行政院國家科學委員會專題研究計畫 期中進度報告
影像/視訊的壓縮與錯誤回復之研究(1/3)
計畫類別： 個別型計畫
計畫編號： NSC94-2213-E-011-041-
執行期間： 94 年 08 月 01 日至 95 年 07 月 31 日 執行單位： 國立臺灣科技大學資訊工程系
計畫主持人： 鍾國亮
報告類型： 精簡報告
處理方式： 本計畫可公開查詢
中 華 民 國 95 年 8 月 30 日
行政院國家科學委員會專題研究計畫成果報告 影像/視訊的壓縮與錯誤回復之研究( 1 / 3 )
The Study for Image/Video Compression and Error Recovery (1/3)
計畫編號: NSC 94-2213-E-011-041-
執行期限: 94 年 8月 1日至 95 年 7月 31日 主持人：鍾國亮教授 國立台灣科技大學資訊工程系
中文摘要
影像與視訊壓縮與錯誤之回復是多 媒體傳輸技術中相當重要的一環，其目 的在於如何在有限的網路頻寬下傳輸大 量的影像與視訊資料。由於近年來多媒 體影音通訊技術的快速發展，所以人們 對影像與視訊壓縮這個主題的關心程度 有明顯的增加。這些研究主題亦是目前 本實驗室主要研究的核心問題之一。計 劃主持人同研究小組過去幾年在這些方 面累積不少經驗及成果。本研究小組在 今年度計畫中完成下列主要研究成果。
(1) 植基於紋理與多重模組的無失真半 調子影像壓縮技術 [1]：我們提出一 個植基於區塊與紋理的訓練機制，根 據各種紋理特徵來建構文件鄰屬算 術 編 碼 (Context-Based Arithmetic Coding) 所 須 的 最 佳 模 組 (Template)。在壓縮半調子影像時，
我們會先將輸入影像切割成多個子 區塊，並對每個子區塊進行紋理的檢 測來決定這個區塊所需要的最佳模 組。實驗結果顯示，我們所提出的的
紋理與多重模組演算法能夠有效的 提升壓縮效能。與 JBIG 壓縮標準 [2]、BACIC 演算法[3]以及 PACIC 演 算法[4]比較之下，分別可達到 24%、
19.4% 與 17.6% 的壓縮改 良率 。另 外，我們的演算法可達到與 FACIC 演算法[5]相同水準的壓縮比，但壓 縮一張影像只需要其 1%的執行時間 (本研究成果目前已在 IEEE Trans.
Image Processing 期刊進行複審)。
(2) 植基於可調式估計架構的混合式錯 誤回復演算法[6]：植基於新的可調 式估計架構，我們提出一個有效的混 合式錯誤回復演算法。利用在受損區 塊的鄰近區塊的資訊，受損區塊會被 分為三種類型。依據受損區塊的類 型，我們所提出的可調式估計架構可 以採用 Bézier 曲面估計、第一階導數 平面估計、或是較大群質心估計有效 地回復受損的區塊。依據六種測試用 視訊影像串列，實驗結果顯示我們所 提出的混合式錯誤回復演算法可以 在不同的錯誤率下改進視訊品質與 執行時間。(本研究成果目前已被
2006 年 CVGIP 研討會接受(Oral)，
並 在 J. Visual Communication and Image Representation 期 刊 進 行 複 審)。
英文摘要
Image and video compression and concealment are the kernel issues in multimedia technologies. Recently, the field of multimedia applications is continually growing and quite important.
It has a significant increase in the level of interest in image and video compression.
These two topics form the core of a major modernization, and their applications are also quite wide. Our research group has developed several efficient results. In this project, we do the research and have the results as shown below.
(1) Texture- and multiple-template–based algorithm for lossless compression of error–diffused images [1]: We first present a novel block- and texture- based approach to train the multiple–template according to the most representative texture features.
Based on the trained multiple- template, we next present an efficient texture- and multiple-template-based (TM–based) algorithm for lossless compression of error–diffused images.
