CN103077543A - 一种基于逆Loop细分的嵌入式零树编码方法 - Google Patents
一种基于逆Loop细分的嵌入式零树编码方法 Download PDFInfo
- Publication number
- CN103077543A CN103077543A CN2012105923733A CN201210592373A CN103077543A CN 103077543 A CN103077543 A CN 103077543A CN 2012105923733 A CN2012105923733 A CN 2012105923733A CN 201210592373 A CN201210592373 A CN 201210592373A CN 103077543 A CN103077543 A CN 103077543A
- Authority
- CN
- China
- Prior art keywords
- play amount
- grid
- tree
- coefficient
- embedded
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Pending
Links
Images
Landscapes
- Compression, Expansion, Code Conversion, And Decoders (AREA)
Abstract
一种基于逆Loop细分的嵌入式零树编码方法,包括以下步骤:(1)构建偏移量小波树:实际顶点O与预测顶点O′的差就形成了偏移量d,偏移量d是在删除顶点重建网格的对应边上产生,同时每一网格Mj-1中的边与较细层次网格Mj中四个边建立对应四叉树关系;(2)偏移量小波处理与选择阈值;(3)编码与码流组织:基于三维图形三角网格的嵌入式编码将重要的信息优先编码,并将压缩后的结果放在码流的初始部分。本发明提供一种大幅提高压缩效率的基于逆Loop细分的嵌入式零树编码方法。
Description
技术领域
本发明涉及数字媒体技术领域,尤其是一种计算机三维图形的编码方法。
背景技术
维图像压缩已经广泛用于应用,其中嵌入式零树编码是有效的方法之一。图像嵌入式零树编码包括三个过程:
(1)零树预测,用零树结构编码重要图像,逐次逼近量化。经过小波变换的图像按其频带从低到高形成一个树状结构,树根是最低频子带的结点,它有三个孩子分别位于三个次低频子带的相应位置,见图1左上角。其余子带(最高频子带除外)的结点都有四个孩子位于高一级子带的相应位置(由于高频子带分辨率增加,所以一个低频子带结点对应有四个高频子带结点,即相邻的2×2矩阵)。这样三级小波分解就形成了深度为4的树。一幅图像经小波分解后,在不同子带的相同位置的变换系数是相关的,这种相关性形成了零树结构。
(2)小波处理:所有的小波系数分为下面三种情况:零树根(ZTR);孤立零(IZ);重要系数。为了编码的需要又把重要系数分为正重要系数(POS)和负重要系数(NEG),小波系数的判断流程如图2所示。
(3)EZW编码:EZW编码通过逐次逼近量化来完成,就是要通过逐次的使用阈值序列T0,T1,T2,...,Tn-1来决定重要系数,其中Ti=Ti-1/2,且出示阈值T0要满足条件:所有的小波系数有ai<2T0。
嵌入式编码是对重要的图像信息优先编码,将压缩后的结果放在码流的初始部分,然后依次按照信息的重要程度放置码流的其他部分,这样,将低码率的码流嵌入在高码率的码流中。嵌入式码流支持渐进传输,可以在任意点停止编码,能够严格满足目标码率或目标失真度要求。采用嵌入式码流能够对码率进行精确的控制,当编码失真或编码码率达到要求时,就可以随时停止编码过程。因此适应于在互联网上的图像数据的渐进传输。
随着三维图形的需求增加,人们对三维图形的精度和细节都提出了更高的要求,这也导致了三维图形数据的规模和复杂程度急剧增长。庞大的数据量对现有的服务器和智能终端都提出了巨大的挑战,同时,网络带宽的限制严重阻碍了这三维图形的传播,所以需要提出一种方法能便于三维图形的存储和网络传输。
发明内容
为了克服已有三维图形数据压缩方法的压缩效率较低的不足,本发明提供一种大幅提高压缩效率的基于逆Loop细分的嵌入式零树编码方法。
本发明解决其技术问题所采用的技术方案是:
一种基于逆Loop细分的嵌入式零树编码方法,所述编码方法包括以下步骤:
(1)构建偏移量小波树:
三角网格作逆Loop细分操作时,每四个三角形简化成一个三角形,利用预测器预测顶点O′,而实际顶点O与预测顶点O′的差就形成了偏移量d,偏移量d是在删除顶点重建网格的对应边上产生,同时每一网格Mj-1中的边与较细层次网格Mj中四个边建立对应四叉树关系;
对于渐进网格M0→M1→...→Mn-1→Mn,基网格M0中的三角形边构成了四叉树的根,树的高即是渐进网格的层级,(n-1)层的偏移量dn-1是最低层的树叶,除(n-1)层外,每层都有4个节点;
(2)偏移量小波处理与选择阈值:
把基网格的偏移量小波d0定义为零树根,最细层次的偏移量小波dn-1定义为孤立零,网格从粗到细的偏移量系数的重要性依次降低,粗网格的系数为重要系数,同时,重要系数分为正重要系数和负重要系数;
在同一层次的三角网格的三个偏移量都小于阈值时,则视此偏移系数为不重要的,并假定:如果偏移系数在粗网格中不重要,则其孩子在细网格中也不重要,将此节点连同孩子的均设为零树;零树不必在网络中传输,否则偏移量连同其位置和符号信息一起传输;
(3)编码与码流组织:
基于三维图形三角网格的嵌入式编码将重要的信息优先编码,并将压缩后的结果放在码流的初始部分,其编码步骤如下:
(3.1)初始化:选定阈值ε0;
(3.2)建立两个列表:主表为所有小波系数,副表为空;
(3.3)第一遍扫描:主表系数是否重要,重要加入副表中,然后相应值清零;
(3.4)第二遍扫描:对不重要的系数判断是否是树叶,如果是则不编码;
(3.5)ε0=ε0/2;
(3.6)主表不为空,返回(3.1);
(3.7)结束。
再进一步,所述步骤(2)中,渐进网络的压缩采用分级零树编码。
本发明的技术构思为:根据渐进网格中基网络与偏移量的关系,以基网格的每条边为根,建立与较细层次网格边的四叉树结构,由于网格中的边与偏移量一一对应,这样也就建立了偏移量小波与下一层级偏移量小波的四叉树关系。把基网格的偏移量小波数定义为零树根,最细层次的偏移量小波定义为孤立零,网格从粗到细的偏移量系数的重要性依次降低。
提出三角网格的嵌入式零树编码方法。选择阈值,在同一层次的三角网格的三个偏移系数都小于阈值时,则视此偏移量为不重要的,如果偏移量在粗网格中不重要,则其偏移量子树在细网格中也不重要,将此节点连同子树均设为零树。零树不必在网络中传输,否则偏移量连同其位置信息一起传输。经过零树编码后,由于偏移量小波多数为零值或在零值附近而无需编码,这样就大大减少了偏移量小波的数据量。
提出基于三角网格的码流组织方法,将重要的信息优先编码,并将压缩后的结果放在码流的初始部分,渐进网格按以下格式进行存储:M0→d0→d1→...→dn-2→dn-1,并依照次序在网格中传输。
由细分技术生成的三角网格通常可经逆Loop细分对其简化生成一个基网格M0和一系列偏移量d0→d1→...→dn-2→dn-1组成的渐进网格M0→M1→...→Mn-1→Mn。每简化一次Mj→Mj-1(n≥j>1),网格的顶点和三角形的数目各减少75%,但由于减少的顶点数目与增加的偏移量数目相同,故网格的压缩效果并不理想。经三次简化后的渐进网格与简化前的网格压缩比约45%,压缩效率较低。如果能对渐进网络提供一个消除冗余几何信息的机制,网格的压缩效率会大幅度地提高。
本发明的有益效果主要表现在:该方法实现对三维图形重要信息优先编码,将编码后的数据放在码流的初始部分,然后依次按照数据的重要程度放置码流的其他部分。将低分辨率的图形码流嵌入在高分辨率的码流中。嵌入式码流支持渐进传输,可以在任意点停止编码,能够严格满足目标分辨率或目标失真度要求。这样当编码失真或编码分辨率达到要求时,就可以随时停止编码过程。因此适应于在互联网上的三维图形数据的渐进传输和不同分辨率用户终端的使用。该发明要解决的关键问题是如何构建基于三维图形三角网格的树结构。
附图说明
图1是小波变换的空间—频率树结构的示意图。
图2是小波系数的判断流程图。
图3是逆细分简化示意图,其中,(a)简化前(b)预测顶点(c)简化后。
图4是Mj-1与Mj网格形成的树结构示意图。
具体实施方式
下面结合附图对本发明作进一步描述。
参照图1~图4,一种基于逆Loop细分的嵌入式零树编码方法,Loop细分曲面可能通过逆变换将三角网格简化分解生成的渐进网格(详见专利:一种基于逆Loop细分的渐进网格生成方法,专利号:ZL2006101241528),其基网格中含有顶点和三角形大量地减少,但每删除一条边就产生一个偏移量信息,故偏移量信息占据了很大的存储空间。由于被简化的模型其三角网格中邻接点间不会有很大的突变,邻接点间具有很好的相关性,所以,经过简化的预测过程而生成的偏移量往往数值都较小,多数具有集中在零值附近的特点,并逐层衰减的特性。这样可利用偏移量进行嵌入式零树编码,其编码过程如下:
(1)构建偏移量小波树
三角网格作逆Loop细分操作时,每四个三角形简化成一个三角形,网格Mj从图3(a)简化至Mj-1图3(c)时,要经过预测过程,利用预测器预测顶点O′常图3(b)的过程,而实际顶点O与预测顶点O′的差就形成了偏移量d。而偏移量是在删除顶点重建网格的对应边上产生,同时每一网格Mj-1中的边与较细层次网格Mj中四个边可能建立对应四叉树关系,如图4,分别示意粗网格中用箭头、实圆点、空方点的三条边在较细网格对应四条边的位置。
由于偏移量与三角网络的边一一对应,这样也就建立了偏移量四叉树。可见,对于渐进网格M0→M1→...→Mn-1→Mn,基网格M0中的三角形边构成了四叉树的根,树的高即是渐进网格的层级,(n-1)层的偏移量dn-1是最低层的树叶,除(n-1)外,每层都有4个节点。由于两个层级之间具有相关性,偏移量的数据不会太大,故可视为小波进行处理。
(2)偏移量小波处理与选择阈值
把基网格的偏移量小波d0定义为零树根,最细层次的偏移量小波dn-1定义为孤立零,网格从粗到细的偏移量系数的重要性依次降低,粗网格的系数为重要系数,同时,重要系数分为正重要系数和负重要系数。此外,在同一层次的三角网格的三个偏移量都小于阈值时,则视此偏移系数为不重要的,并假定:如果偏移系数在粗网格中不重要,则其孩子在细网格中也不重要,将此节点连同孩子的均设为零树。零树不必在网络中传输,否则偏移量连同其位置和符号信息一起传输。
渐进网络的压缩采用分级零树编码,其压缩算法为:对于三角网格中的每一个三角形,调用以下函数。
其中:T为基网格,j为简化的层级,ε0为初始阈值。
对于偏移量di=(ai1,ai2,ai3),ε0的取值可根据压缩比率的要求来定,对不同层次j(0≤j≤n-1),阈值递减εj+1=εj/2。只有当向量的三个分量全都小于等于阈值时,才忽略此偏移量。当阈值取0值时,三角网格不做零树编码。
(3)编码与码流组织
基于三维图形三角网格的嵌入式编码将重要的信息优先编码,并将压缩后的结果放在码流的初始部分,其编码步骤如下:
(3.1)初始化:选定ε0;
(3.2)建立两个列表:主表为所有小波系数,副表为空;
(3.3)第一遍扫描:主表系数是否重要,重要加入副表中,然后相应值清零;
(3.4)第二遍扫描:对不重要的系数判断是否是树叶,是:不编码;
(3.5)ε0=ε0/2;
(3.6)主表不为空,返回(3.1);
(3.7)结束。
经过零树编码后,由于偏移量小波多数为零值或在零值附近而无需编码,这样就大大减少了偏移量小波的数据量。
渐进网格按以下格式进行存储:M0→d0→d1→...→dn-2→dn-1,并依照次序在网格中传输。
Claims (3)
1.一种基于逆Loop细分的嵌入式零树编码方法,其特征在于:所述编码方法包括以下步骤:
(1)构建偏移量小波树:
三角网格作逆Loop细分操作时,每四个三角形简化成一个三角形,利用预测器预测顶点O′,而实际顶点O与预测顶点O′的差就形成了偏移量d,偏移量d是在删除顶点重建网格的对应边上产生,同时每一网格Mj-1中的边与较细层次网格Mj中四个边建立对应四叉树关系;
对于渐进网格M0→M1→...→Mn-1→Mn,基网格M0中的三角形边构成了四叉树的根,树的高即是渐进网格的层级,(n-1)层的偏移量dn-1是最低层的树叶,除(n-1)层外,每层都有4个节点;
(2)偏移量小波处理与选择阈值:
把基网格的偏移量小波d0定义为零树根,最细层次的偏移量小波dn-1定义为孤立零,网格从粗到细的偏移系数的重要性依次降低,粗网格的系数为重要系数,同时,重要系数分为正重要系数和负重要系数;
在同一层次的三角网格的三个偏移量都小于阈值时,则视此偏移系数为不重要的,并假定:如果偏移系数在粗网格中不重要,则其孩子在细网格中也不重要,将此节点连同孩子的均设为零树;零树不必在网络中传输,否则偏移量连同其位置和符号信息一起传输;
(3)编码与码流组织:
基于三维图形三角网格的嵌入式编码将重要的信息优先编码,并将压缩后的结果放在码流的初始部分,其编码步骤如下:
(3.1)初始化:选定阈值ε0,
(3.2)建立两个列表:主表为所有小波系数,副表为空;
(3.3)第一遍扫描:主表系数是否重要,重要加入副表中,然后相应值清零;
(3.4)第二遍扫描:对不重要的系数判断是否是树叶,如果是则不编码;
(3.5)ε0=ε0/2
(3.6)主表不为空,返回(3.1)
(3.7)结束。
3.如权利要求1或2所述的一种基于逆Loop细分的嵌入式零树编码方法,其特征在于:所述步骤(2)中,渐进网络的压缩采用分级零树编码。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN2012105923733A CN103077543A (zh) | 2012-12-29 | 2012-12-29 | 一种基于逆Loop细分的嵌入式零树编码方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN2012105923733A CN103077543A (zh) | 2012-12-29 | 2012-12-29 | 一种基于逆Loop细分的嵌入式零树编码方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN103077543A true CN103077543A (zh) | 2013-05-01 |
Family
ID=48154062
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN2012105923733A Pending CN103077543A (zh) | 2012-12-29 | 2012-12-29 | 一种基于逆Loop细分的嵌入式零树编码方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN103077543A (zh) |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105303620A (zh) * | 2015-12-07 | 2016-02-03 | 杭州电子科技大学 | 一种基于顶点编码的三角网格细分曲面存取方法 |
CN106408620A (zh) * | 2016-09-08 | 2017-02-15 | 成都希盟泰克科技发展有限公司 | 基于压缩感知的三维网格模型数据处理方法 |
Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN1975786A (zh) * | 2006-12-11 | 2007-06-06 | 中山大学 | 一种基于逆Loop细分的渐进网格生成方法 |
CN102186069A (zh) * | 2011-01-14 | 2011-09-14 | 王慧 | 一种保持量测性能的遥感影像数据压缩方法 |
-
2012
- 2012-12-29 CN CN2012105923733A patent/CN103077543A/zh active Pending
Patent Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN1975786A (zh) * | 2006-12-11 | 2007-06-06 | 中山大学 | 一种基于逆Loop细分的渐进网格生成方法 |
CN102186069A (zh) * | 2011-01-14 | 2011-09-14 | 王慧 | 一种保持量测性能的遥感影像数据压缩方法 |
