基于低复杂度自适应帧的WVSN视频编码方法

吴国光，刘桂雄，周松斌

（华南理工大学机械与汽车工程学院，广东广州 510640）

基于低复杂度自适应帧的WVSN视频编码方法

吴国光，刘桂雄，周松斌

（华南理工大学机械与汽车工程学院，广东广州 510640）

针对WVSN视频节点资源受限与视频编码方法复杂度高等问题，提出一种基于低复杂度自适应帧的视频编码方法。由“隔块-对角线”差异值计算方法求得差异值，建立自适应帧传输机制，避免逐帧判断，减少计算量。帧内图像采用多边形DCT裁剪JPEG压缩，减少二维DCT计算复杂度。实验结果表明，该方法在保证视频质量前提下，能有效降低视频编码复杂度，与无裁剪JPEG图像压缩相比，当前帧、差分帧JPEG压缩DCT计算量分别减少9.4%、56.3%；与M-JPEG视频编码相比，平均PSNR减少3.1%情况下，平均文件大小显著减少55.0%。

无线视频传感器网络；视频编码；低复杂度；自适应

0 引言

无线视频传感器网络（wireless video sensor network，WVSN）在视频监控、运动检测与跟踪等领域广泛应用，但节点资源受限、视频数据量大，严重制约其发展，故必须在传输数据前对视频数据编码[1]。MPEG-x、H.26x等基于运动估计补偿提高压缩率，但计算量大难以在WVSN应用[2]；分布式信源编码技术将复杂度从编码端转移至解码端，但解码须编码节点保持同步、建立多个信源数据相互关系模型等[3-4]；多节点协同编码方法减少图像重叠部分数据传输，但仅适合于视频节点高密度分布场合[5]；个体信源编码方法的差分JPEG编码具有数据传输量小、信息源间无需通信特点，可在WVSN中应用[6]，国内外学者在减少JPEG压缩计算量、提高差分JPEG编码适应性等方面开展许多工作。Mammeri等[7-8]将DCT系数按矩形、三角形裁剪减少计算量，但裁剪模式较少；Lecuire等提出Cordic-Loeffler快速DCT算法与矩形DCT裁剪结合，但只能简单组合使用[9-10]；文献[11]采用周期性产生并传输参考帧方法，但存在应用适用性、灵活性问题；Aghdasi等通过比较参考帧、差分帧发送像素总数，动态更新参考帧，提高方法自适应能力，但算法复杂[12]。基于差分JPEG方法，本文提出一种低复杂度自适应视频编码方法，详细阐述自适应帧传输机制、帧内图像压缩方法、编码参数初始化与自适应调整方法。

1 基于低复杂度自适应帧的视频编码原理

图1为基于低复杂度自适应帧的视频编码方法原理框图。原始图像、参考帧数据由自适应帧更新算法生成当前帧、差分帧，采用多边形裁剪压缩后经无线方式发送至接收端。无线视频节点资源受限，视频编码算法应权衡复杂度、场景变化程度与编码质量要求。故建立低复杂度参考帧更新机制、图像压缩方法以及视频编码参数自适应选取方法是实现低复杂度自适应帧的视频编码方法的关键。

图1 基于低复杂度自适应帧的视频编码方法原理框图

1.1 低复杂度自适应帧更新机制

差分JPEG压缩发送数据分为当前帧、差分帧，参考帧是视频节点发送数据的判定依据。若当前帧图像与参考帧图像差异值大于设定阈值，则发送当前帧并更新参考帧，否则发送差分帧，差异值计算方法、帧传输判定是自适应帧更新机制的核心。

为克服逐像素相减累加求差异值法计算量大的问题，下面提出一种“隔块－对角线”差异值计算方法，图2为该算法示意图。

图2 “隔块－对角线”差异值计算方法示意图

图2（a）将图像分为8×8 DCT块，标记“1”表示计算该块差异值，“0”表示不计算；图2（b）针对图2（a）中每个DCT块，只计算标记“a”位置像素点差异值；图2（c）为“隔块－对角线”差异值计算方法完整示意图。设图像行、列象素数分别为Pline、Prow，当前帧、参考帧图像分别为Cf、Rf，则差异值Dsum计算式为

