张爱华 唐晓亮 韩杰

摘  要： 为全面缩短分形图像的压缩耗时，进而提升实时重构图像的质量条件，设计一种基于稀疏分解的新型分形图像实时压缩系统。利用规范化电源模块提供分形实时串口模块与ADV212图像压缩模块所需的供应电量，在全面整合分形图像信息的同时，完成新型压缩系统的硬件运行环境搭建。在此基础上，对原图像进行稀疏分解处理，根据目的端应用需求，重构图像传输所需的码流组织，再按照图像的最终分形结果配置具体压缩参数，实现重构图像的分形编码，结合相关硬件执行结构，完成基于稀疏分解的分形图像实时压缩系统设计。对比实验结果表明，与常规图像压缩系统相比，应用分形实时压缩系统后，横向基础压缩时间缩短至6.3 s，纵向基础压缩时间缩短至4.6 s，重构图像的质量条件得到有效提升。

关键词： 分形图像压缩; 图像信息整合; 稀疏分解; 环境搭建; 重构图像分形编码; 码流传输

中图分类号： TN911.73?34; TP309                  文献标识码： A                   文章编号： 1004?373X（2020）17?0029?05

Abstract： In order to shorten the compression time of fractal images and improve the quality of real?time reconstruction images， a new real?time fractal image compression system based on sparse decomposition is designed. The standardized power supply module is used to provide the power energy required by the fractal real?time serial port module and the image compression module ADV212. The hardware operating environment of the new compression system is built while the fractal image information is fully integrated. On this basis， original image is processed with sparse decomposition. According to the application demand of the destination end， code stream organization needed for the image transmission is reconstructed， and then the specific parameters are collocated according to the final fractal compression results of the image to implement the fractal coding of the reconstructed image. The design of the real?time fractal image compression system based on sparse decomposition is completed in combination with the relevant hardware performing structure. The experimental results show that， in comparison with the conventional image compression system， the real?time fractal compression system can shorten the compression time of horizontal foundation to 6.3 s and the compression time of vertical foundation to 4.6 s， which can effectively improve the quality conditions of reconstructed images.

Keywords： fractal image compression; image information integration; sparse decomposition; environment setup; refactoring image fractal coding; code stream transmission

0  引  言

稀疏分解是一种具有约束作用的图像正交分解应用手段，同时具备基函数系的完备性和正交性，可在保持最小固有分辨率的情况下，对分形图像进行压缩分配处理。

常规图像压缩系统所应用的正交分解手段只具备特性稀疏处理能力，即在分形图像质量条件不超过60%的情况下，才能对其进行定向分解，而随着待处理图像总量的不断增加，单个图像所具备的质量条件持续增大，直至最终数量级结果[1?2]达到100%。在这种情况下，正交分解手段的灵活性、适应性等能力均受到限制，不能根据原图像中像素点的分配限制，对其进行有目的的分解压缩，进而导致实际压缩过程中的物理耗时不断增加，且处理所得实时重构图像的质量级条件也始终达不到预期标准。

为解决上述问题，引入稀疏分解原理，在ADV212、实时串口等模块的支持下，对常规化系统的硬件执行环节进行完善，再按照原图像的分解结果配置压缩参数、重构传输码流。最终，按照常规系统框架，设计一种基于稀疏分解的新型分形图像实时压缩系统，并通过对比实验的方式，突出新、旧系统的实用差异性水平。

