Huf-RLC 红外压缩论文解读

红外成像系统在安防、工业检测、遥感等领域越来越常见，而线扫（line-scanning）红外探测器又以高分辨率、大动态范围、连续推扫的方式工作，单帧数据量非常可观。论文作者来自中科院上海技物所红外探测与成像技术实验室，他们面对的实际问题是：这些图像冗余高、文件大，但后端往往要求实时或准实时处理，存储与带宽压力极大 #Zhu-2025。

传统方案中，JPEG 基于块 DCT，在低码率下会出现明显的块效应；JPEG2000 用lifting DWT 加 MQ 算术编码，质量更好，但 MQ 是上下文自适应的二进制熵编码，需要逐 bit 维护概率状态，复杂度远高于查表式编码 #Zhu-2025。深度学习压缩虽然 RD 性能可以超过 JPEG2000，却需要神经网络前向推理，对嵌入式或高速场景并不友好。

因此，作者没有走“更复杂模型”的路线，而是反其道行之：在经典的 transform–quantization–entropy 框架内部做工程优化，目标很明确——在尽量接近 JPEG2000 压缩效率的同时，显著降低编码复杂度。这篇 Sensors 2025 论文提出的 Huf-RLC（Run-Length-Enhanced Huffman Coding）就是这个思路的集中体现 #Zhu-2025。

要理解 Huf-RLC 的贡献，必须先回到 Huffman 编码的基本约束。Huffman 是最优前缀码，在“每个符号必须分配整数个 bit”的限制下，它能让平均码长最接近香农熵。但这个限制本身就是瓶颈：当某个符号概率不是 2 的负整数幂时，Huffman 分配的码长必然大于该符号的自信息 #Zhu-2025。

论文用零符号做了一个非常直观的量化。若零的概率为 \(p(0)=0.8\)，它的自信息是：

但 Huffman 给最常见符号分配的最短码通常是 1 bit，于是零符号的码长误差为：

作为对比，一个概率 \(p(x_i)=0.01\) 的非零符号，自信息约为 6.644 bit，Huffman 通常分配 7 bit，误差只有 0.356 bit #Zhu-2025。也就是说，在稀疏分布里，零符号的码长浪费是最大的，而且零越多、浪费越被放大。

到这里，一个自然的思路浮现：如果能把连续零的“游程长度”也编码进去，就可以让一次 Huffman 码字携带多个零的信息，从而把平均到每个零上的 bit 数降到 1 以下。这正是 Huf-RLC 的出发点。

论文的整体框架仍属于经典 transform coding，但每个环节都针对红外图像的统计特性做了精细化设计 #Zhu-2025：

论文 Figure 12：基于 Huf-RLC 和小波系数概率模型的有损压缩框架。高频子带走概率模型 + Huf-RLC，低频 LL 子带先经过 DPCM 再建模编码 #Zhu-2025。

下面我们用 Mermaid 把这个 pipeline 画成一张可读性更强的流程图：

graph TD
    A[原始红外图像] --> B[5级 lifting DWT]
    B --> C[16 个子带系数]
    C --> D[DUSQ 死区量化]
    D --> E{子带类型}
    E -->|LL| F[列向 DPCM]
    E -->|LH/HL/HH| G[保持原系数]
    F --> H[按子带/量化等级查概率模型]
    G --> H
    H --> I[预建 Huffman 码表]
    I --> J[Huf-RLC 零游程增强编码]
    J --> K[压缩码流]
  

可以看到，这条链路的复杂度主要集中在离线阶段（统计概率模型、建码表、选定零游程 bit 数），在线编码阶段几乎全是查表和单次扫描，因此速度非常快 #Zhu-2025。

4.1 为什么选择 DWT 而不是 DCT？

论文在引言部分花了相当篇幅比较 KLT、DCT 和 DWT。KLT 在 MSE 意义下是最优线性正交变换，但需要依赖数据统计，计算复杂；DCT 基函数固定，计算简单，但它是全局基函数，对非平稳图像的局部特征（边缘、纹理）捕捉不足，JPEG 的 \(8\times 8\) 块 DCT 又会在低码率下引入块效应 #Zhu-2025。

小波变换的基函数只在局部区域非零，因此可以整图做卷积式分解，不需要分块，自然避免块效应。同时 DWT 保留时域和频域信息，支持多分辨率渐进传输，这些特性让它成为 JPEG2000 的核心 #Zhu-2025。

论文采用 JPEG2000 中 lossy 模式常用的 Daubechies 9/7 DWT，并用 lifting 实现 #Taubman-2002。lifting 把传统 Mallat 滤波器组分解为预测（prediction）和更新（update）步骤，计算更高效、边界处理更友好，且与 Mallat 滤波器组在数学上等价 #Zhu-2025。