可以看出，该算法较逐像素相减累加法计算量减少87.5%。

基于差异值Dsum，由自适应帧传输机制确定发送帧类型，图3为该方法示意图，传输类型分为发送当前帧、单次发送差分帧、连续发送p个差分帧3种，连续发送p个差分帧针对场景变化较慢情况，可避免逐帧判断从而减少计算量。

图3 自适应帧传输方法示意图

由于图3阈值THDsum、TH′Dsum及p值与其他视频编码参数有关，这些参数将在视频编码参数自适应选取方法中进一步讨论。

1.2 多边形裁剪JPEG压缩方法

帧内压缩采用发明专利技术“一种基于多边形裁剪DCT的JPEG图像压缩方法”[13]，图4（a）为该方法示意图（裁剪系数为10），仅计算选取区域系数，其他系数置0，裁剪模式为15种。若裁剪系数为ρ，则多边形裁剪系数个数N（ρ）为

图4（b）为DCT系数个数与裁剪系数关系图。

N（ρ）是ρ函数，ρ越大则N（ρ）越多，计算量增加，越接近标准JPEG压缩系数个数。选择满足图像压缩质量下的N（ρ）非常关键，既要保证质量，又要尽量降低计算量。基于图像所含频率成分不同，以及WVSN应用场合对图像压缩质量要求差异，本文采用多边形裁剪JPEG压缩图像与标准JPEG压缩图像均方根误差（MSE）为压缩质量衡量指标，与设定阈值比较，求得合理裁剪系数。设标准JPEG、多边形裁剪JPEG压缩图像分别为I、I′，则

图4（c）为MSE与ρ关系趋势图，ρ增大，MSE减小，且当ρ=15时MSE=0。设满足编码质量要求时MSE阈值为THMSE，则合理裁剪系数为

多边形裁剪JPEG压缩方法具有较多裁剪模式，DCT计算个数随裁剪系数变化较平缓，可满足多种应用场合编码质量要求。

1.3 视频编码参数自适应选取方法

视频参数对视频压缩质量、编码效率有直接影响，经验值法受主观因素影响较大。图5为本文提出的一种参数自适应选取方法。

视频传输初始阶段，视频节点发送n帧原始图像至视频集成平台，集成平台将图像序列分为当前帧、差分帧不同组合，求得图像序列合理组合方式mopt、当前帧、差分帧裁剪系数ρc与ρD、阈值THDsum、TH′Dsum等参数并传输至视频节点；正常传输阶段，视频节点采集图像后由差异值计算方法求得Dsum并得到传输帧类型，图像压缩后传输；集成平台接收后解码、显示并实时监测实际传输时图像序列组合方式m。对于场景变化较慢情况，可令m≤mopt；对于m＜0.5mopt场景变化较快情况，设定上述情况连续出现次数t≥3，才重新初始化，保证视频场景变化有效性，避免系统参数频繁初始化。

图4 多边形DCT系数裁剪方法及对应特性曲线图

图5 视频编码参数自适应选取方法流程图

1.3.1 合理图像序列组合方式选取

图6为当前帧、差分帧图像序列组合方式示意图，n帧原始图像可分为n-1方式，方式mi∈[1，n-1]，表示发送1当前帧、i帧差分帧。

图6 当前帧、差分帧图像序列组合方式示意图

图像序列组合方式影响数据传输量、视频传输质量，若实际传输时图像序列组合方式m越小，则当前帧nc越多、数据量越大，视频质量越好。将n帧图像按图6分为n-1个组合方式，依次计算当前帧与参考帧差异值并取平均。图7为平均差异值D¯sum趋势示意图，可以看出，m越大，D¯sum越大，则mopt应取与平均差异值D¯sum-mean最接近方式

