基于视觉注意模型的红外图像分级压缩方法

苏娟; 杨罗; 卢俊

留言板

尊敬的读者、作者、审稿人, 关于本刊的投稿、审稿、编辑和出版的任何问题, 您可以本页添加留言。我们将尽快给您答复。谢谢您的支持!

姓名
邮箱
手机号码
标题
留言内容
验证码

基于视觉注意模型的红外图像分级压缩方法

苏娟, 杨罗, 卢俊

文章导航 > 红外与激光工程 > 2014 > 43(6): 2040-2045

苏娟, 杨罗, 卢俊. 基于视觉注意模型的红外图像分级压缩方法[J]. 红外与激光工程, 2014, 43(6): 2040-2045.

引用本文:

苏娟, 杨罗, 卢俊. 基于视觉注意模型的红外图像分级压缩方法[J]. 红外与激光工程, 2014, 43(6): 2040-2045.

Su Juan, Yang Luo, Lu Jun. Hierarchical infrared image compression method based on visual attention model[J]. Infrared and Laser Engineering, 2014, 43(6): 2040-2045.

Citation:

Su Juan, Yang Luo, Lu Jun. Hierarchical infrared image compression method based on visual attention model[J]. Infrared and Laser Engineering, 2014, 43(6): 2040-2045.

基于视觉注意模型的红外图像分级压缩方法

1.
第二炮兵工程大学907室,陕西西安 710025

基金项目:

国家自然科学基金（61132008，61302195）

详细信息

作者简介:
苏娟（1973-），女，博士，副教授，主要从事。感图像处理和目标识别方面的研究。Email：suj04@mails.tsinghua.edu.cn

中图分类号: TP391

Hierarchical infrared image compression method based on visual attention model

1.
Section 907,The Second Artillery Engineering University,Xi'an 710025,China

摘要: 针对红外成像末制导武器人在回路模式中回传图像高压缩比与高保真度之间的矛盾，提出了一种基于视觉注意模型的红外图像分级压缩方法。在采用视觉注意模型提取得到红外图像显著区域的基础上，按照显著区域、背景区域、过渡区域对图像进行三级划分，然后根据不同区域图像中信息的重要程度采取不同的压缩方式，进而实现对整幅图像的压缩。实验结果表明：该方法在保留目标重要信息的同时，大大减少了图像传输的数据量，与传统的整图压缩方法相比，更适用于人在回路的应用场合。
- 人在回路 /
- 视觉注意模型 /
- 显著区域 /
- 图像压缩
Abstract: Aiming at the contradiction between high compression ratio and high fidelity of the return image in man-in-the-loop (MITL) of infrared imaging guidance weapons, a hierarchical infrared image compression algorithm based on visual attention model was proposed. On the basis of salient regions of infrared image extracted by visual attention model, salient regions, background regions and transition regions were divided and compressed by different compression methods according to the importance of information of different image regions, in this way the compression of the whole image was realized. The experimental result shows that the proposed algorithm can not only preserve the important information of typical targets, but also decrease the data size in image transmission, and it is more suitable for MITL operation mode than the traditional full image compression method.
- man-in-the-loop /
- visual attention model /
- salient region /
- image compression

[1]	Song Fuzhi. Selection between ATR and man-in-the-loop techniques[J]. Tactical Missile Technology, 2006(2): 59-62. (in Chinese) 宋福志. ATR 与人在回路的选择[J]. 战术导弹技术, 2006 (2): 59-62.
[2]
[3]
[4]	Su Juan. Research on key techniques for automatic recognition and tracking of FLIR targets[R]. Xi'an: The Second Artillery Engineering University, 2012. (in Chinese) 苏娟. 前视红外目标识别与跟踪关键技术研究[R]. 西安:第二炮兵工程大学, 2012. (in Chinese)
[5]
[6]	Sang Nong, Li Zhenglong, Zhang Tianxu. Applications of human visual attention mechanisms in object detection[J]. Infrared and Laser Engineering, 2004, 33(1): 38-42. (in Chinese) 桑农, 李正龙, 张天序. 人类视觉注意机制在目标检测中的应用[J]. 红外与激光工程, 2004, 33(1): 38-42.
[7]
[8]	Itti L, Koch C, Niebur. A model of saliency-based visual attention for rapid scene analysis[J]. IEEE Transactions on Pattern Analysis and Machine Intelligence, 1998, 20 (11): 1254-1259.
[9]	Navalpakkam V, Itti L. An integrated model of top-down and bottom-up attention for optimizing detection speed[C]//Proceedings of IEEE Conference on Computer Vision and Pattern Recognition, 2006, 2049-2056.
[10]
[11]
[12]	Rosin P L. A simple method for detecting salient regions[J]. Pattern Recognition, 2009, 42(11): 2363-2371.
[13]	Kadir T, Brady M. Saliency, scale and image description[J]. International Journal of Computer Vision, 2001, 45(2): 83-105.
[14]
[15]
[16]	Yuewei Lin, Bin Fang, Yuanyan Tang. A computational model for saliency maps by using local entropy[C]//Proceedings of the Twenty-Fourth AAAI Conference on Artificial Intelligence, 2010: 967-973.
[17]	Wu Shanyu, Yan Zhenming. Modified Huffman code and its applications[J]. Communications Technology, 2009, 42(1): 309-311. (in Chinese) 武善玉, 宴振鸣. 改进的Huffman 编码及其应用[J]. 通信技术, 2009, 42(1): 309-311.
[18]
[19]	Shapiro J M. Embedding image coding using zero trees of wavelet coefficients[J]. IEEE Transactions on Signal Processing, 1993, 41(12): 3445-3462.

