CN104581167A - 一种用于无线传感网络的分布式图像压缩传输方法 - Google Patents

Abstract

本发明公开了一种适用于无线传感网络的分布式图像压缩传输方法。该方法基于一种改进的三层网络结构，在网络第一层的采集节点根据待传输图片特征，自动分割图像，将各个分块图像及压缩参数发送到网络第二层的多个编码节点。各个编码节点根据压缩参数对分块图像进行提升9-7小波变换及采用分层小波树集合分割算法进行编码压缩，并将编码文件发送到网络第三层的首个传输节点。网络第三层的传输节点多跳传输编码文件到目标节点，目标节点解码接收到的编码文件重构图像。本发明结合图像分块技术、提升小波变换算法及分层小波树集合分割算法，对图像进行分布式压缩传输，有效减少了网络数据传输量，均衡了传感器节点能耗，延长了网络生命周期。

Description

一种用于无线传感网络的分布式图像压缩传输方法

技术领域

本发明涉及无线传感网络的图像压缩传输技术，特别是涉及用于无线传感网络的分布式图像压缩传输方法。

背景技术

无线传感网络中的数据压缩技术是对传感器采集的数据或者信息进行压缩，传感器网络中需要传输大量的数据，将待传输数据进行压缩再传输，可以有效减少网络中的通信能耗，所以数据压缩非常重要。然而压缩会产生计算能耗，所以在能量有限的无线传感网络中数据压缩机制的设计需要在通信能耗、计算能耗以及其它需要考虑的不同因素之间进行折衷。

图像压缩是数据压缩技术在数字图像上的应用。由于无线传感网络传感器节点能量受到极大限制的特点，多媒体信息处理一直是无线传感网络科研中的重大瓶颈问题。图像压缩应用在无线传感网络中的目的是减少图像数据中的冗余信息，从而用更加高效的格式存储和传输数据，减少网络中的通信能耗。

分布式图像压缩是多个节点互相交流协作，共同完成目标图像的压缩计算任务。由于图像信息量巨大，压缩图像需要较大的数据缓存空间及计算能耗。而且无线传感网络中，节点需要承担数据采集、信息计算与消息传输等任务，若是将网络中采集、计算、传输的压力集中在单个节点上，则不仅增加节点的存储与处理压力，更会减少该节点的寿命。分布式图像压缩在无线传感网络中的应用是把单个节点的复杂图像压缩计算任务分配到无线传感器网络中可以互相通信的多个传感器节点上，多个节点通过互相协作、交流，共同计算、存储及传输数据，合作完成复杂的图像压缩任务。通过分布式图像压缩能把单一节点的压缩计算任务平均分配到多节点承担，有效均衡网络能耗，有利于增加整个网络的生存周期。

发明内容

针对上述问题，本发明提出的分布式图像压缩传输方法，目的在于均衡无线传感网络处理图像信息的能耗，延长网络生命周期。

为实现上述目的，本发明提供基于一种用于无线传感网络的分布式图像压缩传输方法，包括如下步骤：：

步骤(1)在网络第一层的采集节点根据待传输图像的特征，对图像自动均匀分块，把要求的压缩参数及各个分块图像分别发送到网络第二层的多个编码节点；

步骤(2)在网络第二层的各个编码节点接收网络第一层采集节点发送的分块图像，各自对接收到的分块图像进行小波变换，再根据接收到的压缩参数采用基于小波变换的图像压缩算法对变换后的小波系数矩阵数据进行压缩编码，获得编码文件；其中的小波变换算法采用提升9-7小波变换，图像压缩算法采用分层小波树集合分割SPIHT(Set Partitioning In Hierarchical Trees)算法；