In our proposed TM–based algorithm, the input image is divided into many blocks and for each block, the best template is adaptively selected from the multiple–template based on the texture feature of that block.
Experimental results demonstrate that the compression improvement ratios of our proposed algorithm over the JBIG [2], the BACIC algorithm [3]
and the PACIC algorithm [4] are 24%, 19.4%, and 17.6%, respectively. In
addition, the encoding time required in the previous FACIC algorithm [5]
is 109.131 seconds in average while our proposed algorithm takes 0.995 second; the average compression ratio of our proposed TM–based algorithm is quite competitive to that of the FACIC algorithm.
(2) Efficient hybrid error concealment algorithm based on adaptive estimation scheme [6]: Video transmission plays an important role in multimedia communication. Due to transmission error, robust video transmission has become increasingly important in pro-viding better quality of services. Based on our proposed novel adaptive estimation scheme, we present an efficient hybrid error concealment algorithm for robust video trans-mission. Using the information of neighboring macro- blocks (MBs) of the corrupted MBs, the corrupted MBs are classified into three types. According to the type of the corrupted MB, our proposed adaptive estimation scheme could adopt the Bézier surface estimation, the first order plane estimation, or the centroid of major cluster estimation to conceal the corrupted MB efficiently.
Based on six testing video sequences, experimental results demonstrate that our proposed hybrid error concealment algorithm can improve the video quality and the execution time performance over different lost rates.
計畫緣由、結果與討論
影像與視訊壓縮與錯誤之回復是多 媒體儲存技術中相當重要的一環，其目 的在於如何在有限的網路頻寬下傳輸大 量的影像與視訊資料。 壓縮技術可降低
傳輸影像與視訊所需頻寬，錯誤回復技 術可針對傳輸時所發生錯誤與以更正，
兩者間具有相當密切的關係。由於文件 影像通常會以半調子方式來呈現，因此 半調子影像的壓縮在文件影像的處理上 是相當重要的。在過去雖然已有許多相 關的壓縮演算法被提出[2,3,4,5]，其中 [2,3,4]所提出的方法雖然擁有較快的編 碼速度，但壓縮效能的表現上卻不及[5]
所提出的方法。然而，[5]所提出的方法 因為其過於複雜導致需要大量的編碼時 間。因此，如何提出一個兼具快速與高 壓縮比的演算法是相當重要的。視訊傳 輸在多媒體通訊上扮演著一個很重要的 角色，由於傳輸時會發生錯誤，使得強 健的視訊傳輸在提供較佳的服務品質方 面變得越來越重要。最近，Zheng 和 Chaum[7]提出了一個植基於第一階導數 平面估計的錯誤回復演算法。實驗結果 顯示使用第一階導數平面估計來回復錯 誤可以達到不錯的回復效果。然而，
Zheng 和 Chaum 的演算法並沒有針對受 損區塊的類型，例如：高移動區塊，低 移動區塊等，使用不同的錯誤回復策 略，導致其效率無法進ㄧ步的提升。 為 了改善這個情況，計劃主持人同研究小 組結合了過去幾年在這些方面累積的經 驗及成果，投入相當多的心力，針對以 下的議題進行研究並完成下列研究成 果。
(一) 植基於紋理與多重模組的無失真半 調子影像壓縮技術 [1]：
