《基于机器学习参数选择的交通图像编码方法.pdf》由会员分享，可在线阅读，更多相关《基于机器学习参数选择的交通图像编码方法.pdf（6页珍藏版）》请在taowenge.com淘文阁网|工程机械CAD图纸|机械工程制图|CAD装配图下载|SolidWorks_CaTia_CAD_UG_PROE_设计图分享下载上搜索。
1、2007年1月系统工程理论与实践第1期 文章编号:100026788(2007)0120157206基于机器学习参数选择的交通图像编码方法曹文伦1,史忠科1,封建湖2(11 西北工业大学 自动化学院,西安710072;21 长安大学 理学院,西安710064)摘要:将图像压缩与ITS交通路况图像电传视讯相结合,提出了一种基于机器学习参数选择的多项式拟合图像压缩编码方法.我们定义了两类指标来度量数据扫描方法对多项式拟合方法的影响;还研究了用机器学习方法选择得到的参数对图像扫描数据进行单调化处理;进而研究了用多项式拟合预处理数据的方法进行图像数据压缩.该法简单方便、快速高效,并已针对小幅复杂交通路
2、况图像在中低信噪比取得了良好的结果.该法还可以推广到感兴趣区位于图像中心的一类图像.关键词:ITS;图像扫描;图像压缩;机器学习中图分类号:TN919181 文献标志码:AA Traffic Image Code Method based on Machine Learning Parameter ChoiceCAO Wen2lun1,SHI Zhong2ke1,FENGJian2hu2(11School of Automation,Northwestern Polytechnical University,Xian 710072,China;21College of Science,Chan
3、gan University,Xian 710064,China)Abstract:Combined image compression with traffic image transmission in ITS,this paper presents a new imagecompression method of polynomial approach which based on machine learning parameter choice.We defined twospecies of index to measure the stability of the image s
4、canning ways.We also researched how to get the parameterwhich is produced by machine learning,and how to use the parameter to monotonize the image scanning data.Moreover,we compressed the scanned data using the polynominal approach method.The most merit of our method isfacility and high efficiency.W
5、e have gotten good results aimed at the small complex traffic image,especially in middleand low signal2to2noise ratio.Our method also can be popularize to a kind of image which interest area is locating inthe center of the image.Key words:ITS;image scanning;image compression;machine learning收稿日期:200
6、5211229资助项目:国家自然科学基金(60134010)作者简介:曹文伦(1980-),男,博士,研究方向:计算机图形图像处理、计算机网络、多媒体通信、数据库技术、智能交通系统、交通监控及系统规划、自动化控制;史忠科(1956-),男,博士,教授,博士生导师,现在西北工业大学任教,主要研究方向为图像处理与模式识别、自动控制、智能交通系统、通讯与导航、最优化理论及其算法的研究;封建湖(1960-),男,博士,教授,硕士生导师,现在长安大学任教,主要研究方向为数值计算、计算机图形图像处理、信息与编码等。0 引言有数据表明许多发达国家每年由于车辆拥堵而造成的经济损失在几千万到几个亿美元不等1.I
7、TS的提出,为缓解交通拥堵,减轻环境污染,实现安全便捷廉价的交通服务提供了可能.作为ITS(Intelligencetransportation system)的九大服务系统之一,ATIS(Advanced Traveler Information Systems)的建设包含了车内显示系统、最佳路线导引、无线电通讯、电视路况报导、电传视讯、整体服务数字网络等内容.本文针对图像通信数据量大及交通图像自身的特点,将图像压缩与交通路况图像电传视讯相结合,对交通图像进行了压缩研究.本文方法的基本思想是要将2维的图像转变为1维的灰度序列,然后再用G M(1,1)模型去拟合这些灰度序列,记录系数,压缩数据
8、.1993年Huang Ho2chao和Wu Ja2ling首先提出了将G M(1,1)模型用于图像压缩2,他们使用G M(1,1)模型化图像的像素,然后计算像素的原值和预测值之间的差,使用熵编码器对 1994-2008 China Academic Journal Electronic Publishing House.All rights reserved.http:/差值进行编码并且将结果存储起来.这种基于G M(1,1)的无损图像压缩方法对于那些其像素值变化缓慢的图像可以获得较好的压缩比率,而对于像素值变化较大的图像其压缩比率下降.1996年,Huang Y o2ping利用图像分块和