步骤(3)在网络第二层的各个编码节点把在步骤(2)中获得的编码文件发送到网络第三层的首个传输结点；

步骤(4)在网络第三层的传输节点多跳传输编码文件至目标节点；

步骤(5)在网络第三层的目标节点对接收到的所有编码文件进行解码及逆小波变换，对数据进行整合，重构图像。

上述技术方案中，步骤(1)所述的图像自动分块方法通过以下步骤实现：

(1.1)检测待传输图像是否为彩色图像并检测待传输图像的大小；

(1.2)若为灰度图像且图像小于50KB，则不分块图像；

(1.3)若为灰度图像且图像大于50KB，则将图像均分为4块；

(1.4)若为彩色图像且图像小于150KB，则将图像按红绿蓝三通道均分为3个子图像；

(1.5)若为彩色图像且图像大于150KB，则将图像按红绿蓝三通道均分为3个子图像，每个子图像再均分为4块，共分成12个分块图像。

上述技术方案中，步骤(2)所述对分块图像进行压缩编码的过程通过以下步骤实现：

(2.1)对接收到的分块图像进行提升9-7小波变换，一般进行5层小波分解；

(2.2)计算分层小波树集合分割SPIHT算法初始门限值，

初始门限值T₀＝2ⁿ，其中

初始化重要系数表LSP(List of Significant Pixels)为空集；

初始化不重要系数表LIP(List of Insignificant Pixels)，LIP＝{c(i,j)∈H}；

初始化不重要子集表LIS(List of Insignificant Sets)，

LIS＝{D(i,j)|c(i,j)∈H且具有非零子孙}；

其中，c(i,j)表示小波系数矩阵中点(i,j)的系数值，i表示该点所在的行数，j表示该点所在的列数；H表示所有树根的坐标集；D(i,j)表示点(i,j)的所有子孙坐标集；

(2.3)分类扫描：在当前限定的门限值下，对小波系数矩阵中的重要系数进行扫描编码，分为扫描不重要系数表LIP与扫描不重要子集表LIS两部分：

(2.3.1)扫描不重要系数表LIP，依次检测LIP中每一个系数，若为有效输出“1”和该系数符号位(若有效系数为正值，输出“1”，为负值则输出“0”)，且将该系数移到重要系数表LSP，若为无效，输出“0”；其中，定义若被扫描系数的绝对值大于当前门限值T，则该系数有效，反之则认为该系数无效；

(2.3.2)扫描不重要系数表LIS；

(2.3.2.1)若该集合为D(i,j)，输出D(i,j)有效性，且若D(i,j)有效，把D(i,j)分割成O(i,j)和L(i,j)；

其中D(i,j)表示点(i,j)的所有子孙坐标集，O(i,j)表示点(i,j)的四个直接子女坐标集，L(i,j)表示点(i,j)的所有非直接子女的子孙坐标集；

(2.3.2.1.1)检测O(i,j)中四个系数的有效性，有效的系数移到重要系数表LSP，并输出“1”和系数符号位，无效的系数移到不重要系数表LIP，并输出“0”；

(2.3.2.1.2)检测L(i,j)是否空集，若非空集，将点(i,j)加入不重要子集表LIS，标记L(i,j)，转到步骤(2.3.2.2)，若为空集，将点(i,j)移出不重要子集表LIS；

(2.3.2.2)若该集合为L(i,j)，输出L(i,j)有效性，若L(i,j)有效，将每个满足(k,l)∈O(i,j)的点加入不重要子集表LIS，标记为D(k,l)，且从不重要子集表LIS中移出点(i,j)；

(2.4)细化处理，扫描重要系数表LSP中非当前这次扫描得到的点，输出第n个最高有效值，n的定义如(2.2)所示。

(2.5)计算新的门限值，门限值计算如(2.2)所示，返回(2.3)，进行下一轮扫描，直到达到压缩参数的要求；

(2.6)由(2.3)至(2.5)的压缩编码输出获得该编码节点对分块图像的压缩编码文件。

上述技术方案中，步骤(5)所述的解码重构图像通过以下步骤实现：

(5.1)网络第三层的目标节点接收编码文件，解读编码文件，获取该编码文件的图像分块方式、压缩编码参数，检测是否已经接收齐全原图像所有分块图像的编码文件，若是尚未接收齐全则继续等待接收下一个编码文件；

