一种基于无人机前端边缘计算的图像视频压缩方法及系统与流程

本发明涉及图像处理，具体是涉及一种基于无人机前端边缘计算的图像视频压缩方法及系统。

背景技术：

1、无人机获取的图像是由若干帧静态图片连续动作而形成的视频或画面，并且随着画质分辨率的提升，单帧静态图片所占用的体积也随着增大，再加之一段视频中包含大量静态图片，因此会造成文件体积较大，而文件过大不但会占用太多的硬盘空间，而且还不便于快速进行网络传输，从而导致接收方无法快速接收文件，进行分析。

2、现有的压缩技术通常采用相似帧图像识别的方法对相似的图像进行去重压缩，但在视频或多帧图像中，相似图像的占比较少，因此，压缩幅度较小，整体文件仍然较大，提传输的速度无法得到显著提升。

技术实现思路

1、为解决上述技术问题，提供一种基于无人机前端边缘计算的图像视频压缩方法及系统，本技术方案解决了上述背景技术中提出的现有的压缩技术通常采用相似帧图像识别的方法对相似的图像进行去重压缩，但在视频或多帧图像中，相似图像的占比较少，因此，压缩幅度较小，整体文件仍然较大，提传输的速度无法得到显著提升的问题。

2、为达到以上目的，本发明采用的技术方案为：

3、一种基于无人机前端边缘计算的图像视频压缩方法，包括：

4、获取至少一个待压缩图像；

5、确定人眼对色彩识别的目标像素值差值上限，基于目标像素值差值上限，形成图像像素值的替换机制；

6、确定人眼对图像的最小分辨区域；

7、使用图像像素点的替换机制，对待压缩图像中的像素点的像素值进行替换，得到预处理图像；

8、在预处理图像中，基于最小分辨区域，形成至少一个特征点和特征区域；

9、将预处理图像按排列顺序划分为至少一个相邻图像集合；

10、获取相邻图像集合中的预处理图像的重叠部分，作为共同图像，并将预处理图像除共同图像之外的部分，作为差异图像，对共同图像形成标识码；

11、分别对差异图像的至少一个特征点和特征区域以及共同图像中的至少一个特征点和特征区域进行合并，得到目标特征点和目标特征区域；

12、对目标特征区域形成边界拟合函数，对目标特征点的坐标和像素值编码后进行传输，对目标特征区域的边界拟合函数编码后进行传输；

13、获取等待压缩的视频，将等待压缩的视频分帧，得到至少一个视频帧图像，使用压缩至少一个待压缩图像的步骤对至少一个视频帧图像进行压缩。

14、优选的，所述确定人眼对色彩识别的目标像素值差值上限包括以下步骤：

15、获取样本像素点，基于样本像素点的像素值生成至少一个模拟像素点，按模拟像素点的像素值从小到大排列模拟像素点，其中，相邻所述模拟像素点的像素值的差值为预设像素值；

16、获取样本像素点中人眼无法辨别的至少一个不可识别模拟像素点；

17、获取至少一个不可识别模拟像素点中像素值最大的不可识别模拟像素点，作为目标不可识别模拟像素点；

18、将目标不可识别模拟像素点的像素值与样本像素点的像素值的差值，作为目标像素值差值上限；

19、获取样本像素点中人眼无法辨别的至少一个不可识别模拟像素点的步骤如下：

20、将模拟像素点混入至少一个混淆像素点中，混淆像素点由样本像素点复制生成，当人眼无法从模拟像素点和混淆像素点中识别出模拟像素点时，将模拟像素点作为不可识别模拟像素点，否则，不作任何处理。

