1、基于DSP 芯片的超光譜圖像壓縮技術摘 要 基于DSP 的超光譜圖像壓縮系統中，一方面需要尋找優秀的算法，另一方面需要結合DSP 芯片的特點，選取合適設計方案，實現系統設計的功能。本文結合目前現狀，重點介紹了算法的設計，以及DSP 芯片的選取方法，并討論了如何有效地優化系統。 關鍵詞 DSP ；圖像壓縮；超光譜圖像1 引言超光譜圖像壓縮技術是現代信息處理技術中一項尤為重要的技術，近幾年來基于DSP 的圖像壓縮技術成為業內焦點。然而，數據運算量大、處理數據突發性強是圖像處理系統中最大的特點，尤其是超光譜圖像，每幅圖像一般有著上百層的光譜信息。同時，一方面，現有的JPEG 、JPEG2000等一些

2、標準算法并不適合超光譜圖像壓縮領域的要求，或者因為其算法的復雜度難于硬件實現等；另一方面，DSP 芯片的飛速發展，各芯片的性能有差異，完成的功能也不同。因此，算法的尋找與芯片的選擇，是系統設計的關鍵步驟，也是開發者十分關注的問題。2 系統的算法設計圖像壓縮算法中，主要包括脈碼調制、量化法、預測編碼、變換編碼、矢量量化、子帶編碼等。在現有圖像編碼方法進一步發展的同時，一些新的具有重要發展前景的圖像編碼方法如模型基圖像編碼方法，分形圖像編碼和神經網絡方法等，取得了引人注目的進展并取得了不少研究成果。它們的顯著特點是突破了常規編碼技術所依據的信源編碼理論的框架，效果更好。2.1 系統對算法的要求目前

3、，流行的圖像壓縮方法眾多，至于這些方法哪些更好或者哪些不好，還很難評價，而且各個算法的壓縮效率也是與具體的圖像數據和DSP 芯片密切相關，無法下統一的結論。但總的來說，在圖像壓縮技術中，大多是多種方法結合使用，很少有用單純一種方法完成的。一般來說，壓縮比越大，算法越復雜，實時壓縮解壓縮的困難程度越大，要求的硬件環境也越高。比如在可視電話中，若原圖像格式采用QCIF （176×144），則原始圖像有4.5Mb/s的數據量，若最后用28.8kb/S的MODEM 在PSTN 上傳輸，則要提供150多倍的壓縮。當然，由于算法的復雜度增大，還需付出大量的軟件和硬件代價。對于不同的應用系統，算法

4、有相應的要求。如遙感超光譜圖像實時壓縮系統中，一般要求是無損壓縮，且芯片體積小，性能穩定等；而在視頻圖像壓縮系統中，則要求較大的壓縮比，即使丟掉一些信息也是允許的，且芯片處理速度要快，能夠達到系統實時性的要求。即使在確定的系統中，選擇合適的算法也有著重要的意義。比如采用 ADI 公司Blackfin533系列DSP （定點DSP ），當處理一幅大小為720×576的灰度圖片時，采用改進后的DCT 算法共耗時252ms 。如果采用傳統的DCT 變換方法，僅DCT 變換耗時就達到330ms 。可見，算法的選擇對系統的性能有著非常重要的作用。2.2 算法的選取到2007年為止，基于DSP

5、的圖像壓縮技術中，最常見的是變換編碼和熵編碼。前者通過變換，重新組織數據，使圖像能量相對集中于較少的幾個系數，而其他的系數值只具有很小能量，這樣通過抑制能量小的系數，即可實現數據壓縮，壓縮方法是有損還是無損也由變換編碼中是否丟棄一些高頻能量來決定，如小波變換和離散余弦變換等；后者則是在編碼過程中不丟失信息量，即要求保存信息熵，是根據消息出現概率的分布特性而進行的，是無損壓縮編碼。在超光譜圖像壓縮系統中，往往是要求無損或近無損，一般采用傳統的預測編碼（DPCM ）方法，它不經過變換，直接探索像素與像素之間的相關性和波段與波段之間的相關性。一般在波段之間采用預測編碼，波段內采用變換編碼，去掉波段和

6、像素之間的相關性，然后再采用熵編碼。對于DSP 硬件系統來說，最擅長的工作是算法簡單的加法和移位運算。如果需要保持較高的編碼效率，則要盡可能采用運算簡單，避免乘法、查找和判斷的算法，盡量保持軟硬件的流水線結構。因此，目前能在DSP 平臺實現的圖像編碼中，采用的算法大多具有這些特點。比如變換編碼中的整數小波變換，乘法器占用很大的硬件資源，不利于芯片實現，但由于小波濾波器的系數是固定的，因此把乘法操作優化為移位寄存器和加法器操作，即只存在簡單的移位和加法操作，速度很快，占用內存少，非常利于硬件實現。而熵編碼中的算術編碼，2001年就有人提出一種改進的Q-coder 算術編碼算法2，采用重整化方法，