图7 图像序列不同组合方式平均差异值趋势示意图

1.3.2 合理裁剪系数选取

由多边形裁剪压缩裁剪系数选取方法可求得组合方式mopt下当前帧、差分帧裁剪系数并取算术平均值，求得当前帧、差分帧合理裁剪系数ρc、ρD计算式为

1.3.3 自适应帧传输方法参数选取

合理图像序列组合方式mopt下，有1个当前帧、mopt－1个差分帧，可求得最大、最小差异值分别为Dsum-max、Dsum-min，则图3中阈值THDsum=Dsum-max、TH′Dsum= 0.5（Dsum-max+Dsum-min）。若Round为取整运算，则视频传输时，由Dsum可得p（p≤mopt）值计算式为

初始化阶段，接收端由上述方法求得视频编码各参数。为保证参数能适应场景变化，图像传输阶段，接收端实时监测实际传输时图像序列组合方式m并根据图5流程决定是否重新更新参数。

2 实验研究

在Matlab平台建立仿真环境，测试视频来自http：//trace.eas.asu.edu/yuv/视频测试序列Hall Monitor（QCIF），应用于建筑安全监控，共300帧，取亮度分量为测试对象，1～14帧画面无变化，系视频起始阶段，故选取15～300帧为仿真测试视频。第15～30帧为初始化阶段参数选取序列，图8为第15，19，23，30帧图像。

图8 测试视频序列

2.1 视频编码初始化参数选取结果

图10为图像序列组合方式为12时，即每发送1个当前帧，发送12个差分帧，Dsum与差分帧序号曲线图。由自适应帧传输机制可得THDsum=4.71，TH′Dsum=3.47，p=Round[16.21-3.23Dsum]（p≤mop）t。

图9 平均差异值Dsum与图像序列组合方式关系图

图10 组合方式为12时Dsum与差分帧序号i关系图

测试视频合理图像序列组合方式下当前帧、差分帧个数分别为2和14，图11为当前帧、差分帧分别采用多边形裁剪JPEG压缩裁剪系数与标准无裁剪JPEG压缩MSE曲线图。

若THMSE=0，即与无裁剪压缩差异为0，则由式（6）可分别求得ρc=12、ρc=7，由式（2）可求得，当前帧、差分帧JPEG压缩DCT计算量分别减少9.4%、56.3%。

2.2 视频传输仿真实验结果

得到视频编码初始化参数后，对余下图像序列进行仿真测试，测试结果与动态JPEG编码（M-JPEG）[14]（采用逐帧JPEG压缩，在WVSN中较常使用）进行对比，图12为本文提出方法与M-JPEG法PSNR、图像文件大小对比图。

由图12可看出，本文方法与M-JPEG图像平均PSNR分别为37.6，38.8 dB，降低3.1%，但图像平均文件大小分别为6.8，15.1 kb，显著减少55.0%，故权衡图像质量、运算量、数据传输量指标，本文研究编码方法优于M-JPEG，适合应用于资源受限的WVSN。

3 结束语

图11 组合方式mopt下当前帧、差分帧MSE曲线图

图12 本文方法与M-JPEG法对比图

本文提出的低复杂度自适应视频编码方法，基于当前帧与参考帧差异值动态更新参考帧，避免逐帧判断，减少运算量；自适应帧传输机制采用“隔块－对角线”差异值计算方法具有运算量小、较适用于中近景监控场合等特点；帧内图像压缩采用多边形裁剪JPEG压缩方法，实现图像质量精细调节，具有适用性好、裁剪模式多、复杂度低特点；无线视频节点编码参数由视频数据求得初始化参数，可避免经验值法受主观因素影响较大且适应性不强问题。测试视频实验表明本文编码方法在保证视频编码质量前提下，可显著降低编码运算量、数据传输量，适合于资源受限的WVSN。

[1]Akyildiz I F，Melodia T，Chowdhury K R.A survey on wireless multimedia sensor networks[J].Computer Networks，2007，51（4）：921-960.