(5.2)目标节点根据编码文件中包含的压缩编码参数，逐个解码(5.1)中接收到的编码文件，获得小波系数矩阵数据，所采用的解码方法为分层小波树集合分割算法；

(5.3)目标节点对(5.2)中获得的小波系数矩阵做逆小波变换，获得各个分块图像数据，所采用的小波变换为提升9-7小波变换；

(5.4)目标节点根据编码文件中包含的图像分块方式的信息，拼接(5.3)中获得的分块图像数据，重构原图像。

上述技术方案中，步骤(1)至步骤(5)均是基于以下描述的改进的三层网络结构：

(1)网络第一层为采集节点，采集节点主要职责是分割图像及确定压缩参数，发送分块图像及压缩参数到网络第二层的多个编码节点；

(2)网络第二层包括多个处于采集节点周边的编码节点，编码节点主要职责是按照采集节点告知的压缩参数对接收到的分块图像进行小波变换及压缩编码，再把压缩编码后获得的编码文件发送到网络第三层的首个传输节点；

(3)网络第三层包括多个传输节点及目标节点，首个传输节点接收网络第二层编码节点发送的编码文件，并通过其他传输节点多跳传输编码文件至目标节点。目标节点主要职责是对接收到的所有编码文件进行解码及逆小波变换，对获得的数据进行整合，重构图像。

与现有技术相比，本发明具有如下优点和有益效果：

(1)减少网络数据传输量:本发明充分利用提升9-7小波变换算法及分层小波树集合分割SPIHT算法的结合，尽可能在保持原有图像质量的情况下对图像进行压缩，极大减少了无线传感网络的数据传输量；

(2)均衡网络节点能耗：本发明提出了改进的三层网络结构，基于该网络结构对图像进行分布式压缩传输，相比于集中式压缩传输方式，可以采用多个编码节点分摊单个节点的压缩计算能耗，在整个无线传感网络有效均衡各个节点能耗，延长网络的整体生命周期；

(3)简化网络结构：在经典的基于小波变换的分布式处理算法中，通常每一层次的簇只负责一级小波变换的结构，而一般需要对图像数据进行4到5级的小波变换才能达到较好的压缩编码效果，导致采用经典分布式算法的网络结构需要多个簇群和大量节点参与，网络层次多，结构复杂，容易出现错误，且由于多层次多节点的复杂网络结构，经典算法存在网络通信能耗过大的问题；

而在本发明提出的网络结构中，极大简化了网络结构，网络第一层只有一个采集节点，网络第二层采用单级网络架构的多个编码节点，网络第三层只包括传输节点及目标节点，处于网络各个层次的传感器节点分工明确，网络结构简单，容易维护，且该三层网络结构中，节点与节点之间均采用单方向数据传输，相比于采用经典分布式算法能有效减少整个无线传感网络系统数据往返传输能耗。

附图说明

图1为改进的用于分布式图像压缩传输的三层网络结构图；

图2为实施例组建的分布式图像压缩传输网络结构图；

图3为实施例图像分布式压缩传输总流程图。

具体实施方式

为使本发明的目的、技术方案和优点更加清楚，下面结合附图和实施例对本发明作进一步的详细描述，但本发明要求保护的范围并不局限于实施方式表述的范围。

本发明提出的改进的用于分布式图像压缩传输的三层网络结构如图1所示，实施例采用18个节点组建的网络结构如图2所示，可知实施例中组建的网络结构包括第一层网络的1个采集节点，第二层网络的12个编码节点，第三层网络的4个传输节点及1个目标节点。

实施例实现的功能为，将一幅彩色图像通过分布式压缩传输的方法传输到目标节点。

实施例为图像的分布式压缩传输设计了一套操作处理平台，可实现图像的自动分块、分布式压缩编码、解码重构、无线发送及接收等功能。主要包括图像分块、压缩编码、无线传输、解码重构四大模块。图3为实施例图像分布式压缩传输总流程图，下面对实施例中如何实现图像分布式压缩传输进行详细描述。

