一种基于感兴趣区域提取的无人机图像压缩算法

本发明属于无人机图像压缩传输，具体涉及一种基于感兴趣区域提取的无人机图像压缩算法。

背景技术：

1、无人机是一种可以在无人操控的情况下进行飞行的飞行器，它通过搭载各种传感器、摄像头、通信设备等装置执行任务，可以在各种环境中飞行、悬停和转向，具有较高的灵活性和机动性，无人机的应用领域非常广泛，如地质勘查、农业管理、城市规划、环境监测、搜索救援等。无人机为紧急救援场景下的及时通信提供了一种有效的解决方案，如突发性森林火灾、泥石流、地震等灾难时，可通过无人机捕捉图像或视频并及时传输到地面站，为应急分析和决策提供实时影像。但是，无人机的传输会受到无线网络带宽的限制，导致实时传输时间过慢甚至无法完成传输。

2、无人机图像中包含了丰富的数据信息量，而这些信息量中包含着大量的数据冗余，现有图像压缩方法大部分都对整幅图像进行单一处理，如果仅采用有损压缩方法，为了实现高压缩比会对图像进行信息丢失，可能导致图像质量下降，特别是在重要细节方面，这可能影响后续的图像分析和应用。而只使用无损压缩会保留所有图像信息，但通常会导致较大的数据量，增加了传输和存储的成本，特别是对于大规模的无人机图像数据来说。因此，单一压缩方法无法很好地适应不同场景和需求。

技术实现思路

1、为了提高传输效率、节省存储空间、满足实时应用需求，本发明提供了一种基于感兴趣区域提取的无人机图像压缩算法，在无人机图像中存在目标个体的情况下，采取不同区域、不同压缩策略的方式，实现更高的压缩效率，在带宽限制条件下，优先保证感兴趣区域的传输质量，既满足紧急应用场景下及时反馈的需求，又能保证传输图像的有效信息质量更好。

2、为实现上述目的，本发明所采用的技术方案为：一种基于感兴趣区域提取的无人机图像压缩算法，具体步骤如下：

3、步骤一、感兴趣区域的提取与分割：通过超像素分割算法slic对输入图像进行预处理，初始化超像素个数k，将输入图像分成大致相等大小的k块。将输入的原始rgb彩色图像通过映射转化到cielab颜色空间，将cielab颜色空间中的每个像素点颜色特征(l,a,b)及坐标(x,y)组合成向量(l,a,b,x,y)进行距离度量；通过均匀间隔或者基于像素特征选择聚类中心，初始化聚类中心ck＝[lk,ak,bk,xk,yk]t。

4、对于每个像素p，假设像素p与聚类中心ck之间的距离dp，并将像素p分配给最近的聚类中心；使用该聚类内所有像素的平均值作为新的聚类中心，更新每个聚类的中心；检查聚类中心是否收敛，如果移动量小于某个阈值，则终止算法，否则返回前面的步骤。

5、超像素分割后得到k个超像素块，通过dbscan区域聚类算法对k个超像素块进行聚类，初始化参数邻域半径ε和邻域内最小点数minpts，从超像素块中任意选取一个聚类中心cp，计算以cp为中心、半径为ε的邻域内的点数目n(p)。

6、如果n(p)≥minpts，则cp被认为是核心点；如果点q在点p的ε-邻域内，并且点p是核心点，则点q被认为是由点p密度可达的；如果存在一个点序列p1,p2,...,pn，其中p1＝p,pn＝q，且对于任意pi,pi+1都是由pi密度可达的，则称点q是由点p密度连接的。

7、根据密度连接关系，将k个超像素块划分为若干个聚类，每个聚类包含至少一个核心点，以及由核心点密度可达的所有点，将不属于任何聚类的点标记为噪声点。

8、经过区域聚类后，基于输入图像的像素颜色特征，其感兴趣区域将被划分为一个聚类，记录感兴趣区域的坐标位置信息，判别图像各像素是否属于感兴趣区域，将原图像分割为感兴趣区域与非感兴趣区域；

9、步骤二、jpeg图像压缩：经过分割后，原图像被分成两个子图，对两个子图采用不同的压缩比进行压缩，对感兴趣区域采用无损压缩，对非感兴趣区域采用高压缩比进行压缩。