五级 DWT 后，一个图像会产生 \(3n+1=16\) 个子带：1 个 LL 子带保存主体能量，15 个高频子带（LH、HL、HH 各 5 级）保存方向细节 #Zhu-2025。

4.2 DUSQ：让高频系数更稀疏

不同子带的重要性不同：LL 决定整体结构，需要精细量化；高频细节对视觉影响较小，可以粗量化。JPEG2000 采用 Dead-Zone Uniform Scalar Quantization（DUSQ），它相比普通 USQ 在零附近设置了更大的量化区间，从而把更多小幅系数推向 0 #Zhu-2025#Taubman-2002。

死区的选择对 Huf-RLC 至关重要：只有零足够多、零游程足够长，后面的 run-length-enhanced Huffman 才能产生明显收益。论文用 \(T=1.7\Delta\) 这个经验值，在压缩效率和重建质量之间取得平衡 #Zhu-2025。

4.3 量化等级划分：一个参数 Q 控制码率

为了实现可变码率压缩，论文引入量化参数 \(Q\in(0,32]\)，并把系数按 \(Q\) 缩放后再量化：

相近的 \(Q\) 会产生相似的概率分布，因此论文把 \(Q\) 分成 5 个等级，每个等级对应一套概率模型和码表 #Zhu-2025：

这意味着编码器只需要一个 \(Q\) 参数，就能自动选择对应的 5 级量化、16 个子带概率模型、16 个 Huffman 码表，以及每个高频子带对应的 Huf-RLC 零游程 bit 数。

5.1 DPCM 的方向选择

DWT 保留了时域信息，因此子带内部仍存在空间冗余。作者考虑对子带做 DPCM 差分来进一步降低熵。但不同子带的方向特性不同，差分方向选择错误反而会放大噪声 #Zhu-2025：

• LH（水平细节）：沿水平方向变化大，行向差分理论上更合适，但线扫红外图像的 LH 子带能量低、易受噪声影响，差分后熵反而上升。
• HL（垂直细节）：列向存在一定相关性，列向差分略有收益，但不显著。
• HH（对角细节）：噪声敏感，任何差分都会放大噪声、增加熵。
• LL（低频近似）：包含最多图像信息和空间冗余，列向差分收益最明显。

基于以上数据，论文只在 LL 子带上使用列向 DPCM，把熵从 9.7194 降到 7.3093，降幅达 2.4101 bit。这样既能去除冗余，又不会引入额外的复杂度和噪声放大 #Zhu-2025。

5.2 离线概率模型：用“训练集”换在线速度

传统 Huffman 编码需要对每个图像、每个子带在线统计符号概率并构建码表，这会显著拖慢编码速度。论文因此采用直接统计法：对 53 张红外线扫图像做五级 DWT，统计不同量化等级下各子带量化系数的概率分布，再按概率降序构建平均概率模型和预设 Huffman 码表 #Zhu-2025。

这个设计本质上是一个工程折中：它假设同类红外线扫图像在小波子带上有稳定统计规律，因此把“统计概率 + 建码表”的计算从在线编码阶段提前到离线阶段。实际编码时只需根据 \(Q\) 选择对应量化等级、子带概率模型、码表和零游程 bit length #Zhu-2025。

对于超出概率模型边界的极少数符号，论文采用作者前期工作 #Zhu-2025-lossless 的方法：用最大码值统一编码，并把真实值单独存储。由于边界外概率极低，对整体压缩性能影响很小 #Zhu-2025。

6.1 再谈 Huffman 的整数 bit 限制

在深入 Huf-RLC 之前，我们用信息论语言再描述一次问题。设符号集为 \(X=\{x_0,x_1,\dots,x_{n-1}\}\)，概率为 \(P=\{p(x_0),p(x_1),\dots,p(x_{n-1})\}\)。符号 \(x_i\) 的自信息为 \(I(x_i)=-\log_2 p(x_i)\)，整个分布的香农熵为：

Huffman 编码给 \(x_i\) 分配的码长 \(n_i\) 满足 \(n_i\ge I(x_i)\)，因此实际平均码长 \(L_{avg}=\sum_i p(x_i)n_i\ge H(X)\)。等号仅在所有概率都是 \(1/2\) 的整数幂时成立，而实际图像数据几乎不可能满足 #Zhu-2025。

DUSQ 之后，高频子带中零的概率可能高达 0.8 甚至更高。此时零的自信息约为 0.32 bit，但 Huffman 仍给零分配 1 bit，每个零浪费约 0.68 bit。当整幅图像有数百万个零时，这个浪费变得非常可观 #Zhu-2025。