步骤(1)在网络第一层的采集节点根据待传输图像的特征，对图像自动均匀分块，把要求的压缩参数及各个分块图像分别发送到网络第二层的多个编码节点。

在步骤(1)中的图像自动分块方法首先检测待传输图像的色彩位深度及图像大小，若为灰度图像且图像小于50KB，则不分块图像；若为灰度图像且图像大于50KB，则将图像均分为4块；若为彩色图像且图像小于150KB，则将图像按红绿蓝三通道均分为3个子图像；若为彩色图像且图像大于150KB，则将图像按红绿蓝三通道均分为3个子图像，每个子图像再均分为4块，共分成12个分块图像。

在实施例中选用的待传输图像是分辨率为512*512，像素位深度为24位，大小为768KB的标准彩色测试图像。根据该发明的图像自动分块方法，在采集节点中将该图像自动分成12块相同大小的灰度图像，每块子图像的分辨率为256*256，像素位深度为8，大小为65.0KB。

在实施例中网络第一层的采集节点选择要求的压缩参数为压缩32倍(实际应用可根据要求重构图像的质量及对通信能耗的需求，选用不同的压缩倍数，压缩倍数越低，重构图像的质量越好但通信能耗越大)，将每个分块图像及要求的压缩参数各自发送至网络第二层的一个编码节点，即是共发送至12个编码节点。

步骤(2)在网络第二层的各个编码节点对接收到的分块图像进行小波变换，再根据接收到的压缩参数采用基于小波变换的图像压缩算法对变换后的小波系数矩阵数据进行压缩，获得编码文件；其中的小波变换算法采用提升9-7小波变换，图像压缩算法采用分层小波树集合分割SPIHT算法。

由于实施例中的步骤(1)将12块分块图像分别传输至网络第二层的12个编码节点，因此步骤(2)在网络第二层的12个编码节点中同时进行，针对实施例中的其中一个编码节点，步骤(2)所述对分块图像进行压缩编码的过程通过以下步骤实现：

(2.1)接收分块图像及要求的压缩参数，对接收到的分块图像进行提升9-7小波变换，默认进行5层小波分解。

根据仿真测试，在无线传感网络的图像压缩中采用提升9-7小波变换，可以在较低的计算能耗下获得较为理想的图像重构质量，且在压缩图像中采用5层分解的提升9-7小波变换足以较好地重构大部分图像，5层的小波分解是适宜的选择。

(2.2)采用分层小波树集合分割SPIHT算法根据在步骤(2.1)中接收到的压缩参数，对步骤(2.1)中获得的小波系数矩阵进行压缩，获得压缩编码文件。

根据仿真测试，在无线传感网络中对图像进行压缩，采用分层小波树集合分割算法是适宜的选择，SPIHT算法相比于其他基于小波变换的算法具有突出的优势。在嵌入式零树小波编码EZW(Embedded Zerotree Wavelet)算法、分层小波树集合分割SPIHT算法及最优截断的嵌入式块编码EBCOT(Embedded BlockCoding with Optimized Truncation)算法这三个经典的图像压缩算法中，SPIHT算法相比于EZW算法具有更好的压缩效率，SPIHT算法相比于EBCOT算法具有更低的计算能耗及更小的内存需求，因此分层小波树集合分割SPIHT算法在这三个算法中是最适合应用于在无线传感网络对图像进行压缩的算法。

在实施例中，根据要求的压缩参数，每个编码节点需要把65.0KB的分块图像压缩32倍，压缩编码后的每个编码文件大小为2.02KB。

步骤(3)各个编码节点把在步骤(2)中获得的编码文件传输到网络第三层的首个传输结点。

在实施例中，网络第二层网共有12个编码节点，每个编码节点发送一个编码文件到网络第三层的首个传输节点，因此该传输节点共需接收12个编码文件。

步骤(4)网络第三层的传输节点多跳传输编码文件至目标节点。

在实施例中，网络第三层共有4个传输节点和1个目标节点，每个传输节点都需要接收并发送12个编码文件到下一个节点。

步骤(5)网络第三层的目标节点对接收到的所有编码文件进行解码及逆小波变换，对数据进行整合，重构图像。

在实施例中，目标节点共需要接收12个编码文件，步骤(5)所述解码重构图像通过以下步骤实现：

(5.1)网络第三层的目标节点接收编码文件，解读编码文件，获取该编码文件的图像分块方式、压缩编码参数，检测是否已经接收齐全原图像所有分块图像的编码文件，若是尚未接收齐全则继续等待接收下一个编码文件；

