基于全局重复和视觉重要度的图像压缩

论文摘要

在面向网络应用的大规模三维绘制系统中,需要大量高分辨率的纹理数据,这对有限的绘制内存和网络带宽提出了挑战。如何能够对纹理图像进行高质量的压缩,从而可以既提高绘制效率,又提高网络传输速度,是值得研究的问题。传统的图像压缩算法,如JPEG2000压缩技术主要针对图像的局部冗余信息,而且不支持图形硬件的解码。面向绘制的图像压缩方法需要满足两个条件：图形硬件解压、随机读取。本文基于提取全局重复内容的方法,主要针对图像的压缩质量和压缩速度方面进行了改进,主要工作如下：(1)基于视觉重要度的自适应图像压缩方法：基于重复内容提取的压缩方法利用了图像块间的相似性关系,目的是在全局上提取图像重复内容,并保证恢复图像没有明显的瑕疵。为了提高压缩算法恢复图像的质量,考虑HVS(人眼视觉系统)引入了图像重要度,实现对图像的多精度误差控制,即根据图像中不同区域的重要度自适应调整误差范围,在整体上提高压缩图像的解压质量。(2)基于GPU加速的图像全局重复内容的提取：全局重复性提取压缩算法存在的一个问题是,其图像分块自相似匹配(图像相似块查找)计算量巨大。为了提高匹配算法的计算效率,采用图像特征描述子对块的匹配候选者作有效的筛选,从而提高匹配算法的命中效率。筛选过程基于GPU进行加速,将图像块相似性问题转换成特征描述子的距离计算问题后,通过基于GPU的KNN算法并行计算特征描述子间的距离,大大提高原算法全局重复性提取的效率。(3)基于全局重复和视觉重要度的图像压缩系统的设计和实现：基于面向对象的思想,使用Visual Studio开发平台和CUDA工具包构建了一个按功能进行模块化设计的压缩系统。对系统中的复杂对象进行合理的分成组织,形成一个有机的整体,既提高重用性,又提高系统的稳定性和可扩展性。经过对高分辨率图像的压缩测试,较好地体现了图像重要度和相似匹配加速的效果。

论文目录

• 摘要
• ABSTRACT
• 第1章 绪论
• 1.1 论文研究背景和意义
• 1.2 相关工作
• 1.2.1 一般图像压缩算法
• 1.2.2 面向绘制的图像（纹理）压缩
• 1.3 研究目标和研究内容
• 1.4 技术方法
• 1.5 章节说明
• 1.6 本章小节
• 第2章 基于全局重复的压缩算法介绍和分析
• 2.1 基于全局重复算法
• 2.1.1 算法目标和主要步骤
• 2.1.2 自相似性查找
• 2.1.3 计算每个块的覆盖集
• 2.1.4 创建图像摘要图
• 2.1.5 优化匹配
• 2.1.6 组装摘要图
• 2.2 算法分析和改进
• 2.3 本章小结
• 第3章 基于图像重要度的自适应图像压缩
• 3.1 结合视觉模型的图像压缩
• 3.2 显著性图的生成
• 3.2.1 基于特征图生成显著性图
• 3.2.2 基于过滤器生成显著性图
• 3.2.3 显著性图的对比
• 3.3 结合图像重要度的自适应图像压缩
• 3.3.1 基于线性的自适应
• 3.3.2 基于等分的自适应
• 3.3.3 基于重要度直方图的自适应
• 3.3.4 自适应图像压缩结果
• 3.4 本章小结
• 第4章 基于GPU加速的全局重复内容提取
• 4.1 图像特征描述子
• 4.1.1 概述
• 4.1.2 特征描述子特性
• 4.1.3 采用的描述子
• 4.2 GPU计算和最近邻搜索相关工作
• 4.2.1 GPU计算能力
• 4.2.2 CUDA系统
• 4.2.3 基于最近邻搜索算法的图像相似搜索
• 4.3 基于GPU加速的全局相似区域查找
• 4.3.1 KNN穷举搜索算法和分析
• 4.3.2 基于GPU的欧式距离KNN加速
• 4.4 加速测试结果
• 4.5 本章小结
• 第5章 基于全局重复和视觉重要度的图像压缩系统的设计和实现
• 5.1 系统概述
• 5.1.1 系统设计
• 5.1.2 系统流程图
• 5.1.3 库支持
• 5.1.4 摘要图
• 5.1.5 映射表
• 5.2 自相似匹配模块
• 5.3 块覆盖集
• 5.3.1 覆盖集计算
• 5.3.2 生成覆盖集
• 5.4 摘要图的生成和装配
• 5.4.1 匹配的优化
• 5.4.2 组合摘要图
• 5.5 图像解压过程
• 5.6 压缩系统的测试结果
• 5.7 本章小结
• 第6章 总结与展望
• 6.1 总结
• 6.2 展望
• 参考文献
• 致谢
• 攻读学位期间参加的科研项目和成果