摘要：感兴趣区（ROI）编码与图像压缩算法的相结合，可使ROI获得高质量。本文通过在多级树集合分裂（SPIH）算法中嵌入ROI，形成基于SPIHT算法的ROI图像编码方法。该方法通过下移背景（BG）位平面使ROI位平面置于BG位平面之前，解码时优先传输ROI系数。实验选取一般位移法，将此算法与传统的SPIHT算法作比较，并研究了不同条件下各区域的质量。实验证明，本文算法明显优于传统的SPIHT算法，选择合理的参数能得到好的视觉效果。
关键词：ROI编码；图像压缩；SPIHT算法；一般位移法
中图分类号：TP39 文献标识码：A DOI：10.3969/j.issn.1003-6970.2015.02.024
0 引言
近年来，随着多媒体技术的快速发展，人们对图像的压缩性能、应用范围等方面的要求进一步提高，寻求更高压缩比的图像压缩编码方法已经迫在眉睫。ROI编码利用了人眼的视觉特性，成为图像编码的研究热点之一。在实际应用中，把图像中的重要区域称为ROI，其余区域称为BG。在编码时，将ROI位平面置于BG位平面之前，在解码时，ROI就可优先于BG解码，如果码流被截断，那么ROI将比BG获得更好的质量。这种先进的ROI编码技术既能满足高质量要求，又可节省存储空间。
对于ROI编码，大量学者进行了研究，侯阿临等研究基于优化截取嵌入式编码（EBCOT）的ROI编码，她将多描述编码（MDC）、EBCOT和ROI相结合运用到医学图像中，达到用尽量少的存储空间保证了ROI质量的目的。邓海涛等研究了基于嵌入式零树小波（EZW）的ROI图像算法，该算法不需要对ROI形状编码且可灵活调整ROI与BG的重构质量。此外，还有一些学者提出了将ROI嵌入到集合分裂嵌入式（SPECK）算法中。
SPIHT算法是由Said和Pearlman提出的一种基于分层树的集合划分算法。它是对EZW算法的扩展，虽然它比EZW算法复杂，但它的编码效率比EZW算法高。本文在SPIHT算法的基础上，参考JEPG2000标准中提供的ROI编码算法，将ROI嵌入到SPIHT算法中，形成基于SPIHT算法的ROI静态图像编码方法，这种图像编码方法改善了主观视觉效果。
1 SPIHT算法
SPIHT编码算法是在EZW算法的基础上提出的一种新算法。SPIHT算法考虑了图像经过小波分解后，能量集中于最高分解级的低频子带以及各个子带之间具有空间自相似性等特点，在继承了EZW思想的基础上，设计了一种新的空间方向树来有效地组织小波系数，如图1所示。通过对树的划分，将尽可能多的无效值汇集在一个子集中，用一个单位符号表示。在SPIHT编码过程中，小波的重要信息保存在重要像素列表（LSP）、不重要像素列表（LIP）和不重要集列表中（LIS）。
2 ROI编码
2.1 ROI掩模
进行带有ROI的图像编码时，需在编码端生成ROI掩模。ROI掩模主要是为了识别小波系数属于ROI还是属于BG，以便可以对它们进行相应的位平面位移。ROI掩模M（i，j）可由式（1）表示：
用小波变换逐次将子带进行分裂与合成时，运用ROI掩模来特定对应不同分辨率子带间ROI的系数。ROI掩模的生成过程如图2所示。
2.2 ROI算法
JPEG2000标准定义了两种ROI编码算法：一般移位法和最大位移法，如图3所示。
在一般移位法中，事先选择一个合适的位移因子S，把BG位平面都下降S位，这样，ROI系数的最重要位平面就高于BG系数的所有位平面。编解码时，ROI就会先于BG被编解码，在这过程中也会有一些ROI系数与BG系数一起编码、传输和解码。由于能自由选择比例因子S，所以一般位移法可以控制ROI和BG之间质量的相对重要性。当一般位移法中的比例因子S增大到使得ROI位平面与BG位平面无重叠时，此时一般位移法就是最大位移法。
3 带有ROI的SPIHT算法
3.1 算法框架