[2]Misra S，Reisslein M，Xue G L.A survey of multimedia stream ing in wireless sensor networks[J].IEEE Communicatons Surveys&Tutorials，2008，10（4）：18-39.

[3]Puri R，Majumdar A，Ishwar P，et al.Distributed video coding in wireless sensor networks[J].IEEE Signal Process Mag，2006（23）：94-106.

[4]Pereira F，Torres L，Guillemot C，et al.Distributed video coding：selecting themost promising application scenarios[J]. Signal Process：Image Commmun，2008（23）：339-352.

[5]Ye C H，Ramchandran K.Robust distributed multiview video compression for wireless camera networks[J].IEEE Transactions on Image Processing，2010，19（4）：995-1008.

[6]Lee D U，Kim H，Rahimi M，et al.Energy-efficient image compression for resource-constrained platforms[J]. IEEE Transactions on Image Processing，2010，18（9）：2100-2113.

[7]Mammeri A，Khoumsi A，Ziou D，et al.Energy-aware JPEG for visual sensor networks[M].MCSEAI，2008-O－ran，Algeria：1-7.

[8]Mammeri A，Khoumsi A，Ziou D，et al.Modeling and adapting JPEG to the energy requirements of VSN[C]∥Proceedings of 17th International Conference on Computer Communications and Networks：Virgin Islands，2008：1-6.

[9]Heyne B，Sun C C，Goetze J，et al.A computationally efficient high-quality cordic based DCT[C]∥Proc Conf EUSIPCO：Florence Italy，2006.

[10]Lecuire V，Makkaoui L，Moureaux J M.Fast zonal DCT for energy conservation in wireless image sensor networks[J].Electronics Letters，2012，48（2）：125-127.

[11]Feng W，Kaiser E，Feng W C，et al.Panoptes：scalable low-power video sensor networking technologies[J]. ACM Transctions on Multimedia Computing，Communications and Applications，2005，1（2）：151-167.

[12]Aghdasi H S，Abbaspour M，Moghadam M E，et al.An energy-efficient and high-quality video transmission architecture in wireless video-based sensor netowrk[J]. Sensors，2008（8）：4529-4559.

[13]刘桂雄，吴国光，谭勇.一种基于多边形裁剪DCT的JPEG图像压缩方法[P].中国，201210131458.1.

[14]Dung T V，Nguyen T Q.Quality enhancement for motion JPEG using temporal redundancies[J].IEEE Transactions on Circuits and Systems for Video Technology，2008，18（5）：609-619.

WVSN video coding method based on low complexity self-adaptive frame

WU Guo-guang，LIU Gui-xiong，ZHOU Song-bin
（School of Mechanical and Automotive Engineering，South China University of Technology，Guangzhou 510640，China）

For resolving the problem of constrained resources of node in WVSN and high complexity video coding，a video coding method based on low complexity self-adaptive frame was proposed.The difference value is calculated based on"interlaced-diagonal"method，and the type mechanism of the self-adaptive frame is established to avoid judging each frame to decrease the computation complexity.And intra-frame image coding is based on polygonal DCT pruning JPEG to decrease the complexity of 2D DCT.Simulation results indicate that on the premise of video quality，the proposed method can effectively decrease the complexity of video coding.Compared to JPEG without DCT pruning，the computation amount of DCT in current-frame and differenceframe are decreased by 9.4%and 56.3%respectively.Compared to M-JPEG，the average image size decreased by 55.0%while the average PSNR decreased by 3.1%.

wireless video sensor network；video coding；low complexity；self-adaptation

TP212.9；TN944+.4；TN941.1；TP273+.21

A

1674-5124（2013）03-0073-06

2012-07-23；

：2012-09-29

中国博士后科学基金项目（2012M 511562）；广东省高等学校高层次人才项目（粤教师函[2010] 79号文）

吴国光（1983-），男，广东梅州市人，博士研究生，主要从事先进传感与先进仪器研究。