一種適用于無(wú)線多媒體傳感器網(wǎng)絡(luò)的JPEG圖像編碼算法*

熊哲源，樊曉平，2* ，劉少?gòu)?qiáng)，李勇周，瞿志華，3，鐘 智

(1.中南大學(xué)信息科學(xué)與工程學(xué)院，長(zhǎng)沙 410075; 2.湖南財(cái)政經(jīng)濟(jì)學(xué)院 網(wǎng)絡(luò)化系統(tǒng)研究所，長(zhǎng)沙 410205; 3.美國(guó)中佛羅里達(dá)大學(xué)電氣與計(jì)算機(jī)工程系，奧蘭多FL32816-2450，USA)

無(wú)線多媒體傳感器網(wǎng)絡(luò)(Wireless Multimedia Sensor Networks，WMSN)中的視頻節(jié)點(diǎn)裝備有攝像頭，能產(chǎn)生大量視頻數(shù)據(jù)［1］。由于WMSN在能量、計(jì)算和存儲(chǔ)等方面受到的限制，為了節(jié)點(diǎn)節(jié)約資源，在傳輸視頻數(shù)據(jù)之前必須對(duì)其進(jìn)行壓縮編碼。傳統(tǒng)有線和無(wú)線網(wǎng)絡(luò)中傳輸?shù)囊曨l幀速率高、數(shù)據(jù)量大，通常采用幀內(nèi)編碼結(jié)合幀間編碼的混合編碼方式以提高壓縮率。但幀間編碼計(jì)算復(fù)雜度高、數(shù)據(jù)存儲(chǔ)量大，且圖像失真率較高，不適用于資源受限、無(wú)線多跳的WMSN［2］。而且，圖像壓縮率越高，圖像重建質(zhì)量越低，圖像編碼的計(jì)算復(fù)雜度也更高。

WMSN主要用于區(qū)域監(jiān)控，如公共場(chǎng)所、交通場(chǎng)景和智能家居等，監(jiān)控圖像的幀速率低，數(shù)據(jù)量小，但要求圖像質(zhì)量高，以便于目標(biāo)跟蹤和分析。使用計(jì)算復(fù)雜度低的幀內(nèi)編碼可以滿足其應(yīng)用要求。此外，傳感器節(jié)點(diǎn)的通信能耗大，且存儲(chǔ)轉(zhuǎn)發(fā)能力有限，應(yīng)減少數(shù)據(jù)通信量［3］。因此，WMSN中圖像編碼方案的設(shè)計(jì)目標(biāo)是在保證圖像質(zhì)量的情況下，在計(jì)算復(fù)雜度和數(shù)據(jù)通信量之間達(dá)到一個(gè)平衡。

雖然JPEG 2000的壓縮率比JPEG更高，但由于其計(jì)算復(fù)雜度高，在WMSN中主要研究關(guān)于JPEG算法的改進(jìn)。Chiasserini等將JPEG中的浮點(diǎn)DCT運(yùn)算用定點(diǎn)DCT運(yùn)算替換以減少計(jì)算復(fù)雜度［4］。Magli等提出一種基于變化檢測(cè)和興趣區(qū)域編碼的改進(jìn)JPEG編碼方案［5］。Feng等設(shè)計(jì)了一個(gè)視頻傳感器節(jié)點(diǎn)平臺(tái)［6］，使用 JPEG、差異 JPEG和條件補(bǔ)給的壓縮方式。Mammeri等研究JPEG中8×8 DCT系數(shù)矩陣的裁剪優(yōu)化［7-9］，提出了全局法和局部法兩種選擇系數(shù)區(qū)域尺寸的方法。Lee等提出在保證較好的圖像質(zhì)量的情況下，通過(guò)分析法決定如何分配最優(yōu)整數(shù)和帶寬給壓縮過(guò)程的信號(hào)路徑，以降低JPEG計(jì)算復(fù)雜度［10-11］。這些關(guān)于JPEG的改進(jìn)算法在降低計(jì)算復(fù)雜度和改善圖像質(zhì)量方面做了許多工作，卻仍然沒有很好地解決壓縮率和圖像質(zhì)量之間的矛盾。