21、优选的，所述基于目标像素值差值上限，形成图像像素值的替换机制包括以下步骤：

22、当两个所述像素点之间的间距小于预设距离时，若两个所述像素点的像素值的差值小于目标像素值差值上限，则使用两个所述像素点中的任意一个替换两个所述像素点。

23、优选的，所述确定人眼对图像的最小分辨区域包括以下步骤：

24、生成至少一个模拟区域，按模拟区域的面积从小到大排列模拟区域，其中，所述模拟区域为正方形，相邻所述模拟区域的边长的差值为预设长度；

25、对模拟区域中的像素点均赋予样本像素值，获取人眼可识别的模拟区域，作为目标模拟区域；

26、将面积最小的目标模拟区域，作为最小分辨区域；

27、其中，获取人眼可识别的模拟区域的步骤如下：

28、将模拟区域掺入至少一个混淆区域中，当模拟区域的像素点在至少一个混淆区域中可被正确识别时，则将模拟区域作为目标模拟区域，否则，不作任何处理。

29、优选的，所述对待压缩图像中的像素点的像素值进行替换，得到预处理图像包括以下步骤：

30、以预设距离为长度对待压缩图像进行分割，得到至少一个预处理区域，其中，预处理区域的边长均为预设距离；

31、对预处理区域中像素点进行分类，得到至少一个像素点集合，像素点集合中的像素点的像素值差值小于目标像素值差值上限；

32、使用图像像素值的替换机制，将像素点集合中的像素点替换为同一个像素点。

33、优选的，所述基于最小分辨区域，形成至少一个特征点和特征区域包括以下步骤：

34、将预处理图像按最小分辨区域的形状进行分割，得到至少一个待处理区域；

35、对待处理区域中的像素点的像素值进行统计，得到占比最大的像素值，作为标定像素值；

36、将待处理区域中的像素点的像素值均调整为标定像素值，得到特征区域；

37、将特征区域的中心作为特征点，对所有的预处理图像均按照相同方式进行坐标建模，得到特征点的坐标。

38、优选的，所述将预处理图像按排列顺序划分为至少一个相邻图像集合包括以下步骤：

39、将至少一个预处理图像顺序排列，在至少一个预处理图像中获取至少一个定位预处理图像，其中，相邻所述定位预处理图像之间的预处理图像与相邻所述定位预处理图像中左侧的定位预处理图像的相似度小于预设值，相邻所述定位预处理图像的相似度大于预设值；

40、将相邻所述定位预处理图像之间的预处理图像与相邻所述定位预处理图像中左侧的定位预处理图像汇总，得到相邻图像集合；

41、其中，图像的相似度计算如下：两个图像中对应位置的像素点的像素值作差的绝对值累加，得到图像的相似度。

42、优选的，所述分别对差异图像的至少一个特征点和特征区域以及共同图像中的至少一个特征点和特征区域进行合并，得到目标特征点和目标特征区域包括以下步骤：

43、在差异图像中，当两个所述特征区域相邻且两个所述特征区域的像素点的像素值一致时，则将两个所述特征区域合并；

44、当差异图像中的特征区域合并完成时，将合并的特征区域作为目标特征区域，合并的特征区域的中心作为目标特征点；

45、在共同图像中，当两个所述特征区域相邻且两个所述特征区域的像素点的像素值一致时，则将两个所述特征区域合并；

46、当共同图像中的特征区域合并完成时，将合并的特征区域作为目标特征区域，合并的特征区域的中心作为目标特征点。

47、优选的，所述对目标特征区域形成边界拟合函数包括以下步骤：

48、在目标特征区域的边缘均取至少一个取样点，获取取样点的坐标，对取样点进行拟合，得到边界拟合函数。

49、一种基于无人机前端边缘计算的图像视频压缩系统，用于实现上述的基于无人机前端边缘计算的图像视频压缩方法，包括：

50、图像获取模块，所述图像获取模块获取至少一个待压缩图像；

51、数据获取模块，所述数据获取模块确定人眼对色彩识别的目标像素值差值上限，基于目标像素值差值上限，形成图像像素值的替换机制，确定人眼对图像的最小分辨区域；

52、预处理模块，所述预处理模块使用图像像素点的替换机制，对待压缩图像中的像素点的像素值进行替换，得到预处理图像；

53、特征形成模块，所述特征形成模块在预处理图像中，基于最小分辨区域，形成至少一个特征点和特征区域；

54、图像划分模块，所述图像划分模块将预处理图像按排列顺序划分为至少一个相邻图像集合；

55、图像比对模块，所述图像比对模块获取相邻图像集合中的预处理图像的重叠部分，作为共同图像，并将预处理图像除共同图像之外的部分，作为差异图像，对共同图像形成标识码；