1  分形图像实时压缩系统硬件设计

新型压缩系统的硬件结构包含电源模块、分形实时串口、ADV212图像压缩模块三个主要执行单元，其具体搭建方法可按如下步骤进行。

1.1  电源模块设计

分形图像实时压缩系统的电源模块以FPGA芯片作为基础搭建结构，可利用XC5VSX5OT结构实现内、外部直流电压调节。

为保证系统I/O电压量始终趋于稳定，FPGA芯片的内核电压必须时刻保持为2.5 V，但作为外部供电装置的PTH04070W设备只能提供电量为38 V的额定电压。

为解决电子量间的相互转换，XC5VSX5OT结构下接一个额定功率为0.05 W的REST板组，通常情况下，这种组合式物理机构的电量转化率最高可达[3?4]6.5%。VI，Inhibit，GND是压缩系统的三个外接承电支柱，当FPGA芯片中现存的电子量不足以支撑分形实时串口模块、ADV212图像压缩模块物理运行时，与PTH04070W设备相邻的单刀三掷开关从“环闭合”转换至“环开启”状态，并以此促进REST板组功率转换操作的快速进行，进而达到维护系统供电平衡的目的。

1.2  分形实时串口模块

图像分形实时串口以RS 422设备作为核心搭建设备，整个单元体结构采取差分传输的稀疏分解方式，即在待压缩数据保持单相传输的情况下，实时串口模块中分形图像的像素节点只能保持主观联动状态[5]。

根据RS 422設备的连接标准性要求可知，分形实时串口模块一条通路中同时可通过多个图像信息数据，且相邻信息始终保持相互独立的通信状态，可直接按照系统压缩指令进入下级处理模块中。

当电源模块处于良好的电量供应状态时，RS 422设备中的双绞线结构首先与系统计算机相连，并在输出通道的促进下，获取所有待压缩图像数据信息。此时位置处于模块同一侧的接收节点会在满足传输需求的情况下，对图像信息进行实时获取，再根据系统指令进行后续的压缩机分解处理[6?7]。完整的分形实时串口模块结构如图2所示。

1.3  ADV212图像压缩模块

ADV212图像压缩模块是系统压缩指令的核心执行结构，其输入端包含一个像素接口和一个主机接口。像素接口是对分形图像信息数据进行分析提取的主要结构，连接一个DMA控制结构，可对图像中像素信息的实时变动情况进行定向记录。

横向相连1个压缩引擎和3个分解编码器，一方面整理由接口中传输而来的分形图像数据信息，另一方面对图像中尚存的像素数据进行采集分解[8?9]。

主机接口分设1个像素FIFO、1个分形FIFO和1个压缩FIFO，可对分形图像提出的压缩指令进行深度分析，3个分支间保持高集中并联，可将满足稀疏分解原理的分形图像数据传输至总线DMA引擎中，并以此作为整理图像中分散信息量的主要手段，进而达到缩短压缩耗时的目的[10]。

完整的ADV212图像压缩模块结构如图3所示。

2  基于稀疏分解的重构图像分形编码

在硬件运行环境的基础上，按照原图像稀疏分解、重构图像码流传输、图像压缩参数配置的物理流程，完成系统的软件运行环境搭建，两者结合，实现基于稀疏分解分形图像实时压缩系统的顺利运行。

2.1  原图像稀疏分解

原图像稀疏分解是实现分形图像实时压缩处理的关键步骤，在硬件单元结构保持稳定运行的前提下，该步骤是实现重构图像质量条件提升的关键环节。总的来说，像素点获取是原图像稀疏分解的起始环节，对于分形图像来说，像素点总量相对较多，且绝大多数点结构分布无规律可循。而随着ADV212图像压缩模块执行速率的提升，隐藏于图像中的像素点得到挖掘，并可按照系统传输需求进行重新排列[11?12]。

散乱度分析作为原图稀疏分解的次级执行环节，可根据分形图像中像素点的分配情况，选择最为适宜的分解处理度量级条件。压缩码组传输是原图像稀疏分解的末尾环节，可利用上述理论依据，确定后续码流重构所需的传输序列条件，并以此为基础，建立分形图像实时压缩所需的物理环境。

完整的原图像稀疏分解流程如图4所示。

2.2  重构图像码流传输

重构图像码流传输利用稀疏分解后的原图像数据，建立全新的实时压缩准则，并以此作为系统对分形图像信息的检索规律，达到定性压缩图像的目的。符合系统压缩需求的重构图像码流需要包含头节点、中间体、尾节点、赘余成分4个主体结构[13]。