目前WMSN中圖像編碼的研究主要關(guān)注降低計(jì)算復(fù)雜度和改善圖像質(zhì)量，大多忽略了數(shù)據(jù)率和圖像質(zhì)量之間的關(guān)系，而無(wú)線傳感器節(jié)點(diǎn)的存儲(chǔ)轉(zhuǎn)發(fā)能力十分有限?，F(xiàn)在較為先進(jìn)的無(wú)線多媒體傳感器節(jié)點(diǎn)平臺(tái)，如美國(guó)克爾斯博公司的Imote2，仍然難以滿足WMSN的區(qū)域監(jiān)控需求，因此有必要在保證一定圖像質(zhì)量的情況下，進(jìn)一步降低圖像數(shù)據(jù)率。

根據(jù)WMSN區(qū)域監(jiān)控的應(yīng)用需求，考慮到無(wú)線傳感器節(jié)點(diǎn)的存儲(chǔ)轉(zhuǎn)發(fā)能力受限、圖像數(shù)據(jù)率大的特點(diǎn)，本文提出一種適用于WMSN的計(jì)算復(fù)雜度低、數(shù)據(jù)率低的圖像編碼方案。首先，對(duì)監(jiān)控圖像中的興趣區(qū)域進(jìn)行定位以減少數(shù)據(jù)傳輸量;然后，對(duì)DCT變換和量子化過(guò)程進(jìn)行優(yōu)化以降低計(jì)算復(fù)雜度。這樣，在減少通信數(shù)據(jù)量、節(jié)約能量的同時(shí)也保證了一定的圖像質(zhì)量。通常情況下，用戶只對(duì)監(jiān)控圖像序列中的目標(biāo)物體感興趣，而監(jiān)控區(qū)域中一般沒有物體運(yùn)動(dòng)，除非有異常情況。因此，可以只傳輸目標(biāo)物體圖像，而不是每次都傳輸一幀完整圖像到基站，以減少數(shù)據(jù)通信量。此外，在基于DCT圖像編碼的視頻監(jiān)控應(yīng)用中，DCT高頻系數(shù)的重要性通常較小，在量子化之后容易變?yōu)榱?。而且量子化步長(zhǎng)較大時(shí)，DCT系數(shù)也會(huì)被粗糙地量子化［12］。因此，對(duì)JPEG算法中的DCT變換和量子化進(jìn)行優(yōu)化研究。

1 興趣區(qū)域的定位

在視頻監(jiān)控應(yīng)用中，用戶的興趣區(qū)域一般是場(chǎng)景中的運(yùn)動(dòng)目標(biāo)，也是發(fā)生變化的區(qū)域。檢測(cè)同一場(chǎng)景在不同時(shí)刻所拍攝圖像的變化區(qū)域，可以區(qū)分圖像序列和先前圖像之間的差異，檢測(cè)場(chǎng)景中物體的出現(xiàn)、運(yùn)動(dòng)和消失，物體形狀的變化等。使用變化檢測(cè)定位監(jiān)控圖像中的變化區(qū)域，由此確定興趣區(qū)域，并對(duì)其進(jìn)行編碼傳輸，可以有效降低數(shù)據(jù)通信量，從而降低能耗。在數(shù)據(jù)通信量已經(jīng)較小的情況下，可適當(dāng)降低壓縮率來(lái)保證較好的圖像質(zhì)量。