(5.2)目标节点根据编码文件中包含的压缩编码参数，逐个解码(5.1)中接收到的编码文件，获得小波系数矩阵数据，所采用的解码方法为分层小波树集合分割算法；

(5.3)目标节点对(5.2)中获得的小波系数矩阵做逆小波变换，获得各个分块图像数据，所采用的小波变换为提升9-7小波变换；

(5.4)目标节点根据编码文件中包含的图像分块方式的信息，拼接(5.3)中获得的分块图像数据，重构原图像。

网络数据传输量分析：在实施例中，原图像大小为768KB，采用该发明提出的分布式压缩传输方法，网络第一层的采集节点需要发送12个65.0KB的分块图像到网络第二层的编码节点，网络第二层所有编码节点共需要发送12个2.02KB的编码文件到网络第三层的首个传输节点，网络第三层共有4个传输节点，每个传输节点需要发送12个2.02KB的编码文件到下一个节点，故采用本发明提出的分布式压缩传输方法，共需要发送901.2KB数据。若是采用直接发送原图像的方式，假设在采集节点与目标节点之间有4个传输节点，则采集节点与每个传输节点均需要发送768KB的数据，共需要发送3840KB的数据。因此采用该发明提出的分布式压缩传输算法，可以节省70％以上的数据传输量。

无线传感网络能耗分析：在实施例中，各个节点的能耗如下所示：

采集节点的能耗为E_S＝12×M×E_TX(d)；

编码节点的能耗为E_C＝M×(E_RX+E_TX(d)/r+E_comp)；

传输节点的能耗为E_T＝12×M×(E_TX(d)+E_RX)/r；

目标节点的能耗为E_D＝12×M×(E_RX+E_ncomp)/r

网络总能耗为E₁＝E_S+12×E_C+4×E_T+E_D；

其中M为每块分块图像的大小，单位为bit；E_TX(d)为将1bit数据发送到距离d的能耗；E_RX为接收1bit数据的能耗；E_comp为将1bit数据做小波变换及压缩编码所需的能耗；E_ncomp为将1bit数据做逆小波变换及解码所需的能耗；r为压缩比。

假设各个节点间距离为5m，也即是数据发送距离为5m，则实施例中采集节点能耗为0.33J,编码节点能耗为0.15J，传输节点能耗为0.02J，目标节点能耗为0.06J，实施例网络总能耗为2.27J。

而若是采用直接传输原始图像，采集节点与每个传输节点均需要发送768KB数据，目标节点与每个传输节点均需要接收768KB数据，则网络总能耗为3.22J，在实施例的环境设定下，采用分布式压缩传输方式，网络总能耗可以节省约30％。

而若是采用集中式压缩传输的方式，在采集节点对图像进行直接压缩编码，则采集节点能耗为1.49J，传输节点能耗为0.02J，目标节点能耗为0.06J，网络总能耗为1.63J。

由上数据可知，在无线传感网络中传输图像，压缩图像再传输对于减少通信能耗有着显著的作用，而采用分布式压缩传输方式的网络总能耗会略高于采用集中式压缩传输方式。这是由于本发明提出的分布式压缩传输方法的思想是把压缩图像的计算能耗分摊到周边编码节点进行，因此分布式压缩传输方法在压缩传输图片的总流程中比集中式压缩传输方法多出了一次发送与接收分块图像的能耗。

