基于小波的图像编码研究.docVIP

基于小波的图像编码研究 　　摘要:基于小波变换的图像压缩技术更是目前图像压缩领域的重要分支,它因具有高压缩比,快速压缩,以及压缩后保持图像特征基本不变等特性,在图像压缩领域获得了广泛的应用和研究。 　　关键词:图像压缩;小波变换;矢量量化;游程编码 　　中图分类号:TP313文献标识码:A文章编号:1005-5312(2010)13-0141-01 　　 　　一、小波图像压缩编码现状 　　自二十世纪八十年代以来,小波变换因其特有的与人眼视觉特性相符的多分辨率分析能力及方向选择能力,而被广泛的应用于图像编码领域,取得了很大的成功。 　　图像经小波变换后,并没有实现压缩,只是对整幅图像的能量进行了重新分配。事实上,变换后的图像具有更宽的范围,但是宽范围的大数据被集中在一个小区域内,而在很大的区域中数据的动态范围很小。小波变换编码就是在小波变换的基础上,利用小波变换的这些特性,采用适当的方法组织变换后的小波系数,实现图像的高效压缩的。 　　目前,基于小波变换的图像编码方法的研究热点有以下几个方面: 　　小波基的选择:选择最优小波基用于图像编码是一个非常棘手的问题,迄今为止尚未发现统一的标准。但还是存在一些可以参考的原则,例如:正交小波基的平滑性与消失矩对图像压缩效果有一定影响,并且平滑性的影响要高于消失矩;由于滤波器长度决定了计算量的大小和边界扩展所引起的失真度大小,应选择适中的滤波器长度。 　　小波系数量化方法:现有的量化方法主要集中在对低频系数处理的标量量化和对高频系数处理的矢量量化两个方面。在标量量化方面,Shpiro于1993年提出的零树小波算法(EZW)是迄今为止最为有效的方法,这种方法很好地利用了小波系数的特性,既实现了高的压缩比,又保证了重建图像的质量。在对EZW算法改进的基础上,Said和Pearlman提出了SPIHT算法这种方法仍然采用树状结构来组织小波系数,所不同的是利用集合的划分来进行编码,虽然这种方法更为有效,但运算过程中需要大量的内存,硬件实现起来困难。矢量量化方法是由Antonini等人首次提出的、利用格型矢量量化进行小波系数编码,取得了良好的效果。 　　除此之外,可逆嵌入式小波图像压缩、小波与分形图像压缩也是近年来人们研究的热点,并且已产生了许多有效的方法,极大的改善了小波压缩性能。 　　图像的压缩过程通常称为编码。图像压缩技术就是通过有效的消除图像的各种冗余,特别是通过消除空间冗余,时间冗余以及利用视觉冗余,达到用尽量少的数据表示和重建原始图像的目的。 　　一个图像压缩系统通常包含下列一种或多种过程: 　　采样:通过按照一定规则排列的栅格对连续图像进行抽样使其离散化。 　　变换:通常是将空间域相关的像素点通过正交变换映射到另一个频域上,使变换后的能量集中系数之间的相关性降低,或提供一种有用的数据结构。 　　 量化:使模拟或高比特率的数据转化成相对较小的比特率字节。这一操作时非线性且不可逆的,是有损的。量化准则选取的不同将导致不同的量化效果。 　　压缩:通过一些可逆的编码方法来减少数据量和存储空间,提高数据流的传输速率。 　　二、图像压缩编码技术与分类 　　根据压缩后的图像能否完全恢复将图像压缩方分为两种:一种是无损压缩;另一种是有损压缩。 　　利用无损压缩方法消除或减少的各种形式的冗余可以重新插入到数据中,因此,无损压缩是可逆过程,也称无失真压缩。为了消除或减少数据中的冗余度,常常要用信源的统计特性或建立信源的统计模型,因此许多实用的无损压缩技术均可归结为统计编码方法。统计编码方法中常用的有Huffman编码、算术编码、RLE(Run Length Encoding)编码等。此外统计编码技术在各种有损压缩方法中也有广泛的应用。 　　有损压缩法压缩了熵,信息量会减少,而损失的信息量不能再恢复,因此有损压缩是不可逆过程。有损压缩主要有两大类:特征提取和量化方法。特征提取的编码方法如模型基编码、分形编码等。量化是有损压缩最基本的形式,其优点是可以得到比无损压缩高得多的压缩比。有损压缩只能用于允许一定程度失真的情况,比如对图像、声音、视频等数据的压缩。 　　无损压缩和有损压缩结合形成了混合编码技术,它融合了各种不同的压缩编码技术,很多国际标准都是采用混合编码技术,如JPEG,MPEG等标准。利用混合编码对自然景物的灰度图像进行压缩一般可压缩几倍到十几倍,而对于自然景物的彩色图像压缩比将达到几十甚至上百倍。 　　根据编码方法的不同,Kunt等人在1985年提出了“第一代”图像编码和“第二代”图像编码的概念,“第一代”图像编码技术是以信息论和数字信号处理为理论基础,旨在去除图像数据中的线性相关性的一类编码技术。这类技术去除客观和视觉的冗余信息的能力已经接近极限,其压