头节点是对分形图像中信息节点类型进行的总结说明，像[.CLK2X]，[.LOCKED]都属于图像传输码流的头节点范畴。

中间体是对系统压缩指令进行的解释说明，必须具备压缩区间、压缩精准度等多项物理条件。

尾节点说明了经过稀疏分解后，分形图像中剩余像素节点的具体数量级条件，属于一项物理描述条件[14]。

赘余成分是对系统实时压缩指令进行的限制说明，通过像素节点数量等信息条件可全面限定指令执行步长。

表1总结了几种最为常见类型的重构图像码流。

2.3  图像压缩参数配置

图像压缩参数配置是新型压缩系统设计的末尾环节，可提升压缩指令在分形图像块之间的传输精度，进而达到控制压缩消耗时间的目的。

在进行分形图像实时压缩的过程中，稀疏分解值域量将会逐渐增加，直至该数值结果能够与图像中的像素节点数量进行匹配[15]。假设[r]代表分形图像稀疏分解值域的下限累积条件，[u]代表分形图像稀疏分解值域的上限累积条件，[P]代表被积变量，则可将分形图像中的像素节点数量结果表示为：

在式（1）的基础上，设[g]代表分形图像的最佳处理条件，[d]代表系统压缩权限，联立上述变量可将图像压缩参数结果表示为：

式中：[λ]代表图像分形基础参量;[f]，[h]分别代表两个不同的随机图像像素节点数据。在上述软、硬件结构不出现执行误差的情况下，完成基于稀疏分解的分形图像实时压缩系统设计。

3  实验结论与分析

3.1  实验准备

选取像素对比相对明显的图像作为实验对象，为将平均压缩难度降至最低，在实验前对其进行如图5所示的处理。

已知图5中重叠图像部分并不具备完整的像素节点，且对于压缩系统来说，这种图像排列方式最满足稀疏分解及定向分解的应用标准。为保证实验结果的真实性，实验组、对照组采用相同的实验仪器，实验组计算机搭载基于稀疏分解的分形图像实时压缩系统，对照组计算机搭载常规图像压缩系统。

设置WQE，WVD指标分别作为自变量，横向压缩时间、纵向压缩时间作为因变量，在相同实验环境下分别记录完成10次压缩指令，实验组、对照组各自所消耗的时间情况。

3.2  分形图像横向压缩时间

表2反映了在WQE指标影响下，实验组、对照组横向压缩时间的变化情况。

分析表2可知：WQE指标呈现阶段性增加的变化状态，在前4个实验组别内，WQE指标始终保持为30%，在此阶段，实验组、对照组的横向压缩时间均持续上升，但对照组上升幅度及最大值情况始终高于实验组。在第5～第7个实验组别内，WQE指标始终保持为60%，在此阶段，实验组横向压缩时间始终保持为5.6 s，但对照组横向压缩时间依然保持上升趋势，最大值更远超实验组。在第8～第10个实验组别内，WQE指标始终保持为90%，在此阶段，实验组横向压缩时间始终保持为6.3 s，而对照组横向压缩时间还保持上升趋势，最大值达到8.3 s，远超实验组。综上可知，随着WQE指标水平的提升，应用基于稀疏分解的分形图像实时压缩系统，确实能够有效缩短图像的横向压缩耗时。

3.3  分形图像纵向压缩时间

表3反映了在WVD指标影响下，实验组、对照组纵向压缩时间的变化情况。

分析表3可知：在前4个实验组别内，WVD指标始终保持为30%，在此阶段，实验组的纵向压缩时间基本保持稳定，对照组的纵向压缩时间则呈现稳定上升的变化趋势，最大值达到7.0 s。在第5～第7个实验组别内，WVD指标始终保持为60%，在此阶段，实验组的纵向压缩时间开始出现上升趋势，但因初始值相对较低，故其最大值水平仅达到4.4 s，对照组的纵向压缩时间依然保持稳定上升，最大值已经达到7.3 s。在第8～第10个实验组别内，WVD指标始终保持为90%，在此阶段，实验组的纵向压缩时间先上升，再稳定在最大值状态，对照组的纵向压缩时间虽然开始进入稳定状态，但其最大值7.5 s远超过实验组最大值4.6 s。