10、三、传输或存储：图像压缩后，将压缩数据信息与感兴趣区域的坐标位置信息组合并通过无线信道传送至地面接收站。

11、四、图像重构：接收到图像数据信息后，先进行解压操作，再根据感兴趣区域的坐标位置合成出感兴趣区域子图与非感兴趣区域子图，重构出原始图像。

12、在步骤一中，将每个像素点颜色特征(l,a,b)及坐标(x,y)组合成向量(l,a,b,x,y)进行距离度量，像素点ck和p之间的颜色距离dlab具体如下：

13、

14、像素点ck和p之间的空间距离dxy具体如下：

15、

16、其中，ln(n＝k,p)表示在颜色空间中亮度的特征距离值，an表示在颜色空间中色阶品红的特征距离值，bn表示在颜色空间中正黄系的特征距离值，xn表示像素点的横坐标值，yn表示像素点的纵坐标值；

17、通过dp对最终距离进行度量：

18、

19、其中，m表示空间和像素颜色的度量，m的范围为[1,40]，dc为类内最大空间距离。

20、在步骤二中，将输入图像分成多个8*8的块，对每一个8*8的块进行二维dct变换，经过dct变换后得到频域的64个离散余弦变换系数，对64个离散余弦变换系数进行量化并得到一个8*8的系数，再利用熵编码表对量化后的系数进行熵编码并得到己压缩的图像数据。

21、其中，量化通过改变质量参数(quality factor，qf)调整压缩质量，控制压缩比与压缩后图像和原图的失真程度，qf可取1～100间的任意整数，qf取得越大，压缩比就越低，压缩后的图像文件占用空间就越大，压缩后的图像与原图的相似度就越高，当qf＝100时，jpeg是近无损压缩算法。

22、qf对图像压缩的影响是通过量化矩阵实现的，具体算法是：输入默认的量化矩阵q，以及质量参数qf，根据qf计算出缩放因子(scalingfactor，sf)，如果qf≥50，则sf＝(100-qf)/50，如果qf<50，则sf＝50/qf，sf与默认的量化矩阵q相乘得到缩放后的量化矩阵。当qf＝50时，sf＝1，此时缩放后的量化矩阵与原量化矩阵相同。当qf＝100时，sf＝0，此时缩放后的量化矩阵用全1的矩阵来代替，全1的量化矩阵意味着在量化时没有任何的精度损失，量化后的输出矩阵保留了原矩阵中的所有数值，因此是无损压缩。

23、经过分割后，原图像被分成两个子图，对两个子图采用不同的压缩比进行压缩时，对感兴趣区域采用无损压缩设置qf＝100，对非感兴趣区域采用高压缩比进行压缩调整qf范围为[1,90]。

24、本发明与现有技术相比，具体有益效果体现在：在无人机图像中存在目标个体的情况下，本发明采取不同区域、不同压缩策略的方式，既对非感兴趣区域应用有损图像压缩，对感兴趣区域应用无损图像压缩技术，实现更高的压缩效率，在带宽限制条件下，优先保证感兴趣区域的传输质量，既满足紧急应用场景下及时反馈的需求，又能保证传输图像的感兴趣区域有效信息质量更好。

技术特征：

1.一种基于感兴趣区域提取的无人机图像压缩算法，其特征在于，具体步骤如下：

2.根据权利要求1所述的一种基于感兴趣区域提取的无人机图像压缩算法，其特征在于，在步骤一中，将每个像素点颜色特征(l,a,b)及坐标(x,y)组合成向量(l,a,b,x,y)进行距离度量，像素点ck和p之间的颜色距离dlab具体如下：

3.根据权利要求1所述的一种基于感兴趣区域提取的无人机图像压缩算法，其特征在于，在步骤二中，将输入图像分成多个8*8的块，对每一个8*8的块进行二维dct变换，经过dct变换后得到频域的64个离散余弦变换系数，对64个离散余弦变换系数进行量化并得到一个8*8的系数，再利用熵编码表对量化后的系数进行熵编码并得到己压缩的图像数据；

技术总结本发明属于无人机图像压缩传输技术领域，公开了一种基于感兴趣区域提取的无人机图像压缩算法，具体技术方案为：通过超像素分割算法SLIC与区域聚类算法DBSCAN对输入图像进行预处理；经过分割后，对原图像的两个子图采用不同的压缩比进行压缩，对感兴趣区域采用无损压缩，对非感兴趣区域采用高压缩比进行压缩；将压缩数据信息与感兴趣区域的坐标位置信息组合并通过无线信道传送至地面接收站；接收到图像数据信息后，先进行解压操作，再根据感兴趣区域的坐标位置合成出感兴趣区域子图与非感兴趣区域子图，重构出原始图像，实现更高的压缩效率，优先保证感兴趣区域的传输质量，既满足紧急应用场景下及时反馈的需求，又能保证传输图像的感兴趣区域有效信息质量更好。技术研发人员：梁彦霞,贾彤,刘星宇,刘欣,姜静,何华,金蓉,赵琼,王欢欢,张欢,许逸康受保护的技术使用者：西安邮电大学技术研发日：技术公布日：2024/7/25