變化檢測(cè)算法用于檢測(cè)同一場(chǎng)景中不同時(shí)間捕獲的圖像序列中的變化區(qū)域，通過(guò)當(dāng)前幀和參考幀的比較找到活動(dòng)的塊，由此獲得與移動(dòng)目標(biāo)相關(guān)的連通區(qū)域［13］。視頻監(jiān)控的目標(biāo)是探測(cè)并跟蹤進(jìn)入監(jiān)控區(qū)域的目標(biāo)，根據(jù)應(yīng)用場(chǎng)景的不同，用戶關(guān)注的目標(biāo)也不盡相同。變化檢測(cè)算法可以定位圖像中可能存在的目標(biāo)，包含這些目標(biāo)的區(qū)域都是潛在的興趣區(qū)域。確定興趣區(qū)域的第一步是定位變化區(qū)域，標(biāo)記變化區(qū)域之后，再進(jìn)行深入處理，可實(shí)現(xiàn)對(duì)目標(biāo)的跟蹤和識(shí)別。興趣區(qū)域的最終確定應(yīng)根據(jù)實(shí)際場(chǎng)景和應(yīng)用需求來(lái)選擇，這里暫不討論。本文使用變化檢測(cè)算法定位監(jiān)控圖像中的變化區(qū)域，即定位潛在的興趣區(qū)域。

初始階段，視頻節(jié)點(diǎn)將一幅參考幀傳輸至匯聚節(jié)點(diǎn);然后，視頻節(jié)點(diǎn)僅傳輸當(dāng)前捕獲的視頻幀和參考幀不同的部分。文獻(xiàn)［6］作者提出周期性的產(chǎn)生并傳輸參考幀，而本文使用一幅固定的參考幀，因?yàn)檫@樣能夠探測(cè)出新進(jìn)入場(chǎng)景的物體，即使它突然停止運(yùn)動(dòng)，還可以探測(cè)從場(chǎng)景中消失的物體，且這些是大多數(shù)視頻監(jiān)控應(yīng)用中所要關(guān)注的重要特征。此外，參考幀的質(zhì)量要求較高，壓縮率較低，僅傳輸一次參考幀可以有效的節(jié)約能量。

在各類變化檢測(cè)的方法中圖像差值法是一種簡(jiǎn)單且應(yīng)用較多的方法，先計(jì)算兩幅圖像的差值，然后通過(guò)閾值判斷確定圖像的變化部分。文獻(xiàn)［5］將當(dāng)前幀和參考幀中所有按照特定規(guī)則選擇的像素逐個(gè)比較計(jì)算差值，再與選定的閾值進(jìn)行比較判斷，這樣似乎可以很好的保持目標(biāo)物體的邊緣細(xì)節(jié)。但是，該算法并不能有效地去除噪聲的影響，而且計(jì)算量相當(dāng)大?？紤]到JPEG是以塊為單位進(jìn)行編碼計(jì)算，本文計(jì)算當(dāng)前幀和參考幀對(duì)應(yīng)的每個(gè)DCT塊中部分特定像素的絕對(duì)差值和，將絕對(duì)差值和與選定的閾值進(jìn)行比較，這樣可以在保證一定圖像質(zhì)量的同時(shí)，有效地降低計(jì)算復(fù)雜度。

當(dāng)前幀和參考幀中所有DCT塊內(nèi)對(duì)應(yīng)位置像素點(diǎn)的差值之和稱為絕對(duì)差值和(Sum of Absolute Difference，SAD)。因?yàn)楹暧^運(yùn)動(dòng)主要是由從一個(gè)塊運(yùn)動(dòng)到另一個(gè)塊的像素組成，所以最重要的像素點(diǎn)分布在DCT塊的邊緣。為了降低計(jì)算復(fù)雜度，增加檢測(cè)可靠性，本文計(jì)算SAD時(shí)僅選取DCT塊邊緣的部分像素點(diǎn)，如圖1(a)所示，計(jì)算標(biāo)記為“1”的DCT塊，不計(jì)算標(biāo)記為“0”的DCT塊。而對(duì)每一個(gè)8×8的DCT塊，僅計(jì)算標(biāo)記為“a”的像素點(diǎn)(這些點(diǎn)組成集合A)，如圖1(b)所示。一幀圖像中選定的像素點(diǎn)的位置如圖1(c)所示。SAD的計(jì)算公式如下所示:

式中C((i-1)·8+k，(j-1)·8+l)是當(dāng)前幀中一個(gè)DCT塊內(nèi)屬于集合A的一個(gè)像素點(diǎn)的像素值，R((i-1)·8+k，(j-1)·8+l)是參考幀中一個(gè) DCT 塊內(nèi)屬于集合A的一個(gè)像素點(diǎn)的像素值，(i，j)表示DCT塊在一幀圖像中的位置，1≤i≤?m/8」和 1≤j≤?n/8」表示圖像的大小。

圖1 像素掃描模式

計(jì)算當(dāng)前幀和參考幀中所有DCT塊內(nèi)屬于集合A的像素點(diǎn)的絕對(duì)差值之和，如果某個(gè)DCT塊的絕對(duì)差值和大于零，就認(rèn)為該DCT塊發(fā)生變化，否則認(rèn)為該塊沒有發(fā)生變化。DCT塊的變化也可能是由于噪聲等其他外部原因造成，比如相機(jī)移動(dòng)、傳感器噪聲、光源變化、大氣變化等。通過(guò)選擇合適的閾值進(jìn)行分割，可以將由目標(biāo)運(yùn)動(dòng)引起的變化和其他原因引起的變化區(qū)分開來(lái)。盡管如此，變化檢測(cè)不能區(qū)分運(yùn)動(dòng)目標(biāo)的陰影和倒影，而會(huì)將它們都看作變化區(qū)域。為此，文獻(xiàn)［5］中選取了兩個(gè)閾值，以區(qū)分運(yùn)動(dòng)目標(biāo)、陰影和光照變化以及噪聲。但是，將陰影和光照變化與運(yùn)動(dòng)目標(biāo)區(qū)分開來(lái)是不必要的，這樣會(huì)增加計(jì)算復(fù)雜度并消耗許多能量。對(duì)于資源受限的WMSN，檢測(cè)到目標(biāo)的粗糙邊緣比精細(xì)邊緣的更節(jié)約能量。因此，本文只選取一個(gè)閾值，來(lái)區(qū)分噪聲引起的變化和運(yùn)動(dòng)目標(biāo)引起的變化。通過(guò)與參考幀的比較，將圖像中的DCT塊劃分為三種類型:靜止，噪聲和運(yùn)動(dòng)。判斷準(zhǔn)則如下:

如果(SAD=0)，將塊標(biāo)記為靜止;

如果(0＜SAD＜TH)，將塊標(biāo)記為噪聲;

如果(TH＜SAD)，將塊標(biāo)記為運(yùn)動(dòng)。

變化檢測(cè)能否區(qū)分噪聲和運(yùn)動(dòng)目標(biāo)，閾值的選擇十分關(guān)鍵。閾值的選擇依賴于場(chǎng)景和可能的相機(jī)移動(dòng)程度，還有隨時(shí)間而變化的觀察條件(如光照)［14］。一般來(lái)說(shuō)，根據(jù)圖像內(nèi)容選擇分割閾值顯然更加合理，但是本文使用的閾值是依靠經(jīng)驗(yàn)選取。

2 JPEG編碼算法優(yōu)化

文獻(xiàn)［7-9］中的JPEG改進(jìn)算法主要是對(duì)DCT變換進(jìn)行裁剪優(yōu)化，即僅計(jì)算部分DCT系數(shù)，這樣降低計(jì)算復(fù)雜度的效果有限。DCT變換主要是加法和乘法運(yùn)算，文中沒有分析裁剪優(yōu)化對(duì)于DCT中加法和乘法運(yùn)算次數(shù)的影響。此外，量子化過(guò)程沒有對(duì)低頻和高頻系數(shù)區(qū)別對(duì)待。本文對(duì)參考幀和當(dāng)前幀使用不同的編碼方案，提出使用DCT近似計(jì)算，并定量分析該方法對(duì)加法和乘法運(yùn)算次數(shù)的影響。還探討了根據(jù)DCT系數(shù)重要性的不同，選擇量子化的步長(zhǎng)，以保證圖像質(zhì)量。