综上可知，随着WVD指标水平的提升，应用基于稀疏分解的分形图像实时压缩系统，确实能够有效缩短图像的纵向压缩耗时。

4  结  语

根据实验结果来看，随着WQE，WVD指标的提升，本文系统的分形图像横向、纵向压缩时间均低于常规压缩系统，即在这种情况下，实时重构图像的质量条件得到有效保障。从搭建过程来看，基于稀疏分解分形图像实时压缩系统有效划分了电源、串口等硬件执行结构，并在原图分解、传输码流重构等流程的支持下，对系统的软件执行条件进行完善。从实用性角度来看，这种新型系统重新配置了图像压缩参数，为实现提高压缩结果实时性等目的做出保障。

注：本文通讯作者为唐晓亮。

参考文献

[1] 耿艳萍，赵丽，耿春艳.低质遥感图像压缩域细节特征高效增强仿真[J].计算机仿真，2018，35（7）：130?134.

[2] 李素钧，廖胜，李强.基于多核DSP的H.264图像压缩编码的并行化实现[J].电子设计工程，2017，25（4）：126?129.

[3] 王志国，王梅，张国庆，等.帷幕体单轴压缩破裂声发射空间演化规律与分形特征研究[J].矿冶工程，2017，37（1）：5?9.

[4] 唐国斐，周海芳，谭庆平.基于多核DSP的星载并行遥感图像压缩系统设计与实现[J].计算机应用，2017，37（5）：1246?1250.

[5] 王鸣哲，薛长斌，张学全.星载图像压缩系统中实时二维小波变换的FPGA设计与实现[J].微电子学与计算机，2017，34（7）：33?36.

[6] 张修建，梁伟伟，王兵，等.基于HDLC协议的图像实时压缩传输技术研究[J].计算机测量与控制，2018，26（2）：203?206.

[7] 段竞哲，汤任君，邓洪敏.基于改进的BP神经网络和禁忌表的圖像压缩与重构[J].自动化与仪器仪表，2017，24（3）：21?23.

[8] 梁梦凡，熊利祥，马德宝.一种基于SOC的红外视频网络传输系统设计与实现[J].计算机与数字工程，2017，45（1）：88?91.

[9] 彭世雄，季玉龙，吴志红.基于InfiniBand的并行绘制系统中的数据压缩[J].太赫兹科学与电子信息学报，2017，15（2）：268?272.

[10] 贺大伟，高晓阳，刘佳，等.基于ARM11的图像采集与传输系统设计与实现[J].上海农业学报，2017，33（1）：155?159.

[11] 杨立云，张蓝月，丁晨曦，等.超高速数字图像相关实验系统及其在爆炸研究中的应用[J].科技导报，2018，36（13）：58?64.

[12] 彭晴晴，邸丽霞，张辉，等.基于NiosⅡ的SPIHT算法图像压缩卡的设计[J].火力与指挥控制，2017，42（11）：174?177.

[13] 张洋，李庆忠.基于WBCT变换的水下图像高效压缩方法[J].中国海洋大学学报（自然科学版），2017，47（3）：124?132.

[14] AHN J， YASUKAWA S， SONODA T， et al. An optical image transmission system for deep sea creature sampling missions using autonomous underwater vehicle [J]. IEEE journal of oceanic engineering， 2018， 45（2）： 350?361.

[15] FAHMI F， TIGOR H N， ANGGREINY A. Smart cloud system with image processing server in diagnosing brain diseases dedicated for hospitals with limited resources [J]. Technology & health care official journal of the European Society for engineering & medicine， 2017， 25（3）： 607?610.