由上数据可知，实施例中采集节点能耗为0.33J，略高于编码节点能耗0.15J，传输节点能耗0.02J，目标节点能耗0.06J，在分布式压缩传输方法中，采集节点能耗是各个节点能耗中最高的。而在集中式压缩传输方法中，采集节点能耗为1.49J，传输节点能耗为0.02J，目标节点能耗0.06J，采集节点能耗依然是各个节点能耗中最高的。因此，在这两种方法中，无线传感网络的生命周期均受到采集节点生命周期的限制。

可以看出，在分布式压缩传输方法中，各个节点能耗分布较为均衡，由于编码节点分摊了图像的压缩计算能耗，分布式压缩传输方法的采集节点能耗远低于集中式压缩传输方法中采集节点的能耗，只有后者能耗的22.15％。因此，采用分布式压缩传输方法的网络总能耗虽然略高于采用集中式压缩传输方法的总能耗，但是由于分布式压缩传输方法有效均衡了网络中各个节点的能耗分布，采用本发明提出的分布式压缩传输方法，能使网络生命周期相比于采用集中式压缩传输方法的网络生命周期提升约3到4倍。

Claims (4)

1.一种用于无线传感网络的分布式图像压缩传输方法，其特征在于该方法是基于一种三层网络结构，包括如下步骤：

步骤（1）在网络第一层的采集节点根据待传输图像的特征，对图像自动均匀分块，并把要求的压缩参数及各个分块图像分别发送到网络第二层的多个编码节点；

步骤（2）在网络第二层的各个编码节点接收网络第一层采集节点发送的分块图像，各自对接收到的分块图像进行小波变换，再根据接收到的压缩参数采用基于小波变换的图像压缩算法对变换后的小波系数矩阵数据进行压缩编码，获得编码文件；

步骤（3）在网络第二层的各个编码节点把在步骤（2）中获得的编码文件发送到网络第三层的首个传输结点；

步骤（4）在网络第三层的传输节点多跳传输编码文件至目标节点；

步骤（5）在网络第三层的目标节点对接收到的所有编码文件进行解码及逆小波变换，对数据进行整合，重构图像。

2.根据权利要求1所述的一种用于无线传感网络的分布式图像压缩传输方法，其特征在于步骤（1）中采用了一种改进的自动分块图像方法，包括如下步骤：

（1.1）检测待传输图像是否为彩色图像并检测待传输图像的大小；

（1.2）若为灰度图像且图像小于50KB，则不分块图像；

（1.3）若为灰度图像且图像大于50KB，则将图像均分为4块；

（1.4）若为彩色图像且图像小于150KB，则将图像按红绿蓝三通道均分为3个子图像；

（1.5）若为彩色图像且图像大于150KB，则将图像按红绿蓝三通道均分为3个子图像，每个子图像再均分为4块，共分成12个分块图像。

3.根据权利要求1所述的一种用于无线传感网络的分布式图像压缩传输方法，其特征在于该方法结合提升小波变换及基于小波变换的图像压缩算法实现对图像的有效压缩编码及解码；其中，步骤（2）中的小波变换及步骤（5）中的逆小波变换采用的是提升9-7小波变换，步骤（2）中的压缩编码及步骤（5）中的解码采用的是分层小波树集合分割SPIHT算法。

4.根据权利要求1所述的一种用于无线传感网络的分布式图像压缩传输方法，其特征在于步骤（5）中目标节点解码重构图像的过程包括如下步骤：

（5.1）网络第三层的目标节点接收编码文件，解读编码文件，获取该编码文件的图像分块方式、压缩编码参数，检测是否已经接收齐全原图像所有分块图像的编码文件，若是尚未接收齐全则继续等待接收下一个编码文件；

（5.2）目标节点根据编码文件中包含的压缩编码参数，逐个解码（5.1）中接收到的编码文件，获得小波系数矩阵数据，所采用的解码方法为分层小波树集合分割算法；

（5.3）目标节点对（5.2）中获得的小波系数矩阵做逆小波变换，获得各个分块图像数据，所采用的小波变换为提升9-7小波变换；

（5.4）目标节点根据编码文件中包含的图像分块方式的信息，拼接（5.3）中获得的分块图像数据，重构原图像。