多维图像数据的分块无损压缩系统设计

朱艳龙

摘 要： 传统压缩系统存在压缩效果差的问题，无法达到人们的高效压缩图像数据标准，为此，提出多维图像数据的分块无损压缩系统设计。构建压缩器硬件结构框图，采用具有层次化模块设计方法，对数据缓存元件符号和多维图像存储器模型展开分析；针对系统软件部分设计，可利用压缩算法对数据进行压缩，并使用解码器进行解码。根据具体编码流程，实现分块无损压缩系统设计；通过仿真实验，得出结论。由实验结果可知，该系统的设计具有良好图像数据压缩效果。

关键词： 多维图像数据； 分块无损压缩； 压缩器； 层次化模块； 解码； 系统设计

中图分类号： TN02?34； TP391.41 文献标识码： A 文章编号： 1004?373X（2018）17?0067?04

Abstract： The traditional compression system has poor compression effect， and can′t satisfy the standard of high?efficiency compressed image data. Therefore， the design of block lossless compression system for multi?dimensional image data is proposed. The hardware structure of the compressor is constructed. The hierarchical module design method is used to analyze the data cache element symbols and multi?dimensional image memory model. For the design of the system software， the compression algorithm can be used to compress the data， and the decoder is used for data decoding. The design of block lossless compression system is realized according to the specific coding process. The conclusion was obtained with simulation experiment. The experimental results show that the system design has perfect compression effect of image data.

Keywords： multi?dimensional image data； block lossless compression； compressor； hierarchy module； decoding； system design

0 引 言

多维图像是一种立体图像，一般可达到几百个波段，且每个波段图像是同一物体在不同波段上的表现形式，并且具有较高的立体分辨率。随着多维图像无损压缩技术不断发展，立体分辨率也得到了提高，因此图像数据量也随着分辨率的提高不断增加。正如我国航天局机载可见光系统一般具有220个通道，其分辨率可达到15 nm，每个像素可用15 bit表示，数据量高达1.5 Gb/s。图像数据量如此庞大，数据存储便成为了抑制多维图像数据广泛应用的重要因素，因此在多维图像数据信息传输前必须进行高效压缩[1]。传统压缩系统存在压缩效果差的问题，无法满足人们对高效压缩图像数据标准的需求。

针对上述问题，设计了多维图像数据的分块无损压缩系统。通过降低压缩方法的复杂程度，方便实现快速、实时压缩；而且传输资源有限，因此必须提高编码效率，以便节省信道容量以及存储所占容量，进而提高多维图像数据处理效率，对于高光谱图像数据压缩具有重要意义。通过实验证明，分块无损压缩系统具有良好压缩性能，为解决FLASH压缩器压缩效果差的问题提供有效途径。

1 数据分块无损压缩硬件结构设计

多维图像数据分块无损压缩系统硬件结构设计如图1所示。由图1可知，分块无损压缩系统硬件结构设计由数据采集、单元控制、数据存储以及电源管理等组成。A/D转换器可将模拟输入信号转换成数字信号，控制芯片对数字信号进行实时分块无损压缩。经过压缩后的数据需储存到存储器中，同时控制芯片还要对A/D转换器内部程序进行控制。晶振可为系统设计提供压缩器主频率，也可为管理芯片提供所需电压[2]。

本文采用层次化的模块团队设计方法。在条件比较复杂情况下，利用该层次化设计方法是一种最有效的设计方案。在结构设计中，通常先依据设计基本需求，将较大设计项目方案由上至下进行分解，形成若干个较小子模块，再将子模块进行分解，可形成若干个更小的子模块，并继续分解，直到所有子模块容易实现层次化控制为止；然后由底层子模块执行打包程序，底层设计可通过打包程序集成模块电路，提供给上层设计随意调用，由此完成最终顶层压缩结构设计[3]。本文设计的模块具有个性化、创新性思想。其中最底层利用了VHDL文本设计方法，可使图像压缩自上而下的每一层设计都能满足用户需求。而顶层利用了原理图输入方法，为开发者提供了具有创新性的思想。

1.1 输入数据缓存模块

所有数据传输与处理都是由控制芯片完成的。為了保证时钟与数据可同步使用，需设计控制芯片的双口连接功能，利用一个具有双向接口的芯片对输入数据进行传输，并由存储器对数据进行缓存[4]。A/D转换器进行转换后的数据为13位，容量大小为1 KB。当数据读写地址一致时，BUSY信号输出为0，此时可防止信号溢出，由此可设计数据缓存元件符号，如图2所示。

1.2 多维图像存储器模块

1） 多维图像设计

多维图像数据存储器需要存放图像的两个主要因素分别是图像项编码和多维数目。存储器容量设计为1 KB，长度为12位。由于数据前缀码为13位，所有图像项编码[5]也为13位。