2.1 快速DCT變換

JPEG編碼過(guò)程如圖2所示，先將源圖像劃分成若干個(gè)8×8的塊，然后對(duì)每塊進(jìn)行DCT變換，使用統(tǒng)一的量子化表格對(duì)變換后的系數(shù)進(jìn)行量子化，接著把量子化的結(jié)果按照頻率由低到高的順序排列為Z字形序列，用游程編碼減小序列的長(zhǎng)度，最后進(jìn)行熵編碼以進(jìn)一步壓縮。

圖2 JPEG編碼過(guò)程

前向DCT變換公式如下

對(duì)于參考幀，為了保持其圖像質(zhì)量，計(jì)算所有64個(gè)DCT系數(shù)，并使用快速近似計(jì)算法來(lái)減少計(jì)算復(fù)雜度，其計(jì)算式如下:

其中?x」是小于等于x的最大整數(shù)。雖然進(jìn)行近似計(jì)算會(huì)引入誤差，但由于DCT之后的量子化步長(zhǎng)較大，這種誤差并不會(huì)造成什么影響［15］。

對(duì)于視頻節(jié)點(diǎn)所捕獲的當(dāng)前幀，根據(jù)DCT塊劃分的類型的不同，采用不同的處理方式，保證變化區(qū)域的圖像質(zhì)量。對(duì)于標(biāo)記為靜止或噪聲的塊，不執(zhí)行DCT運(yùn)算，將所有系數(shù)置零;對(duì)于標(biāo)記為運(yùn)動(dòng)的塊，使用DCT近似計(jì)算結(jié)合裁剪優(yōu)化，計(jì)算4×4的低頻DCT系數(shù)，將其他系數(shù)置零。

圖像中最有價(jià)值的信息通常保存在DCT的低頻部分。在量子化之后，許多DCT高頻系數(shù)都變?yōu)榱?。因此，僅需計(jì)算包含圖像主要能量的4×4 DCT低頻系數(shù)，將其他48個(gè)系數(shù)置零，這樣還可以降低量子化階段的計(jì)算復(fù)雜度。

如圖3所示，如果僅計(jì)算2-D DCT中的k×k(k=1，…，8)部分系數(shù)，降低計(jì)算復(fù)雜度的同時(shí)也降低了圖像重建質(zhì)量，圖像內(nèi)容和選取的k共同決定了圖像質(zhì)量。對(duì)于N×N的DCT所需的乘法數(shù)量(M)和加法數(shù)量(A)由以下公式計(jì)算［16］:

圖3 方形的DCT系數(shù)塊

當(dāng)用裁剪算法計(jì)算DCT的低頻系數(shù)時(shí)，N0是2的冪，計(jì)算N0×N0的乘法數(shù)量(MN0)和加法數(shù)量(AN0)的計(jì)算公式如下:

2.2 量子化表的優(yōu)化選取

量子化的目的是進(jìn)一步壓縮，將每個(gè)DCT系數(shù)除以其相對(duì)應(yīng)的量子化步長(zhǎng)，得到其結(jié)果取整數(shù)，計(jì)算式如下。

量子化表的選取是量子化過(guò)程的關(guān)鍵，量子化表是一個(gè)8×8的矩陣，與DCT塊中對(duì)應(yīng)位置的系數(shù)作除運(yùn)算，量子化步長(zhǎng)選擇將影響輸出結(jié)果。DCT塊中DC系數(shù)和一些接近中頻的AC系數(shù)占據(jù)了信號(hào)的絕大部分能量，丟棄部分高頻的AC系數(shù)造成的信息損失不大。而且，DC系數(shù)的方差大于AC系數(shù)的方差，這意味著量子化后AC系數(shù)比DC系數(shù)更容易變成零。因此，需要把DC系數(shù)和AC系數(shù)區(qū)別處理。