[1]	李鹏越, 续欣莹, 唐延东, 张朝霞, 韩晓霞, 岳海峰. 基于并行多轴自注意力的图像去高光算法 . 红外与激光工程, 2024, 53(3): 20230538-1-20230538-11. doi: 10.3788/IRLA20230538
[2]	王向军, 欧阳文森. 多尺度循环注意力网络运动模糊图像复原方法 . 红外与激光工程, 2022, 51(6): 20210605-1-20210605-9. doi: 10.3788/IRLA20210605
[3]	陈世琼. 基于非线性抗噪声估计的视觉显著性弱小目标检测 . 红外与激光工程, 2022, 51(9): 20210939-1-20210939-6. doi: 10.3788/IRLA20210939
[4]	夏信, 何传亮, 吕英杰, 王守志, 张博, 陈晨, 陈海鹏, 李美萱. 深度学习驱动的智能电网运行图像数据压缩技术 . 红外与激光工程, 2022, 51(12): 20220097-1-20220097-6. doi: 10.3788/IRLA20220097
[5]	孙嗣良, 黄勇, 马斌, 陈韧, 孙力. 基于回路的MOS电阻阵单像素红外模型建模方法研究 . 红外与激光工程, 2019, 48(12): 1226002-1226002(10). doi: 10.3788/IRLA201948.1226002
[6]	王忠良, 冯文田, 粘永健. 结合光谱解混与压缩感知的高光谱图像有损压缩 . 红外与激光工程, 2018, 47(S1): 189-196. doi: 10.3788/IRLA201847.S126003
[7]	齐楠楠, 姜鹏飞, 李彦胜, 谭毅华. 基于视觉显著性和目标置信度的红外车辆检测技术 . 红外与激光工程, 2017, 46(6): 604005-0604005(9). doi: 10.3788/IRLA201746.0604005
[8]	罗木生, 沈培志, 陈邓安, 张海峰. 人在回路红外成像导弹搜捕概率建模与仿真 . 红外与激光工程, 2017, 46(8): 804003-0804003(6). doi: 10.3788/IRLA201746.0804003
[9]	杨新锋, 胡旭诺, 粘永健. 基于分类的高光谱图像压缩算法 . 红外与激光工程, 2016, 45(2): 228003-0228003(4). doi: 10.3788/IRLA201645.0228003
[10]	杨新锋, 韩利华, 粘永健. DSC的超光谱图像无损压缩算法 . 红外与激光工程, 2016, 45(3): 323003-0323003(7). doi: 10.3788/IRLA201645.0323003
[11]	纪强, 石文轩, 田茂, 常帅. 基于KL与小波联合变换的多光谱图像压缩 . 红外与激光工程, 2016, 45(2): 228004-0228004(7). doi: 10.3788/IRLA201645.0228004
[12]	徐超, 高敏, 杨耀. 卡尔曼粒子滤波中基于精确运动模型的局部区域估计 . 红外与激光工程, 2015, 44(11): 3475-3482.
[13]	杨新锋, 刘远超, 粘永健, 滕书华. 超光谱图像的分布式压缩 . 红外与激光工程, 2015, 44(6): 1950-1955.
[14]	孙照蕾, 惠斌, 秦莫凡, 常铮, 罗海波, 夏仁波. 红外图像显著目标检测算法 . 红外与激光工程, 2015, 44(9): 2633-2637.
[15]	许芃, 李东光, 靳佰良. 采用区域生长和EMDs模型的运动目标检测方法 . 红外与激光工程, 2014, 43(10): 3486-3491.
[16]	王金玲, 贺小军, 宋克非. 采用区域互信息的多光谱与全色图像融合算法 . 红外与激光工程, 2014, 43(8): 2757-2764.
[17]	彭志勇, 王向军, 卢进. 窗口热辐射下基于视觉显著性的红外目标检测方法 . 红外与激光工程, 2014, 43(6): 1772-1776.
[18]	刘春香, 郭永飞, 李宁, 司国良. 星上多通道TDICCD相机内部的图像实时合成压缩 . 红外与激光工程, 2013, 42(8): 2068-2075.
[19]	李新娥, 任建岳, 吕增明, 沙巍, 张立国, 何斌. NSCT域内基于改进PCNN和区域能量的多光谱和全色图像融合方法 . 红外与激光工程, 2013, 42(11): 3096-3102.
[20]	纪超, 刘慧英, 邵刚, 孙景峰. 基于生物激励计算模型在图像显著性提取中的研 . 红外与激光工程, 2013, 42(3): 823-828.

点击查看大图

计量

文章访问数: 711
HTML全文浏览量: 32
PDF下载量: 181
被引次数: 0

基于视觉注意模型的红外图像分级压缩方法

1. 第二炮兵工程大学907室,陕西西安 710025

作者简介:
苏娟（1973-），女，博士，副教授，主要从事。感图像处理和目标识别方面的研究。Email：suj04@mails.tsinghua.edu.cn

收稿日期: 2013-10-14
修回日期: 2013-11-17
刊出日期: 2014-06-25

基金项目:

国家自然科学基金（61132008，61302195）

中图分类号: TP391

关键词:

摘要: 针对红外成像末制导武器人在回路模式中回传图像高压缩比与高保真度之间的矛盾，提出了一种基于视觉注意模型的红外图像分级压缩方法。在采用视觉注意模型提取得到红外图像显著区域的基础上，按照显著区域、背景区域、过渡区域对图像进行三级划分，然后根据不同区域图像中信息的重要程度采取不同的压缩方式，进而实现对整幅图像的压缩。实验结果表明：该方法在保留目标重要信息的同时，大大减少了图像传输的数据量，与传统的整图压缩方法相比，更适用于人在回路的应用场合。