通常图像存储模型可表示为：图像项编码?codevalue（index），前缀编码?precode（index）和当前码?appendcode（index）。

此外，由于存储器内存有限，当图像数据存满时，需对数据进行初始化处理，此时耗费时间较长，影响了整体压缩所耗费的时间。为此，在设计时采用两个同样的图像存储器进行交替工作，可有效提高系统压缩效率，进而缩短压缩时间。

2） 多维图像关键点查找方法

图像处理中最关键技术就是对图像因素的查找。利用哈希表查找技术，首先选择有利于检索的关键项编码，减少冲突，利用硬件逻辑关系可实现图像关键点准确搜索。构建哈希函数，在图像数据存储位置和关键点之间构建明确关系，促使每个关键点与图像数据中的唯一存储位置相互对应[6]。

1.3 压缩序列脉冲发生模块

压缩序列脉冲发生模块需根据压缩算法实现有限状态模块之间的相互协调工作，并进行有效压缩。其是控制模块核心部分，产生一定序列脉冲信号，可进行状态压缩转换，如图3所示。

2 分块无损压缩软件设计

2.1 分块无损压缩原理

分块无损压缩软件设计采用压缩算法将13位数据输入到存储器中，进行压缩后可进行编码。为了方便存储可将并行数据转换成8位，并进行相应解压[7]。

压缩解码原理为：压缩解码器首先将多维图像中前3 021项进行初始化处理，并转换为图像因素表中所有图像要点；然后读取相应数据流，其中数据流含有具有指向图像指针，利用指针从图像中选取具有压缩要素的关键数据输入到数据流中[8]。该部分采用的是同一种编码器。首先在解码器中输入一个方向指针数据，并取一个数据词条当作一个字符串写进解码器数据输出流之中。将字符串保留在图像中，虽然字符是未知的，但是可随时对下一个图像中的字符串进行读取，以获取关键信息。在后续解码步骤中，针对解码器的输入需取回一个字符串，并把该字符串写进输出流中，同时抽取第一个字符，并存储，然后经过解码器进行设置，开始下一步解码。

2.2 分块无损压缩图像的解码

经过压缩后的图像，需对软件进行解码，针对传输的无损压缩图像需利用相应解码流程进行处理，其中包括图像解码、合成与显示，由于该过程所涉及并不在实时范围之内，因此可通过软件进行解码、合成与显示[9]。

3 分块无损压缩系统的实现

根据上述混合编码方法，设计具体编码流程如图4所示。

多维图像数据分块无损压缩的实现步骤如下：

1） 对搜索到的图像关键点进行整数小波变换处理，由此获得小波等长整数序列数据。该方法不会占用太多内存，由于变换后的数据是具有可逆性的，因此对原始数据进行输入可直接被分解成具有尺度系数数据。设置门限值，将低于门限值的部分设置为0，并保留小波系数，这样既保留了信号特征又提高了压缩效率[10]。

2） 软件部分实现需利用改进后的压缩算法，其中数据输入流、编码流和编码字符串的合理设计具有关键性意义。当输入流流入压缩数据时，输出编码可输出具有索引号的字符表数据，由此可实现多维图像分块无损数据的压缩。

4 实 验

为了验证多维图像数据的分块无损压缩系统设计的合理性，采用VC混合编程开发测试软件，在已有测试软件基礎上采用Visual Basic 6.0进行修改。

4.1 实验过程

在压缩过程中，多维图像数据存入储存器中进行缓存的时间大约为1 s，随后数据被分块，大约分成20个大小为4 005×215的子块，根据输入图像速率要求，以30 MHz写入，送入每个分块大小的时间约为0.038 s，分块压缩仿真如图5所示。

当输入01H后，由压缩仿真获得的数据地址为00A；当这1个地址读取结果为100H，那么地址为空，即可表示为字符串无匹配关系。压缩器对01H编码为104H，那么编码值即为104H。当再次处理的字符串为01H时，可通过字符串找到匹配串，进而回到输入字符状态。当再次输入01H时，多维图像存储数据已不存在，那么无需数据输出；如果数据依然存在，则需输入前缀编码，再用索引号代替字符串输出，由13位减少为8位，达到压缩目的。

4.2 实验结果与分析

多维图像数据分块压缩的关键在于冗余数据数量，即一个数据集中重复数据数量，查看与运行周期是否匹配，根据不同压缩效果验证本文设计系统的压缩性能。将传统压缩系统与本文压缩系统的压缩性能进行对比，如表1，表2所示。