如圖4所示，A區(qū)(DC系數(shù))十分重要，因?yàn)锳區(qū)的值不足會(huì)產(chǎn)生錯(cuò)誤的外形。B區(qū)的數(shù)值(低頻部分)，C區(qū)的數(shù)值(中頻部分)，D區(qū)的數(shù)值(高頻部分)則相對(duì)次要些。因?yàn)槿说难劬?duì)較低頻率的變化比較敏感，對(duì)DC系數(shù)應(yīng)該比AC系數(shù)更加謹(jǐn)慎。DCT系數(shù)的精度由量子化過(guò)程決定。量子化步長(zhǎng)越大，信號(hào)能量越小，DCT系數(shù)在量子化之后變?yōu)榱愕目赡苄栽礁?。為了保持參考幀的高精度，?yīng)該在A、B、C區(qū)使用較小的量子化步長(zhǎng)，在D區(qū)使用較大的量子化步長(zhǎng)。為了增加壓縮率，降低計(jì)算復(fù)雜度，其他由節(jié)點(diǎn)捕獲的當(dāng)前幀在A區(qū)用小的量子化步長(zhǎng)，在B、C、D區(qū)用大的量子化步長(zhǎng)。

圖4 DCT系數(shù)的區(qū)域

3 仿真實(shí)驗(yàn)及分析

假設(shè)將無(wú)線多媒體傳感器網(wǎng)絡(luò)應(yīng)用于區(qū)域監(jiān)控，采用分層結(jié)構(gòu)，基站、簇頭節(jié)點(diǎn)和普通的視頻傳感器節(jié)點(diǎn)。視頻傳感器節(jié)點(diǎn)均勻部署，完全覆蓋監(jiān)控區(qū)域。所有節(jié)點(diǎn)是不可移動(dòng)的，并且由電池供電。視頻節(jié)點(diǎn)負(fù)責(zé)捕獲和編碼監(jiān)控區(qū)域的圖像，并將編碼后的圖像傳輸給簇頭節(jié)點(diǎn)。

3.1 仿真實(shí)驗(yàn)結(jié)果

本文選取 PETS’2000(2000 IEEE International Workshop on Performance Evaluation of Tracking and Surveillance)的測(cè)試圖像序列在MATLAB上進(jìn)行仿真實(shí)驗(yàn)。圖像場(chǎng)景是戶外停車場(chǎng)，一個(gè)裝在高處的攝像頭以25 Hz的速度在58.08 s內(nèi)拍攝了1 452幀圖像，期間有人員和車輛進(jìn)入監(jiān)控區(qū)域。圖像原始格式為768像素×578像素的彩色圖像。選取編號(hào)為 0000，0120，0130，0140，0150，0160，0180 的圖像，將它們變換為SIF格式，即320像素×240像素的灰度圖像，然后用本文提出的圖像編碼算法進(jìn)行仿真實(shí)驗(yàn)。

圖5(a)是0000幀，被選作參考幀，圖5(b)參考幀使用DCT近似計(jì)算JPEG算法壓縮后的圖像。JPEG標(biāo)準(zhǔn)算法壓縮的圖像PNSR是36.1141，DCT近似計(jì)算JPEG算法的PSNR是328226，近似計(jì)算造成3.291 5 dB的損失。圖5(c)是編號(hào)為0180的當(dāng)前幀，其中一輛車正在通過(guò)停車場(chǎng)，一個(gè)人在向停車場(chǎng)行進(jìn)。

圖5 參考幀和當(dāng)前幀

圖6 變化檢測(cè)方法的比較

若將參考幀和當(dāng)前幀中所有對(duì)應(yīng)位置的像素逐個(gè)取差值并和閾值比較時(shí)，變化檢測(cè)的結(jié)果如圖6(a)所示，檢測(cè)出的汽車和人的邊緣都比較精確，但是殘留了許多噪聲，計(jì)算復(fù)雜度也較高。若將參考幀和當(dāng)前幀中所有對(duì)應(yīng)位置的DCT塊的絕對(duì)差值和與閾值進(jìn)行比較時(shí)，檢測(cè)結(jié)果如圖6(b)所示，檢測(cè)結(jié)果濾除了大部分噪聲，但是沒有檢測(cè)到人，而且其計(jì)算復(fù)雜度也較高。本文所提出算法的檢測(cè)結(jié)果如圖6(c)所示，仍有少數(shù)噪聲殘留，但是運(yùn)動(dòng)的車輛和行人都被檢測(cè)到，且計(jì)算復(fù)雜度更低。圖6(d)所示是使用優(yōu)化的JPEG算法壓縮后的檢測(cè)結(jié)果圖像。