7、可以用來解決硬件實現中的進位翻轉問題，采用移位加來代替原算法中的乘法，可以在硬件花費較少的情況下顯著提高算法的編碼效率。3 系統的芯片選擇在系統設計過程中，選擇DSP 芯片是非常重要的一個環節。只有選定了DSP 芯片，才能進一步設計其外圍電路及系統的其他電路。超光譜圖像壓縮系統中DSP 芯片的選擇應考慮實際應用的需要而確定。 第一，要確定采用哪個公司或哪個系列的芯片。DSP 的主要供應商有TI ，ADI ，Motorola ，Lucent 和Zilog 等，其中TI 占有最大的市場份額。另外ADI 公司也占有一定的市場，與TI 公司相比，ADI 公司的DSP 芯片系統時鐘一般不經分頻直接使用，

8、串行口帶有硬件壓擴，可從8位EPROM 引導程序，可變成等待狀態發生器等。由于工作時鐘較高的原因,TI 公司的DSP 芯片在單芯片處理能力上優于ADI 公司的產品, 但是在多芯片集成處理上ADI 公司的DSP 芯片性能更好一些。其他如ALTEAR 公司的產品也有著部分市場。例如，APEX20K 系列的APEX20K200EFC484-2X 器件，在H.264標準中，先對算術編碼的結構做了改進，用查表代替了乘法操作，并采用流水線結構實現，它的算術編碼器的速度可以達到0.2bit/cycle3。圖像壓縮領域中，我國市場上最常見的是TI 公司的C6000系列芯片。盡管C5000系列芯片也可用于圖像處

9、理系統，但滿足不了實時性的要求。比如在指令周期為10ns 的C5402上對一個1M 大小的二進制數據流進行算術編碼, 需0.4s 4, 若處理一副512*512*8的圖像，最少需要800多秒，不能滿足實際的應用。另外還有C8x 系列多核DSP 集成系統等, 但由于價格昂貴和開發復雜也將被淘汰。第二，確定選擇定點或是浮點DSP 。系統采用的數據格式決定了它所處理信號的精度、動態范圍和信噪比，且不同數據格式的易用性和開發難度也不一樣。目前定點DSP 品種最多，處理速度為202400MIPS；浮點DSP 基本由TI 公司和ADI 公司壟斷，處理速度為40M1GFLOPS。浮點DSP 和定點DSP 相

10、比，有以下幾個方面的區別：首先，浮點運算DSP 比定點運算DSP 的動態范圍要大很多。比如，對于處理8bit/pixel的灰度圖來說，用16bit 定點DSP 即可；如果大于16bit/pixel，則需選用浮點DSP 來捕捉更大的動態范圍。其次，浮點DSP 處理速度大大高于定點DSP ，這一優點在實現高精度復雜算法時尤為突出。比如做JPEG 標準這樣復雜的算法，一般采用浮點DSP 。2005年有人使用TI 的C6711芯片，實現了JPEG 算法，盡管處理時間為56秒，但若充分發揮芯片的潛能，處理速度還可以得到大幅度改善5。另外，浮點DSP 的尋址空間比定點DSP 大得多。這一方面為大型復雜算法

11、提供了可能，另一方面也為高級匯編語言編譯器、DSP 操作系統等高級工具軟件的應用提供了條件。可以看出，浮點DSP 的處理速度與精度、存儲器的容量、編程的靈活性和方便性要好于定點DSP ；但在功耗、成本、體積上定點DSP 有它顯著的優勢，且易于實現，穩定性好。第三，其他因素。除了上面的因素外，超光譜圖像壓縮系統選擇DSP 芯片還需綜合考慮片內資源、開發工具、芯片價格、封裝形式、質量標準、供貨情況、生命周期等。尤其是對于芯片的體積，封裝形式和生命周期等方面的要求，比一般的圖像處理系統要高。目前采用最多的，也是壓縮性能較好的是整數小波變換和算術編碼。其改進的算法有著不錯的效果，且能用定點DSP 實現