對於文件影像處理而言，半調子影 像的壓縮是相當重要的一環。過去 所提出的壓縮演算法，大多是利用 於 文 件 鄰 屬 算 術 編 碼 技 術 (Context-Based Arithmetic Coding) 與編碼模組(Template)來將資料加
以分類，透過降低熵 (entropy) 的 方式來進行資料的壓縮。為了得到 最佳的編碼模組，我們提出一個植 基於區塊與紋理的訓練機制來建 構文件鄰屬算術編碼所須的最佳 模組。利用區塊式編碼方式，我們 會 將 輸 入 影 像 切 割 成 多 個 子 區 塊，並針對每個子區塊檢測其紋理 特性，藉以決定各個子該區塊所對 應的最佳模組。由於我們的演算法 能夠針對不同的影像特性指定最 佳的編碼模組，可對壓縮效能進行 有效的提升。實驗結果顯示，我們 所提出的紋理與多重模組演算法 與 JBIG 壓縮標準[2]、BACIC 演算 法[3]以及 PACIC 演算法[4]比較之 下 ， 分 別 可 達 到 24% 、 19.4% 與 17.6%的壓縮改良率。另外，我們 的演算法可達到與 FACIC 演算法[5]
相同水準的壓縮比，但壓縮一張影 像只需要其 1%的執行時間 (本研 究成果目前已在 IEEE Trans. Image Processing 期刊進行複審)。
(二) 植基於可調式估計架構的混合式錯 誤回復演算法[6]：
由於傳輸時會發生錯誤，使得強健 的視訊傳輸在提供較佳的服務品 質方面變得越來越重要。最近，
Zheng 和 Chaum[7]提出了一個植基 於第一階導數平面估計的錯誤回 復演算法。雖然實驗結果顯示使用 第一階導數平面估計來回復錯誤 可以達到不錯的回復效果，但由於 該演算法並未針對不同的區塊類 型使用不同的錯誤回復策略，導致 其效率無法進ㄧ步的提升。因此，
利用一個新的可調式估計架構，我 們提出有效的混合式錯誤回復演 算法來提升影像品質。針對每一個
受損區塊，在分析其鄰近區塊之移 動向量(Motion Vector)資訊之後，我 們將受損區塊會分為三種類型。依 據 受 損 區 塊 的 類 型 ， 可 以 採 用 Bézier 曲面估計、第一階導數平面 估計、或是較大群質心估計有效地 回復受損的區塊。依據六種測試用 視訊影像串列，實驗結果顯示我們 所提出的混合式錯誤回復演算法 可以在不同的錯誤率下改進視訊 品質與執行時間。(本研究成果目前 已被 2006 年 CVGIP 研討會接受 (Oral) ， 並 在 J. Visual Communication and Image Representation 期刊進行複審)。
計畫自評
本計畫的成果與報告內容和原計畫 的申請項目大致相同，計畫之分項子題 成的狀況亦很理想。各個計畫子題的成 果均已完成，其中各計畫子題之關成果 皆在國外著名的期刊下審查過程中。本 計畫所提及之各項成果對於影像與視訊 壓縮的研究領域及實作方面上皆有相當 貢獻。除了在學術理論上將有顯著的成 果外，在實際應用上，不但增加執行效 能，更提供更理想的影像品質。透過本 計畫的研究與實作，能夠讓參與的人員 對於影像與視訊壓縮與錯誤回復的相關 技術有深入的瞭解，並將理論與實際應 用結合，可提升參與之工作人員今後之 研發能力進而提昇國家競爭力。
參考文獻
[1] Y. H. Huang and K. L. Chung, ” Texture- and multiple-template-based algorithm for lossless compression of error-diffused Images,” IEEE Trans.
Image Processing, revised.
[2] Coded representation of picture and audio information-progressive bi-level image compression, ISO/IEC Int. Std.
11544, 1993.
[3] M. D. Reavy and C. G. Boncelet, ``An algorithm for compression of bilevel images,'' IEEE Trans. Image Processing, vol. 10, pp. 669-676, May, 2001.
[4] C. S. Lee and H. Park, “Near-lossless /lossless compression of error-diffused images using a two-pass approach,'' IEEE Trans. Image Processing, vol. 12, pp. 170-175, Feb. 2003.
[5] B. Martins and S. Forchhammer, “Tree coding of bilevel image,” IEEE Trans.
Image Processing, vol. 7, pp. 517-528, Apr. 1998.
[6] K. L. Chung, T. H. Huang, and P. H.
Liao, “Efficient hybrid error concealment algorithm based on adaptive estimation scheme,” J. Visual Communication and Image Representation, revised.
[7] J. Zheng and L. P. Chaum, “Error concealment algorithm for H.26L using first-order plane estimation,”
IEEE Trans. Multimedia, vol. 6, pp.
801-805, Dec. 2004.