編號(hào)0120、0130、0140、0150、0160 圖像幀的變化檢測(cè)和圖像編碼結(jié)果如圖7所示。

圖7 變化檢測(cè)與壓縮的結(jié)果

3.2 計(jì)算復(fù)雜度分析

將傳統(tǒng)的快速DCT運(yùn)算，文獻(xiàn)［5-7］中使用的DCT裁剪運(yùn)算，文獻(xiàn)［2］中使用的變化檢測(cè)結(jié)合本文所提出DCT近似計(jì)算，以及本文所提出的編碼算法進(jìn)行比較，各算法所需的乘法和加法的次數(shù)如表1所示?？梢钥闯?，本文所提出的算法的乘法和加法次數(shù)最小，計(jì)算復(fù)雜度低于其他算法。此外，在DCT計(jì)算中，內(nèi)存訪問(wèn)和產(chǎn)生地址的操作占到全部計(jì)算量的75%，所提出的算法不僅可以減少加法和乘法的計(jì)算次數(shù)，還可以降低內(nèi)存訪問(wèn)和產(chǎn)生地址的操作。

表1 2D-DCT的加法和乘法運(yùn)算次數(shù)

美國(guó)克爾斯博公司的無(wú)線傳感器節(jié)點(diǎn)平臺(tái)Imote 2是目前比較先進(jìn)的節(jié)點(diǎn)平臺(tái)，它具有256 kbit的SRAM，傳輸速率為250 kbit/s的無(wú)線收發(fā)裝置。如果一幀圖像的大小為48 kbit，以25 Hz的速度采集320像素×240像素的監(jiān)控圖像時(shí)，1 s就會(huì)產(chǎn)生1 200 kbit的數(shù)據(jù)。這些圖像數(shù)據(jù)超過(guò)了SRAM的存儲(chǔ)空間和無(wú)線電的傳輸能力。節(jié)點(diǎn)無(wú)法完成數(shù)據(jù)傳輸任務(wù)，且會(huì)消耗大量能量。在進(jìn)行變化檢測(cè)之后，僅保留運(yùn)動(dòng)目標(biāo)，如表2所示，檢測(cè)結(jié)果每幀圖像大小約為5 kbit，遠(yuǎn)小于原始圖像。這樣1 s內(nèi)產(chǎn)生的圖像數(shù)據(jù)只有大約125 kbit，Imote 2是可以完成數(shù)據(jù)傳輸任務(wù)的，并可以有效節(jié)約計(jì)算和通信能耗。

表2 變化檢測(cè)后圖像與原始圖像尺寸對(duì)比 單位:bit

如表3所示，對(duì)于320像素×240像素的圖像，如果逐個(gè)像素比較，需要進(jìn)行153 600次加法，如果逐個(gè)塊比較，需要進(jìn)行78 000次加法，如果按所提出算法，比較每個(gè)塊中邊緣的14個(gè)像素，需要18 000次加法。

表3 變化檢測(cè)運(yùn)算量比較

通常情況下，進(jìn)入場(chǎng)景的車輛和人員數(shù)量都較少，因此變化檢測(cè)結(jié)果圖像也較小，從而顯著地降低了數(shù)據(jù)率，可以有效地節(jié)約通信能耗。

4 結(jié)論

本文提出一種適用于WMSN的基于變化檢測(cè)和優(yōu)化JPEG的低復(fù)雜度的圖像編碼算法。變化檢測(cè)算法使用單一的參考幀和檢測(cè)閾值，可以有效濾除圖像中的大部分噪聲，檢測(cè)到運(yùn)動(dòng)目標(biāo)，且運(yùn)算量較小。優(yōu)化后的DCT運(yùn)算和量子化表格以極小的圖像質(zhì)量損失為代價(jià)，顯著降低了計(jì)算復(fù)雜度。仿真實(shí)驗(yàn)結(jié)果表明，檢測(cè)算法檢測(cè)精度較高，有效減少了數(shù)據(jù)傳輸量。優(yōu)化后的圖像編碼算法有效地降低節(jié)了計(jì)算復(fù)雜度，保證了圖像質(zhì)量。

［1］Akyildiz I F，Melodia T，Chowdhury K R.A Survey on Wireless Multimedia Sensor Networks［J］.Computer Networks，2007，51(4):921-960.