论文 Figure 11：Huffman 编码的码长增长机制与最短码。二叉树中每次向下分叉增加 1 bit，因此最常见符号的最短码也至少是 1 bit #Zhu-2025。

6.2 Huf-RLC 的核心思想

Huf-RLC 没有把 RLC 和 Huffman 简单串联。传统做法通常是对零使用 RLC、对非零符号使用 Huffman，但这需要额外 flag 或 prefix，增加码流开销并复杂化编解码逻辑。本文的做法是：保留 Huffman 码表，但修改最短的零符号码，在它后面追加固定 bit 数来记录连续零的长度 #Zhu-2025。

这样，一段长度为 \(L\) 的零游程所需 bit 数大约是 Huffman(0) 的码长加上 \(k\) bit。当 \(L\) 很大时，\(k\) 被分摊到 \(L\) 个零上，每个零的平均码长就可以低于 1 bit。论文因此称其能够在稀疏分布中把平均码长降到 1 bit 以下 #Zhu-2025。

6.3 算法伪代码与复杂度

论文给出了完整的 Algorithm 1。其核心逻辑可以概括如下（已根据原文整理为更易读的形式）：

输入：Quantized_coeff = [q₀, q₁, ..., qₙ]，码表 C = [c₀, c₁, ..., c₂·pos]
输出：Bitstream

rlc = 0
overflow_buffer = []
Bitstream = []

for 每个系数 qᵢ in Quantized_coeff:
    if qᵢ == 0:
        rlc += 1
        if rlc == 2^k - 1:          // 游程达到上限
            Bitstream += Huffman_encode(C[0])   // 零符号
            Bitstream += RLC_encode(rlc, k)     // k bit 游程长度
            rlc = 0
    else:
        if rlc ≠ 0:                  // 先输出累积的零游程
            Bitstream += Huffman_encode(C[0])
            Bitstream += RLC_encode(rlc, k)
            rlc = 0
        // 非零系数索引
        if qᵢ < 0:
            index = 2·(0 - qᵢ) + 1
        else:
            index = 2·qᵢ
        if index > 2·pos:            // 超出边界，用溢出处理
            index = 2·pos + 1
            overflow_buffer += qᵢ
        Bitstream += Huffman_encode(C[index])

Bitstream += encode(overflow_buffer)

其中符号索引规则是：0 对应零符号；正系数 \(k>0\) 对应索引 \(2k\)；负系数 \(k<0\) 对应索引 \(2(0-k)+1\)。这种交替排列让概率相近的相邻绝对值共享相近的码长 #Zhu-2025。

论文还分析了复杂度：算法对量化系数数组做一次线性扫描，每个元素只做常数时间的计数、比较、索引计算和查表，因此时间复杂度为 \(O(n)\)；除输入数据外只使用常数额外空间，输出 bitstream 规模为 \(O(n)\) #Zhu-2025。

6.4 最优零游程 bit 长度的存在唯一性

这是论文理论部分的一个亮点。作者证明了：对于给定的零游程序列，存在一个唯一的全局最优固定 bit 长度 \(k^*\)，使得总编码代价最小。论文把证明放在了 Appendix A.1 #Zhu-2025。

证明思路很清晰：先定义单条游程的代价 \(f_i(k)=k\cdot\lceil L_i/(2^k-1)\rceil\)。当 \(k\) 较小时，\(2^k-1\) 指数增长，分母增大使上取整项快速下降，线性增长的 \(k\) 被“摊薄”，因此 \(f_i(k)\) 下降；当 \(k\) 超过某个临界值 \(k_i^*\) 后，\(\lceil L_i/(2^k-1)\rceil=1\)，此时 \(f_i(k)=k\) 线性增长。所以每个 \(f_i(k)\) 都是单峰的 #Zhu-2025。

再考虑总代价的前向差分 \(\Delta\operatorname{Total}(k)=\sum_i\Delta f_i(k)\)。随着 \(k\) 增加，贡献负值的项越来越少、贡献非负值的项越来越多，因此 \(\Delta\operatorname{Total}(k)\) 至多从负变正一次。这保证了 \(\operatorname{Total}(k)\) 先严格下降、再严格上升，从而最小值唯一 #Zhu-2025。

把前面的模块串起来，整个编解码流程其实非常简洁。编码端只需要输入图像和量化参数 \(Q\)，解码端只需要码流和同样的 \(Q\) #Zhu-2025：

注意，概率模型、码表、\(k\) 都是离线训练好的，在线阶段完全不需要统计概率或重新建表。这是 Huf-RLC 速度优势的重要来源 #Zhu-2025。

8.1 数据集与实验设置

论文使用 53 张红外线扫图像构成训练集，用于统计概率模型和选择零游程 bit length；另有 27 张来自不同红外线扫探测器工作场景的图像构成测试集，验证泛化性 #Zhu-2025。

