[发明专利]一种基于增强图变换的点云属性压缩方法

摘要

本发明公布了一种基于增强图变换的点云属性压缩方法，针对点云属性信息，使用K‑dimension(KD)树对点云先进行空域划分，提出一种新的结合频谱分析的图变换处理方法，在点云编码块内的图上对点云再进行频谱聚类，在现有图变换基础上拓展实现局部图变换方案，形成具有两种变换模式的增强图变换，提高图变换的压缩性能；包括：点云属性的颜色空间转换；采用K‑dimension(KD)树划分点云得到编码块；基于频谱聚类的增强图变换；变换模式决策；均匀量化和熵编码。本发明提出一种新的基于频谱分析的增强图变换方案，其中包括两种变换模式，由模式决策选出最佳模式；对点云进行树划分后，在各个编码块内均构建一张图并使用图变换作为变换模式一，在此基础上实现图频聚类，把图划分成两张局部图再进行局部图变换作为变换模式二，支持两种变换模式的增强图变换方案由模式决策选择出最佳模式，以达到点云属性压缩的最佳性能。

主权项

1.一种基于增强图变换的点云属性压缩方法，针对点云属性信息，使用K‑dimension(KD)树对点云先进行空域划分，提出一种新的结合频谱分析的图变换处理方法，在点云编码块内的图上对点云再进行频谱聚类，在现有图变换基础上拓展实现局部图变换方案，形成具有两种变换模式的增强图变换，提高图变换的压缩性能；包括如下步骤：1)点云属性的颜色空间转换：读入待处理的点云属性信息，考虑人眼的视觉特性和压缩处理的难易程度，将点云颜色空间从RGB空间转换到YUV空间；2)采用KD树划分点云得到编码块，并按照广度遍历顺序对编码块进行编号：读入点云的几何信息，根据几何信息对点云进行KD树划分，每次选择点云位置坐标中分布方差最大的坐标轴作为划分轴，选取坐标大小是中位值的点作为划分点，迭代划分直至达到设定的KD树深度；KD树划分的最后一层所得到的块即为点云的编码块，按照广度遍历的顺序对编码块进行编号，该编号将作为编码块后期处理的顺序；3)在编码块内构建图使用增强图变换，有两种变换模式：在编码块内，每两个点n_i、n_j之间用边ε_ij连接起来构建一张全点图G，图上的每个点具有颜色信息，边的权重由两点的几何相对位置决定；边ε_ij的权重大小ω_ij反映n_i、n_j两点之间的几何相关性，所有边的权重ω构成图的邻近矩阵W，进一步得到特征向量矩阵A；变换模式一：将全点图的特征向量A作为变换矩阵，对编码块的颜色信息进行变换；变换模式二：图G的特征向量矩阵A反映了图的频谱分布，由此在矩阵A的基础上进行频谱聚类，实现局部图的分割；使用矩阵A的第二维列向量的正负号将块内所有点聚成两类，如两类点的数量均达到块内点总数的40％以上，则根据聚类情况将图G划分成两张局部图G₁、G₂，分别得到对应的特征向量矩阵A₁、A₂；对两张局部图G₁、G₂中的颜色信息，使用对应的变换矩阵进行变换；4)变换的模式决策：对编码块的颜色信息进行变换有两种模式，需要估计变换的性能来进行模式决策，选出最佳的变换模式；计算变换后系数中前k个最大系数绝对值之和在变换系数绝对值总和中所占的比例，作为变换模式的分数；分数越高，代表选定的变换系数在变换系数总和中所占比例越高，代表该模式的变换效率越高，性能越好，具有最大分数的模式将被选择为当前块的变换模式；5)点云属性压缩码流的生成：按照编码顺序处理所有编码块，对变换后系数进行量化，结合变换模式信息进行熵编码，得到点云属性压缩的最终码流。