［2］魯琴，羅武勝，張勇.多媒體傳感器網(wǎng)絡(luò)中基于兩跳簇結(jié)構(gòu)的圖像傳輸方案［J］.傳感技術(shù)學(xué)報(bào)，2007，20(11):2476-2480.

［3］張正宜，金心宇.無(wú)線多媒體傳感器網(wǎng)絡(luò)實(shí)時(shí)任務(wù)分配算法［J］.傳感技術(shù)學(xué)報(bào)，2009，22(5):688-693.

［4］Chiasserini C，Magli E.Energy Consumption and Image Quality in Wireless Video-Surveillance Networks［C］//Proceedings of 13th IEEE International Symposium on Personal，Indoor and Mobile Radio Communications.Lisbon:IEEE，2002:2357-2361.

［5］Magli E，Mancin M，Merello L.Low Complexity Video Compression for Wireless Sensor Networks［C］//Proceedings of 2003 International Conference on Multimedia and Expo.Baltimore:IEEE，2003.585-588.

［6］Feng W，Kaiser E，F(xiàn)eng W C，et al.Panoptes:Scalable Low-Power Video Sensor Networking Technologies［J］.ACM Transactions on Multimedia Computing，Communications，and Applications.2005，1(2):151-167.

［7］Mammeri A，Khoumsi A，Ziou D，et al.Energy-Aware JPEG for Visual Sensor Networks［C］//Proceedings of 2008 Maghrebian Conference on Software Engineering and Artificial Intelligence.O-ran:IEEE，2008:1-7.

［8］Mammeri A，Khoumsi A，Ziou D，et al.Modeling and Adapting JPEG to the Energy Requirements of Visual Sensor Networks［C］//Proceedings of 2008 International IEEE Workshop on Sensor Networks.Virgin Islands:IEEE，2008:1-6.

［9］Mammeri A，KhoumsiA，Ziou D，etal.EnergyEfficient Transmission Scheme of JPEG Images over VSN［C］//Proceedings of 2008 International IEEE Workshop on Performance and Management of Wireless and Mobile Networks.Montreal:IEEE，2008:639-647.

［10］LeeD，Kim H，Tu S，etal.Energy-Optimized Image Communication on Resource-Constrained Sensor Platforms［C］//Proceedings of 6th International Symposium on Information Processing in Sensor Networks.Cambridge:IEEE，2007:216-225.

［11］Lee D，Kim H，Tu S，et al.Energy-Efficient image Compression on Resource-Constrained Platforms［J］.IEEE Transactions on Image Processing，2009，18(9):2100-2113.

［12］Wallace G.The JPEG Still Picture Compression Standard［J］.Communication of ACM，1991，34(4):30-44.

［13］Radke R J，Andra S，Al-Kofahi O，et al.Image Change Detection Algorithms:A Systematic Survey［J］.IEEE Transactions on Image Processing，2005，14(3):294-307.

［14］Pao I M，Sun M T.Modeling DCT Coefficients for Fast Video Encoding［J］.IEEE Transactions on Circuits and Systems for Video Technology，1999，9(4):608-616.

［15］Pan Z，Pan W D，Milenkovic A.Complexity-Distortion Tradeoffs in Variable Complexity 2-D DCT［C］//Proceedings of the 42nd annual Southeast regional conference.Huntsville:ACM，2004:460-465.

［16］Christopoulos C A，Bormans J，Cornelis J，et al.The Vector-Radix Fast Cosine Transform:Pruning and complexity analysis［J］.Signal Processing，1995，43(2):197-205.