[发明专利]针对插入图像后图像集的编码结构调整方法

说明书

本发明提出了一种针对插入图像后图像集的编码结构调整方法。旨在解决现有方法生成编码结构复杂度太高及编码效率不高的问题。实现步骤为：构造待插入图像的有权有向图；首先解码原图像集中第一层节点，与待插入图像生成限制深度的最小树形图，然后层数加1，对上一层中作为待插入图像父节点的孩子节点所对应图像进行解码，重新生成限制深度的最小树形图，依次循环，直到某一层中没有节点作为新插入图像的父节点或这一层达到最大深度限制。将得到的最小生成树作为群体图像编码结构。本发明在编解码复杂度不高的情况下，提高了编码效率。可应用于云中图像压缩、个人相册压缩等领域，针对插入图像后图像集进行编码结构调整。

技术领域

本发明属于图像编码技术领域，具体涉及一种图像集管理中针对现有图像集插入图像后编码结构的调整方法，可用于云端群体图像压缩，个人相册图像压缩以及图像数据库压缩的类似场景中向现有图像集中加入相似图像的场景，更加方便群体图像的管理。

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。利用视觉内容分析技术可以建立起图像内部或外部的相关性，通过分析这些视觉相关性，建立对应的视觉模型或视觉联系，有助于消除图像视频中的视觉冗余，提升编码性能。目前最优方式是根据图像内容的相关性安排所有的相似图像在一个树结构中，然后对每个分支采用视频编码技术，可有效的消除相关图像间的视觉冗余，提高了图像集整体编码的效率。但如果在现有图像集中插入新的图像，势必会引起树的结构变化，目前针对新图像插入后生成编码结构的方法大致有以下两种：

第一种方法是重新生成编码结构方法，例如Hao Wu,Xiaoyan Sun,Jingyu Yang,Wenjun Zeng and Feng Wu在2016年IEEE Transactions on Image Processing上发表的论文“Lossless Compression of JPEG Coded Photo Collections”中提到的重新生成编码结构方法：解码原图像集中的所有图像，然后对新图像集重新生成树结构再对新图像集进行重新编码，这种方法虽然可以使编码效率达到最高，但是会耗费大量时间，影响用户体验,不适合实际应用。

第二种方法是基于根节点的编码结构调整方法，例如Hao Wu,Xiaoyan Sun,Jingyu Yang,Wenjun Zeng and Feng Wu在2016年6月Transactions on ImageProcessing上发表的论文“Lossless Compression of JPEG Coded Photo Collections”中提到的基于根节点的编码结构调整方法，即解码待插入图像集的最小树形图中的根节点，并将该根节点作为所有待插入图像的参考图像，得到插入图像后图像集的编码结构，此方法虽然在现有方法中复杂度最低，但因为插入图像可能与原树形图中根节点差异较大，导致编码效率提升不高，有时甚至与待插入图像单独编码并无差别。

发明内容

本发明的目的在于针对上述现有技术的不足，提出了一种针对插入图像后图像集的编码结构调整方法，旨在提高编码效率，同时降低编码的复杂度。

本发明的基本思想是：首先解码原图像集中第一层节点，与待插入的图像生成限制深度的最小树形图，然后层数加1，对上一层中作为待插入图像父节点的孩子节点所对应图像进行解码，重新生成限制深度的最小树形图，依次循环，直到某一层中没有节点作为新插入图像的父节点或这一层达到最大深度限制。其实现方法包括如下步骤：

(1)获取待插入图像的有权有向图G(V,E)：