8.2 最优零游程 bit 长度的选择

在正式对比之前，论文先回答了“每个子带、每个量化等级应该用多长的 \(k\)”这个问题。实验在 53 张训练图像上，对五级 DWT 的 15 个高频子带，分别在 5 个量化等级下，测试 \(k=1\sim 20\) 的压缩增益。压缩增益定义为 Huf-RLC 压缩比除以标准 Huffman 压缩比 #Zhu-2025。

论文 Figure 13：一级分解高频子带在不同量化等级下的压缩增益随零游程 bit 长度变化曲线。每条曲线对应一张图像，并标注了 53 张图在最优点的均值。由于 Appendix A.1 的存在，最优 \(k\) 是唯一的，取均值作为该子带的固定 \(k\) 是合理的 #Zhu-2025。

从图中可以观察到：\(k\) 较小时，记录能力弱，长游程需要频繁拆分；\(k\) 太大时，每个游程都多付出了不必要的 bit。曲线呈单峰形态，与 Appendix A.1 的理论证明一致。论文进一步规定：只有当某子带的压缩增益大于 2 时，才对该子带启用 Huf-RLC；否则退回到标准 Huffman 编码 #Zhu-2025。

8.3 与 JPEG、JPEG2000 的 RD 对比

主实验从训练集和测试集各选 3 张图像，在低码率（量化等级 1）和高码率（量化等级 5）下与 JPEG、JPEG2000 对比。定量结果见 Table 5 #Zhu-2025：

低码率下，JPEG 的平均 PSNR 仅 28.97 dB、SSIM 0.8484，而本文方法分别达到 40.50 dB 和 0.9649，与 JPEG2000（43.17 dB / 0.9729）的差距很小；高码率下三者差距进一步缩小。这说明本文方法在极低码率下也能保持接近 JPEG2000 的重建质量，同时避免了 JPEG 的块效应 #Zhu-2025。

论文 Figure 14：JPEG、JPEG2000 与本文方法在低/高码率下的重建图对比。低码率下 JPEG 块效应明显，本文方法视觉效果更接近 JPEG2000 #Zhu-2025。

在训练集和测试集全部图像上绘制的 RD 曲线（Figure 15）以及平均差距统计（Table 6）进一步验证了结论 #Zhu-2025：

论文 Figure 15：训练集与测试集上的 PSNR/SSIM-BPP 曲线。本文方法整体优于 JPEG，并保持与 JPEG2000 较小差距 #Zhu-2025。

8.4 压缩速度

速度测试在 Intel i7-12700H、16 GB RAM 的 Windows 平台上进行，使用单图批处理脚本。Table 7 报告的平均速度为 #Zhu-2025：

这篇论文的贡献可以概括为三点。第一，作者针对红外线扫图像的小波子带统计规律建立了离线概率模型，避免在线统计和建表，把熵编码复杂度降到查表级别。第二，作者发现稀疏量化小波系数中零符号的 Huffman 最短码误差是压缩效率瓶颈，并用零游程增强修补这个问题，且给出了最优 bit 长度的存在唯一性证明。第三，作者对 LL 子带单独使用列向 DPCM，在不显著增加复杂度的情况下减少低频空间冗余 #Zhu-2025。

9.1 局限与适用范围

但它的局限也很明显。首先，概率模型依赖 53 张同类红外线扫图像的统计分布，泛化到其他红外成像模式、普通热成像阵列图像、RGB-T 数据集或医学热红外图像时需要重新验证。其次，论文主要比较 JPEG、JPEG2000 和本文方法，没有纳入 BPG/VVC intra、CCSDS 122.0 或现代 learned image compression baseline。第三，方法优化的是 PSNR、SSIM、BPP 和速度，并未评估红外下游任务，例如目标检测、测温误差或小目标保持能力 #Zhu-2025。

这意味着第三方可以独立复现算法框架和流程，但若要跑出与原文完全一致的 PSNR/SSIM，必须重新采集同类红外图像、重新统计概率模型并重新搜索最优 \(k\)。

9.2 对学习式压缩的启发

虽然这篇论文不是 learned image compression，但它对红外 LIC 很有启发：红外图像压缩不一定要从更大的网络开始，很多收益来自对数据统计的准确理解。DWT 子带、DUSQ 零稀疏、LL 子带空间冗余、线扫方向相关性、零游程长度分布，这些都可以成为神经压缩模型里的 inductive bias。

一个自然的后续方向是把 Huf-RLC 的思想迁移到学习式熵模型：用小波域 latent 表示红外图像，用神经 entropy model 预测不同子带的概率参数，同时显式建模 zero-run 或 sparse token。这样可以在保留红外统计结构的同时，让模型适应更多场景。