9、G M(1,1)模型进行图像压缩3.1998年,Yen2Tseng Hsu和Jerome Yeh分别在文献4,5中提出了一些新的处理机制对基于G M(1,1)模型的图像压缩方法进行了改进,取得了较好的处理结果.在这些方法中(G DL、QMS、SMS、ISMS、G MP、FG MP等),他们提出了一些新的数据选取方法来克服先前方法中的缺陷(例如四边形模型化序列QMS以及锯齿型模型化序列SMS),从而一定程度上改进了图像的压缩比并降低了误差.但是,对数据进行G M(1,1)建模的数据处理方法生成时,进行了多次类似单调化、区间化、均值化、对数化等处理,因此由于舍入误差引起的不精确问题相当突出,难以精
10、确恢复原始数据.特别是针对于ITS这一特殊应用的小幅复杂交通路况图像没有很好的解决方法.1 图像扫描及低通滤波用多项式去拟合1维的灰度序列时,灰度序列的抖动程度对将来多项式拟合的效果有显著的影响.因此,图像扫描技术的重要性不言而喻.令x(0)为n2个数据的扫描前序列:x(0)=x(0)(i,j),i=1,2,n;j=1,2,n.令扫描后序列为:x(1)=x(1)(k),k=1,2,n2.令(ik,jk),(i1,2,n;j1,2,n)为第k个扫描后数据在原矩阵中的原始坐标.111 连续性指标定义1 定义x(1)(k)和x(1)(k-1)之间的距离为:dis(k,k-1)=n2k=1(ik-ik
11、-1)2+(jk-jk-1)2,i1,2,n;j1,2,n.(1)这就是度量图像扫描数据抖动性的连续性指标.它表示了扫描排序后的每两个图像数据在原图像中的相邻情况之和.112 局部性指标定义2 对于任一x(0)(i,j),让x(1)(k),(k=1,2,n2)逐一比较x(0)(i,j)的相邻象素x(0)neighbor(i,j):x(0)(i-1,j-1),x(0)(i-1,j),x(0)(i-1,j+1),x(0)(i,j-1),x(0)(i,j+1),x(0)(i+1,j-1),x(0)(i+1,j),x(0)(i+1,j+1).如果有连续m个x(1)x(0)neighbor(i,j),记
12、x(0)(i,j)的局部性指标为Local(i,j)=m,(2)则可定义整个图像块的局部性指标为nj=1ni=1Local(i,j).(3)度量图像扫描数据抖动性的局部性指标表示了扫描排序后的某一段数据在原图像中位置的集中程度.在连续性和局部性指标的指导下经实验证明,与一般编码方法和图像特性正好相反,由基于多项式拟合图像编码和交通路况图像的特性决定,适用本文图像压缩方法的交通路况图像扫描的优劣顺序为:光栅扫描(图111)螺旋扫描(图112)Z形扫描(图113)连续光栅扫描(图114)Hilbert扫描68(图115),见图1,表1.这点将在后面给予详细说明.对于大多数无明显颗粒噪声的图像来讲,
13、低频区域集中了85%的能量,这一事实已成为图像变换压缩方法的理论依据9.所以低通滤波可以进一步压缩数据.本文将原2维图像的各个分解小块(如88)扫851系统工程理论与实践2007年1月 1994-2008 China Academic Journal Electronic Publishing House.All rights reserved.http:/描成为1维的灰度序列,然后重新导入一个二维平面,对其进行二维DCT变换,最后将变换得到的量化的DCT系数作为下一步单调预处理的输入.完成基于G M(1,1)模型拟合的图像编码的第一步.图1 各种扫描方法比较表1 连续性指标与局部性指标(测试
14、图选自2004年12月7日15时26分深圳市东门路2人民路路段交通实时路况截图)指标扫描方法光栅扫描螺旋扫描Z形扫描连续光栅扫描Hilbert扫描44块连续性指标614807318730418990318730318730局部性指标1810132088块连续性指标20114947193731015830719373719373局部性指标122292 机器学习自适应单调化由于经过图像扫描方法得到的图像数据一般来说是摆动的.要想用拟合的方法对其进行处理,则必须对数据进行单调化.定义3 令x(0),x(1)为数据序列:x(0)=(x(0)(1),x(0)(2),x(0)(n);x(1)=(x(1)(
15、1),x(1)(2),x(1)(n).x(1)(0)=0;x(0)(0)=0.如果x(0)(k)+x(1)(k-l)=x(1)(k),k=1,2,n.则称:x(1)是由x(0)简单单调化产生的序列,称:x(0)是由x(1)简单还原产生的序列.自适应单调化可以按照如下方法:1)先简单单调化,再进行多项式拟合;这样做效果较好但应该注意的问题是:要注意控制累加的次数和多项式的次数.2)对数据进行简单单调化并加对数化处理,然后进行多项式拟合.此方法拟合效果优于一般多项式拟合.问题是:对数处理后,要经过乘方还原,由于舍入误差的存在,恢复数据反倒不如一般多项式拟合.3)对数据进行灰色系统理论数据处理方法生
16、成10(使其输入数列近似于所谓的灰指数率),然后进行多项式拟合.拟合效果良好.问题是:对数据进行灰色系统理论数据处理方法生成时,进行了多次类似单调化、区间化、均值化、初值化、对数化等处理,因此由于舍入误差引起的不精确问题相当突出,难以精确恢复原始数据.4)用灰色系统理论G M(1,1)建模11生成拟合函数进行数据拟合效果优于多项式拟合,次于2、3.问题是:由于严格按照灰色系统理论G M(1,1)建模生成拟合函数进行数据拟合,所以是严格按照所谓的灰指数率进行拟合.这样,使得3中提到的问题更加突出.这也正是文章引言中其它方法的问题所在.实验表明,要想得到很好的恢复数据最好用1中提到的多项式拟合的数