由表1，表2可知：当文件大小为108 KB时，传统压缩系统压缩后的文件大小为98 KB，而本文设计的压缩系统压缩后的文件大小为58 KB，两者之间相差40 KB；当文件大小为2 047 KB时，传统压缩系统压缩后的文件大小为1 198 KB，而本文设计的压缩系统压缩后的文件大小为521 KB，两者之间相差677 KB。由此可知，本文设计的分块压缩系统具有良好的压缩性能。

针对多维图像做分布式无损压缩结果测试，将传统压缩系统与本文压缩系统的波段码率情况进行对比，结果如图6所示。

由图6可知，在均匀信源情况下对比传统系统与本文系统每个波段的码率，可以看出，传统系统码率要高于本文设计的系统，主要是因为在多维图像预测残差经过分块压缩后的二进制信息源分布比较均匀，因此，针对实际多维图像数据的压缩，采用分块压缩系统效果要优于传统压缩系统。

4.3 实验结论

根据上述实验内容，得出实验结论：本文设计的分块压缩系统具有良好压缩性能，主要是因为在多维图像预测残差经过分块压缩后的二进制信息源分布比较均匀。因此，针对实际多维图像数据的压缩，采用分块压缩系统效果要优于传统压缩系统。

5 结 语

多维图像数据分块压缩系统的设计是一种实数编码的自适应设计方法，可适应不同数据流字符串表的构建，实现多维图像数据的无损压缩。通过实验证明，分块无损压缩系统具有良好的压缩性能，为FLASH压缩器压缩效果差的问题提供了有效的解决方案。

参考文献

[1] 黄庆卿，汤宝平，邓蕾，等.机械振动无线传感网络数据分块无损压缩方法[J].仪器仪表学报，2015，36（7）：1605?1610.

HUANG Qingqing， TANG Baoping， DENG Lei， et al. Data block?based lossless compression for machine vibration wireless sensor networks [J]. Chinese journal of scientific instrument， 2015， 36（7）： 1605?1610.

[2] 徐妮妮，张明明，汪剑鸣.纯二维5/3小波变换及其在CT图像无损压缩中的应用[J].电信科学，2016，32（6）：73?82.

XU Nini， ZHANG Mingming， WANG Jianming. True 2?D 5/3 wavelet transform and its application for CT image lossless compression [J]. Telecommunications science， 2016， 32（6）： 73?82.

[3] 周强，胡江涛，王志强，等.基于BCS?SPL压缩感知算法的纸病图像重构[J].中国造纸，2016，35（12）：25?30.

ZHOU Qiang， HU Jiangtao， WANG Zhiqiang， et al. Paper disease image reconstruction based on BCS?SPL algorithm [J]. China pulp & paper， 2016， 35（12）： 25?30.

[4] 李大伟，刘成，郑建华，等.适用于探空火箭的图像采集与压缩系统[J].国防科技大学学报，2017，39（2）：71?77.

LI Dawei， LIU Cheng， ZHENG Jianhua， et al. Image capture and compression system for sounding rocket [J]. Journal of National University of Defense Technology， 2017， 39（2）： 71?77.

[5] MASMOUDI Atef， PUECH W， MASMOUDI Afif. An improved lossless image compression based arithmetic coding using mixture of non?parametric distributions [J]. Multimedia tools and applications， 2015， 74（23）： 10605?10619.

[6] 靖固，杨华宇.基于FPGA+DSP实时图像采集处理系统设计[J].哈尔滨理工大学学报，2016，21（4）：40?44.

JING Gu， YANG Huayu. The real?time image acquisition and processing system design with FPGA and DSP [J]. Journal of Harbin University of Science and Technology， 2016， 21（4）： 40?44.

[7] MUTHUKUMARAN N， RAVI R. Hardware implementation of architecture techniques for fast efficient lossless image compression system [J]. Wireless personal communications， 2016， 90（3）： 1?25.

[8] 王相海，张智迪，宋传鸣.四叉树分块的高光谱图像分布式无损编码[J].中国图象图形学报，2015，20（8）：1102?1109.

WANG Xianghai， ZHANG Zhidi， SONG Chuanming. Lossless distributed source coding of hyperspectral images based on quadtree segmentation [J]. Journal of image and graphics， 2015， 20（8）： 1102?1109.

[9] TANG Guofei， ZHOU Haifang， TAN Qingping. Design and implementation of space?borne parallel remote sensing image compression system based on multi?core DSP [J]. Journal of computer applications， 2017， 37（5）： 1246?1250.

[10] ZHANG Huixin， CAO Aoxiang. A design of real?time image compression system based on FPGA and ADV212 [J]. Chinese journal of electron devices， 2016， 39（2）： 483?486.