买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！

申请/专利权人：西安邮电大学

摘要：本发明属于无人机图像压缩传输技术领域，公开了一种基于感兴趣区域提取的无人机图像压缩算法，具体技术方案为：通过超像素分割算法SLIC与区域聚类算法DBSCAN对输入图像进行预处理；经过分割后，对原图像的两个子图采用不同的压缩比进行压缩，对感兴趣区域采用无损压缩，对非感兴趣区域采用高压缩比进行压缩；将压缩数据信息与感兴趣区域的坐标位置信息组合并通过无线信道传送至地面接收站；接收到图像数据信息后，先进行解压操作，再根据感兴趣区域的坐标位置合成出感兴趣区域子图与非感兴趣区域子图，重构出原始图像，实现更高的压缩效率，优先保证感兴趣区域的传输质量，既满足紧急应用场景下及时反馈的需求，又能保证传输图像的感兴趣区域有效信息质量更好。

主权项：1.一种基于感兴趣区域提取的无人机图像压缩算法，其特征在于，具体步骤如下：步骤一、感兴趣区域的提取与分割：通过超像素分割算法SLIC对输入图像进行预处理，初始化超像素个数K，将输入图像分成相等大小的K块，将输入的原始RGB彩色图像通过映射转化到CIELAB颜色空间，将CIELAB颜色空间中的每个像素点颜色特征L,a,b及坐标x,y组合成向量L,a,b,x,y进行距离度量；通过均匀间隔或基于像素特征选择聚类中心，初始化聚类中心Ck＝[Lk,ak,bk,xk,yk]T；对于每个像素p，假设像素p与聚类中心Ck之间的距离Dp，并将像素p分配给最近的聚类中心，使用该聚类内所有像素的平均值作为新的聚类中心，更新每个聚类的中心，检查聚类中心是否收敛，若移动量小于某个阈值，则终止算法，否则返回前面的步骤；超像素分割后得到K个超像素块，通过DBSCAN区域聚类算法对K个超像素块进行聚类，初始化参数邻域半径ε和邻域内最小点数MinPts，从超像素块中任意选取一个聚类中心Cp，计算以Cp为中心、半径为ε的邻域内的点数目Np；若Np≥MinPts，则Cp被认为是核心点；若点q在点p的ε-邻域内，且点p是核心点，则点q被认为是由点p密度可达的；若存在一个点序列p1,p2,...,pn，p1＝p,pn＝q，且对于任意pi,pi+1都是由pi密度可达的，则称点q是由点p密度连接的；根据密度连接关系，将K个超像素块划分为若干个聚类，每个聚类包含至少一个核心点，以及由核心点密度可达的所有点，将不属于任何聚类的点标记为噪声点；经过区域聚类后，基于输入图像的像素颜色特征，感兴趣区域将被划分为一个聚类，记录感兴趣区域的坐标位置信息，判别图像各像素是否属于感兴趣区域，将原图像分割为感兴趣区域与非感兴趣区域；步骤二、JPEG图像压缩：经过分割后，原图像被分成两个子图，对两个子图采用不同的压缩比进行压缩，对感兴趣区域采用无损压缩，对非感兴趣区域采用高压缩比进行压缩；三、传输或存储：图像压缩后，将压缩数据信息与感兴趣区域的坐标位置信息组合并通过无线信道传送至地面接收站；四、图像重构：接收到图像数据信息后，先进行解压操作，再根据感兴趣区域的坐标位置合成出感兴趣区域子图与非感兴趣区域子图，重构出原始图像。

全文数据：

权利要求：

百度查询： 西安邮电大学 一种基于感兴趣区域提取的无人机图像压缩算法