17、据预处理方法.但是累加的次数到底以多少为宜呢?我们给出一种基于机器自主学习的自适应参数选择的方法.步骤如下:1)指定误差限,将输入数据进行多项式拟合,然后计算均方误差original;2)指定每个类别的区间上限:Nomax、Oneave、Twimin(其初值可以给定较大的值,通过学习会自动收951第1期基于机器学习参数选择的交通图像编码方法 1994-2008 China Academic Journal Electronic Publishing House.All rights reserved.http:/敛).将所有的序列按均方误差分为四类:original Nomax(未累加的最大值
18、);Nomax original Oneave(累加一次的均值);Oneave original Twimin(累加两次的最小值);Twimin original.以original落入哪一个类别作为不累加与累加几次的判据.图2 机器学习参数选择流程3)数列按照均方误差进入自己的类别后,与指定误差进行比较.1、2、3(以后代以3)分别表示累加1、2、3次后多项式拟合的均方误差.当3连续光栅扫描 Z形扫描螺旋扫描光栅扫描.但与传统的变换编码不同,交通图像的特性和基于多项式拟合的图像压缩方法本身决定了本文方法对于连续性、局部性不是十分好(连续性、局部性太好,图像扫描数据局部抖动比较厉害,而多项式拟
19、合受局部抖动的影响比整体161第1期基于机器学习参数选择的交通图像编码方法 1994-2008 China Academic Journal Electronic Publishing House.All rights reserved.http:/抖动的影响更甚)的扫描方法更加有效.所以我们选取基于多项式拟合结合光栅扫描得到的结果应该是最佳的.其次才应该是螺旋扫描 Hilbert扫描等.表2的结果也证实了这一事实.这再一次说明了本文定义的连续性指标与局部性指标在度量针对基于多项式拟合编码的交通路况图像扫描数据稳定性方面的有效性.5 结论本文从与传统图像压缩方法完全不同的角度考虑了图像压缩,开
20、辟了一条新的思路.实验表明,该法简单方便、快速高效,并已针对小幅复杂交通路况图像在中低信噪比取得了好的结果.并可以将该方法成功推广于其它感兴趣区域集中在图像中央的一类图像.参考文献:1 Y in H B,Xu J B.Road transportation control techniqueJ.The South of China Science and Engineering University PublishingHouse,2000,3-4.2 Huang H C,Wu J L.Grey system theory on image processing and lossless da
21、ta compression for HD2mediaJ.Journal of GreySystem Theory&Practice,1993,2:9-15.3 曹奎,冯育才.基于G M模型和Hilbert空间填充曲线的图象压缩方法J.小型微型计算机系统,2002,23(11).Cao K,Feng YC.A image compression methed based on G M and Hilbert space2filling curveJ.Mini2Micro System,2002,23(11).4 Yen2Tseng Hsu,Jerome Yeh.A novel lossless
22、 image compression based on G MJ.Journal of Grey System,2000,3:263-274.5 Yen2Tseng Hsu,Jerome Yeh.Grey2based image compressionJ.Journal of Grey System,1998:105-120.6 Jacobs E W,Fisher Y,Boss R D.Image compression:A study of the iterated transform methodJ.Signal Proceeding,1992,29:251-263.7 Fisher Y.
23、Fractal image compressionJ.Fractals,1994,2(3):321-329.8 刘向东,朱志良,王光兴,等.图像扫描波动性度量及Hilbert扫描矩阵的快速生成J.中国图象图形学报,2002,7(6).Liu XD,Zhu ZL,Wang GX,et al.Measuring the undulation of the image scanning and a fast Hilbert scanning matrix constructingalgorithmJ.Jourmal of Image and Graphics,2002,7(6).9 Huang W,
24、G ong P Z.The methods of coding in image compressionJ.Application Research of Computers,2003,8.10Huang YP.Practical considerationfor grey modeling and its application to image processingJ.The Journal of Grey System,1996,3:217-234.11Huang YP,Chu H C,Hsia KH.Dynamic grey modeling:Theory and applicationC The First National Symposiumon Grey SystemTheory and Its Application,Taiwan,1996:47-56.261系统工程理论与实践2007年1月 1994-2008 China Academic Journal Electronic Publishing House.All rights reserved.http:/