56、区域合并模块，所述区域合并模块分别对差异图像的至少一个特征点和特征区域以及共同图像中的至少一个特征点和特征区域进行合并，得到目标特征点和目标特征区域；

57、图像传输模块，所述图像传输模块对目标特征区域形成边界拟合函数，对目标特征点的坐标和像素值编码后进行传输，对目标特征区域的边界拟合函数编码后进行传输；

58、视频压缩模块，所述视频压缩模块获取等待压缩的视频，将等待压缩的视频分帧，得到至少一个视频帧图像，使用压缩至少一个待压缩图像的步骤对至少一个视频帧图像进行压缩。

59、与现有技术相比，本发明的有益效果在于：

60、通过设置数据获取模块、预处理模块、特征形成模块和区域合并模块，通过人眼对图像识别的物理限制，将人眼所无法识别的差异进行同类化处理，则可以据此将图像中的像素点进行聚类并使用同一个像素点的像素值进行表示，由于每个区域仅使用单个像素点进行表示，因此，能大幅缩减每个图像中需要传递的信息量，并且在得到共同图像和差异图像时，对共同图像和差异图像中的特征区域进行合并，由此，能进一步减小需要传输的信息量，同时，根据传递的信息能对图像进行复原，因而能满足传输的需求，并能显著提升传输的效率。

技术特征：

1.一种基于无人机前端边缘计算的图像视频压缩方法，其特征在于，包括：

2.根据权利要求1所述的一种基于无人机前端边缘计算的图像视频压缩方法，其特征在于，所述确定人眼对色彩识别的目标像素值差值上限包括以下步骤：

3.根据权利要求2所述的一种基于无人机前端边缘计算的图像视频压缩方法，其特征在于，所述基于目标像素值差值上限，形成图像像素值的替换机制包括以下步骤：

4.根据权利要求3所述的一种基于无人机前端边缘计算的图像视频压缩方法，其特征在于，所述确定人眼对图像的最小分辨区域包括以下步骤：

5.根据权利要求4所述的一种基于无人机前端边缘计算的图像视频压缩方法，其特征在于，所述对待压缩图像中的像素点的像素值进行替换，得到预处理图像包括以下步骤：

6.根据权利要求5所述的一种基于无人机前端边缘计算的图像视频压缩方法，其特征在于，所述基于最小分辨区域，形成至少一个特征点和特征区域包括以下步骤：

7.根据权利要求6所述的一种基于无人机前端边缘计算的图像视频压缩方法，其特征在于，所述将预处理图像按排列顺序划分为至少一个相邻图像集合包括以下步骤：

8.根据权利要求7所述的一种基于无人机前端边缘计算的图像视频压缩方法，其特征在于，所述分别对差异图像的至少一个特征点和特征区域以及共同图像中的至少一个特征点和特征区域进行合并，得到目标特征点和目标特征区域包括以下步骤：

9.根据权利要求8所述的一种基于无人机前端边缘计算的图像视频压缩方法，其特征在于，所述对目标特征区域形成边界拟合函数包括以下步骤：

10.一种基于无人机前端边缘计算的图像视频压缩系统，用于实现如权利要求1-9任一项所述的基于无人机前端边缘计算的图像视频压缩方法，其特征在于，包括：

技术总结
本发明公开了一种基于无人机前端边缘计算的图像视频压缩方法及系统，涉及图像处理技术领域，包括：获取至少一个待压缩图像；形成图像像素值的替换机制；确定人眼对图像的最小分辨区域；得到预处理图像；形成至少一个特征点和特征区域；获取相邻图像集合中的预处理图像的重叠部分，作为共同图像，并将预处理图像除共同图像之外的部分，作为差异图像；得到目标特征点和目标特征区域；使用压缩至少一个待压缩图像的步骤对至少一个视频帧图像进行压缩。通过设置数据获取模块、预处理模块、特征形成模块和区域合并模块，将人眼所无法识别的差异进行同类化处理，能大幅缩减每个图像中需要传递的信息量，显著提升传输的效率。

技术研发人员：桑培帅,孙飞,汤道宇,张永,韩轩,汪春燕,李杨月,朱刘,孔伟伟
受保护的技术使用者：安徽继远软件有限公司
技术研发日：
技术公布日：2024/9/23