法则是对无向图进行搜索，得到深度限制的最小生成树，该类方法主要利用图论知识或智能算法实现，主要实现方式有一次性构造树OTTC、蚁群方法、遗传方法等，但此类方法通常不适用于群体图像。

Yonggen Ling,Oscar C.Au,Ruobing Zou,Jiahao Pang,Haiyan Yang,AminZheng在其发表的论文“Photo Album Compression By Leveraging Temporal-SpatialCorrelations and HEVC”(《IEEE International Symposium on Circuits&Systems》2014)提出采用HAP方法得到深度限制的有向图最小生成树，HAP方法是通过聚类的思想将图像分类并形成中心点，低层的聚类中心点作为高层的图像，依次从低层到高层迭代，直至最后得到一个聚类中心作为根图像。但HAP方法通过公式自动迭代，过程难于理解，且对于图像个数较多，相关性相差较大的情况，该聚类方法往往会产生生成树代价过大的情况。

石磊，冯祖针，杨建强提出的“蚁群算法求解直径约束最小生成树问题”(《红河学院学报》2012)通过蚁群算法，模拟蚂蚁寻路的方法，改进图像选择规则，对满足直径约束的图像进行离心率筛选，在走过的路径上留下信息素，迭代完成后得到满足条件的最小生成树。该方法的提出主要适用于无向图，而对抽象结果为有向图的群体图像不适用。

王立东在其硕士学位论文中“约束最小生成树算法的研究”(西安电子科技大学，2009)提出了解决直径约束的最小生成树的遗传算法以及一次性构造树方法OTTC，该遗传算法通过选择、交叉、变异的特定的适应度函数对有向边进行筛选，最终得到最小树形图；一次性构造树方法OTTC是基于贪婪思想，每次迭代选择最近的顶点，在不违背直径限制的条件下加入这个顶点，不断更新在树中的图像到不在树中的图像的距离，并相应选出最短距离，直至生成一棵树，但这两种方法主要使用于无向图，并不适用于群体图像结构生成。

综上，现有方法基本不适应生成群体图像编码结构，而HAP方法，对于图像之间相关性相差较大的情况下，得到的生成树的代价较大，编码效率不够高。

发明内容

本发明在于针对上述现有技术的不足，提出一种群体图像编码结构生成方法，以减小生成树的代价，提高群体图像编码效率。