[发明专利]基于朱刘方法和OTTC的群体图像编码结构生成方法

说明书

本发明公开了一种基于朱刘方法和OTTC的群体图像编码结构生成方法。解决了现有大部分方法不能保证用户即时访问、且HAP方法编码效率不高的问题。实现步骤为：构造有权有向图；用朱刘方法得到最小生成树；判断最小生成树的深度是否满足限制；如满足，则输出该最小生成树，还原成图像，构成群体图像编码结构；如最小生成树深度不满足限制，添加新边，使用OTTC进行深度限制，输出深度受限的最小生成树，还原成图像，构成群体图像编码结构。本发明具有生成树权值小，编码效率高，且能保证用户即时访问，与现有HAP方法对比的实验也证明了本发明生成树权值小，编码效率高。可应用于云中图像压缩、个人相册压缩等领域。

技术领域

本发明属于图像编码技术领域，更进一步涉及群体图像编码结构生成，具体是一种基于朱刘方法和OTTC的群体图像编码结构生成方法，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。

背景技术

群体图像通常聚类后表现出相同场景下，相同或不同拍摄角度的特点，图像间的相关性较强，如果使用传统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。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编码结构，再采用视频压缩技术进行压缩。伪视频编码结构是群体图像经过一系列处理得到的类似于自然视频的序列，序列之间存在一定的参考关系。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，并生成树形图；而要保证用户能随时读取图像，必须对树形图进行深度限制，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迭代式求解深度限制最小生成树方法。图像集层次聚类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，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；迭代式求解深度限制最小生成树方法是通过不断对最小生成树的子树进行迭代，直到找到权值最小、且满足深度限制的最小生成树为止，时间复杂度很高，难以在有效时间内得到满足条件的群体图像编码结构。

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，且该聚类方法往往会产生生成树代价过大，继而造成编码效率不高。

Zou R,Au O C,Zhou G在其发表的论文“Personal photo album compressionand management”(《IEEE International Symposium on Circuits and Systems.IEEE》2013)提出以迭代方法不断地判断子树是否满足深度限制条件，本质上是对所有满足条件的最小生成树进行遍历。对于节点数较多，得到最小生成树深度较深的情况下，迭代过程繁琐，必须将满足条件的子树全部计算完成才能得到结果，很难在有效时间内得到深度限制的最小生成树，因此不适用于现实情况。

微软技术许可有限公司在其申请的专利“基于特征的图像集合压缩”(申请号:201380078260.4)公开了一种使用SIFT特征的压缩方法。其主要思想是：将图像集根据SIFT特征进行聚类，并对聚类好的图像进行有向图描述，再生成最小生成树，根据最小生成树对图像的残差进行编码。但该方法没有对最小生成树进行深度限制，若聚类后图像个数较多，最小生成树的深度将会较大，造成用户不能随机访问图像，适用性不强。