相对于SPIHT算法的编解码过程，带有ROI的SPIHT算法就显得比较复杂些，它在SPIHT算法的基础上添加了确定ROI、生成ROI模板、ROI形状和位置信息以及BG位平面的位移几部分。如图4所示，编码过程首先要确定ROI、生成ROI掩模，然后用小波变换对整个图像进行塔式分解，再次将BG位平面下降S位、进行ROI形状和位置信息的编码，最后按照SPIHT算法思想量化、编码，最终生成压缩码流。解码是编码的逆过程，对BG位平面的处理是将它们上移S位。
4 实验与讨论
实验选取Lena图像（512×512，8位）进行ROI编码，如图5所示。实验先对Lena图像进行6级9/7整数小波变换，接着用一般位移法对位平面进行位移，本实验通过下移BG位平面来使得ROI系数高于BG系数，最后用SPIHT算法得到编码数据流。解码是编码的逆过程。实验选取的ROI的形状为矩形，在这种情况下，ROI掩模只需给定矩形的两点坐标：左上角坐标和右下角坐标，处于两点之间的都属于ROI。图像的客观评价用峰值信噪比（PSNR）表示，单位为分贝（dB），PSNR越大，质量越好。
实验一选取Lena的脸部为ROI，设位移因子S=4。表1为不同码率下，传统的SPIHT算法与带有ROI的SPIHT算法各区域的数据对比，其中A为传统的SPIHT算法，B为带有ROI的SPIHT算法。
从表1可看出，随着码率的增大，两种算法中ROI、BG以及全图的PSNR都在增加，这是因为随着码率的增加，分配给ROI和BG的比特都增多了。在此过程中，由于B算法将BG位平面下降了，ROI最重要位平面就优先于BG位平面编解码，所以B算法中ROI的PSNR高于A算法中相同区域的PSNR。相同码率下，分配给ROI的比特多了，分给BG的比特也就少了，所以A算法中BG的PSNR高于B算法中相同区域的PSNR。由于ROI的面积占整幅图像的区域比较小，所以全图的PSNR就接近于BG的PSNR。图6、图7给出了两种码率下重建图像的主观视觉效果对比，从图中可以看出，在低码率下，本文算法得到的重构图像中ROI比传统SPIHT算法得到的重构图像中ROI要清晰，在高码率下，两种算法得到的重构图像中ROI的清晰程度相差无几。
实验二也选取Lena的脸部为ROI，在不同的位移因子S下，图像各区域的数据如表2所示。
从表2中可以看出，随着位移因子s的增大，ROI的PSNR逐渐增大，而BG和全图的PSNR逐渐减小。这是由于ROI在BG之前完成解码，在码率不变的情况下，码流长度也固定不变，BG位平面的位移位数越大，分配给ROI的信息就越多，分给BG的信息就越少。图8为不同位移因子下的重构图像，从中可以看出，S越大，ROI越清晰，BG越模糊。
实验三在位移因子S=4的情况下进行的，在不同的ROI面积下，图像各区域的数据如表3所示。
从表3看出，随着ROI面积的增大，图像各区域的PSNR都减小了，原因在于当ROI的面积增大时，其恢复质量相对要求较高，导致图像的ROI质量下降，在码流长度固定不变时，需要占用码流的大部分容量来描述ROI，所以图像的BG质量下降。图9为不同面积下的重构图像，从中可以看出，ROI面积越大，ROI和BG都越来越模糊。
从实验一总结出，带有ROI的SPIHT算法明显优于传统的SPIHT算法，这样的结果符合人们的实际需要，因为人们对ROI的关注远远超过BG。尤其在低码率下，ROI编码能够很好的将图像中的重要信息进行高质量保留，满足了人类的主观视觉要求。实验二和实验三论证了在一般位移法下，位移因子s和ROI面积对图像各区域PSNR的影响。在现实应用中，合理选择这些参数进行图像压缩变得十分重要。如果需要在ROI和BG之间得到更大的视觉对比度，只需位移使得ROI位平面与BG位平面无重叠，此时的重构图像就是最大位移法产生的图像。
5 总结与展望
本文参考JPEG2000标准提供的ROI编码算法思想，通过将ROI嵌入到SPIHT算法中，形成基于SPIHT算法的ROI静态图像编码。选用一般位移法进行实验，并取得了很好的效果。这种基于SPIHT编码算法的ROI编码技术可用于网络传输、无线通信、遥感以及医学等领域，只需把重要区域当作ROI就可实现高效处理，既满足了高质量要求，又可节省存储空间。