12、，如TMS320C62x 和C64x ，尤其是對于整數小波變換，幾乎所有的C6000系列都可以實現；但是對于比較復雜和需要查表一類的算法，采用浮點的比較多，如JPEG 和JPEG2000標準算法，Huffman 編碼等等，則需要選用如C67x 浮點DSP 。例如，對一幅大小512×512，24 位真彩圖作為標準測試圖像，可選擇TMS320C6711DSP （浮點DSP ），若使用JPEG2000 標準進行壓縮，則優化后的壓縮時間約為 4.8s ，解碼時間約為 2.2s ，壓縮率為 20 倍，同時主觀視覺效果良好6。4 系統性能優化系統的性能優化包括軟件優化和硬件優化。在圖像處理算法中

13、，存在大量的循環操作，因此充分地利用軟件流水線技術，能極大地提高程序的運行速度，還可以節約硬件成本, 使系統變得簡單, 提高系統的穩定性。例如，在模板匹配算法中，對于模板大小為 32×16，匹配范圍為112×56，采用最小絕對差和判定法（SAD ）進行逐點匹配，假設采用TMS320C6203芯片，所有的運算和操作都串行執行，且耗時都只1個 CPU 時鐘周期，則總共需要512×5×3200=8192000個CPU 時鐘周期，耗時32ms 。而進行軟件優化后，處理速度提高了約21.8，效果是十分明顯的7。另外在2006年有人研究了去相關、內聯函數、短整型數據

14、用整型處理和軟件流水技術，解決了軟件效率問題，采用基于DSP 核及其數據鏈路特征的優化方法，可以使軟件效率提高515倍。并把這些優化技術應用在基于DSP6416平臺的實時圖像壓縮系統中，在輸入數據率82M byte/s110M byte/s、輸出碼流29M byte/s的條件下，使該系統達到了實時處理的能力，該算法已在國家某重點項目中成功運用。硬件優化方面，需要考慮存儲空間，充分利用快速存儲器，盡量節省程序和數據的存儲空間。一般把核心的代碼和常用函數放在速度較快的內部RAM 中，可以提高系統的速度；若數據放在速度較慢的片外存儲空間，讀取數據時便會造成DSP 流水線的停頓。因此，可以利用DMA

15、模塊將待處理數據搬移到片內存儲空間，可以大大提高處理性能。如2006年提出的一種采用乒乓緩存策略的二維整型提升小波的并行體系結構，用移位操作代替乘法操作，大大減少了算法的運算量。整個結構采用流水線設計，提高了硬件資源的利用率和降低了算法的中間存儲量，與原算法相比，速度提高了15倍，達到了每秒85幀；重構圖像的峰值信噪比也達到了42dB 以上8。總之，系統優化的時候，要針對具體芯片的特點，把軟件算法與硬件結構融合，才能大大提高系統的效率。以C64x 為例，由于C64x 具有雙16位擴充功能，能在一個周期內完成雙16位乘法、加減法、比較、移位等操作，因此可以將短整型數據用整型處理或更長的數據類型進

16、行處理，這樣一次可以把兩個16位的數據讀入一個32位寄存器，然后用內聯函數進行處理，充分利用C64x 的雙16位擴充功能，效率可以提高60多倍9。5 總結與展望目前，圖像壓縮技術發展越來越快。一方面，壓縮算法不斷的完善；另一方面，DSP 性能的不斷提高，使得基于DSP 的圖像壓縮技術成為業內關注的焦點。本文結合當前DSP 芯片在圖像壓縮領域中的應用現狀，給出了超光譜圖像壓縮系統設計過程中，算法的設計和芯片的選擇方法，提出了解決軟件算法和硬件結構之間的矛盾的思路，并討論了系統的優化。可以預料，今后DSP 將朝著系統高度集成、高速高性能、可靈活編程、與網絡結合的方向發展，同時，開發人員也更專注開發

17、專用DSP ，將它應用于如遙感超光譜圖像壓縮、醫學圖像處理等領域，在實際應用中發揮它的巨大優勢。參考文獻1蔣青松, 王建宇. 多光譜圖像的信息分析及數據壓縮J.紅外技術,2004,Vol.26(No.1:44-472彭云, 任俊彥, 葉凡, 周翔. 一種適于硬件實現的算術編碼算法J.通信學報,2001,Vol.22(No.2:49-533陳光化, 陸桂富, 武凱. 基于上下文的自適應二進制算術編碼的硬件實現J.微電子學與計算機, 2006, Vol.23 (No.11:16-254羅鈞, 張國彬.JPEG2000中的二進制算術編碼及其DSP 實現J.重慶大學學報,2003:Vol.26(No.4:34-375蘇艷玲, 孫德輝. 基于DSP 的圖像編碼與實現D.北方工業