Non-Patent Citations (2)
Title |
---|
朱为朝: "基于零树小波图像压缩编码算法的研究", 《万方数据》 * |
马建平等: "面向移动终端的三角网格逆细分压缩算法", 《软件学报》 * |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105303620A (zh) * | 2015-12-07 | 2016-02-03 | 杭州电子科技大学 | 一种基于顶点编码的三角网格细分曲面存取方法 |
CN106408620A (zh) * | 2016-09-08 | 2017-02-15 | 成都希盟泰克科技发展有限公司 | 基于压缩感知的三维网格模型数据处理方法 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US10694210B2 (en) | Scalable point cloud compression with transform, and corresponding decompression | |
CN1181690C (zh) | 用于压缩视频序列的编码方法 | |
Cosman et al. | Vector quantization of image subbands: A survey | |
Fan et al. | Point cloud compression based on hierarchical point clustering | |
EP3293702A1 (en) | Compressing a signal that represents a physical attribute | |
CN103347187B (zh) | 一种基于自适应方向预测离散小波变换的遥感影像压缩方法 | |
CN105303535A (zh) | 基于小波变换的全球剖分金字塔模型 | |
CN110248190B (zh) | 一种基于压缩感知的多层残差系数图像编码方法 | |
CN103546759A (zh) | 一种基于小波包和矢量量化相结合的图像压缩编码方法 | |
US20230237705A1 (en) | Methods for level partition of point cloud, and decoder | |
Milani | Fast point cloud compression via reversible cellular automata block transform | |
JP2003533952A (ja) | ビデオ系列の圧縮のための符号化方法 | |
CN103077543A (zh) | 一种基于逆Loop细分的嵌入式零树编码方法 | |
KR100511719B1 (ko) | 비율-왜곡 최적화를 이용한 3차원 노말 메쉬 데이터 압축장치 | |
CN101754021B (zh) | 基于改进小波变换图像压缩方法实现手机移动门户的方法 | |
KR20050006323A (ko) | 시점-의존 처리를 이용한 3차원 노말 메쉬 데이터 압축 및전송 장치 | |
Zhu et al. | An improved SPIHT algorithm based on wavelet coefficient blocks for image coding | |
CN102316324A (zh) | 一种基于局部最小熵的图像编码预测方法 | |
Payan et al. | Multiresolution 3D mesh compression | |
Zhu et al. | Embedded Image Compression Using Differential Coding and Optimization Method | |
Köse et al. | 3D model compression using connectivity-guided adaptive wavelet transform built into 2D SPIHT | |
Payan et al. | Temporal wavelet-based geometry coder for 3d animations | |
CN103561275A (zh) | 一种改进条带波变换的图像压缩方法 | |
Karthikeyan et al. | A survey on embedded zero tree wavelet | |
Hisano et al. | Compression of structured 3-D model geometry with multiresolution decomposition by decoded coefficient prediction |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
C02 | Deemed withdrawal of patent application after publication (patent law 2001) | ||
WD01 | Invention patent application deemed withdrawn after publication |
Application publication date: 20130501 |