票据图像压缩编码算法的研究

摘要

近年来随着信息管理系统的广泛应用和互联网技术的不断发展，以图像来保存的票据越来越多，主要应用于政府机构或者企业的办公系统、医院信息系统和电子金融管理系统诸多领域，每天都会有海量的票据图像需要存储和传输，因此研究票据图像的压缩具有重要意义。
　　本论文所研究的票据图像压缩编码着重于在保证图像阅读质量的情况下尽可能的提高压缩比。票据图像的主要信息是其中文字、数字和线条等信息，目前常用压缩算法JPEG和JPEG2000是通过尽量舍弃高频信息来实现图像压缩，然而高频信息的减少会导致票据图像中文字、数字笔画以及线条变模糊。针对这种不足，本文提出了有效的压缩算法，主要包括三部分，分别为颜色聚类、压缩编码和码流组织。首先分析票据图像独特的特点，基于人眼视觉特性得知票据图像中相邻像素颜色和区域颜色具有一致性，对票据图像进行颜色聚类得到相应的颜色位图和调色板。其次，以一幅二值图像来表示颜色位图，结合嵌入式零树小波编码算法的思想，对颜色位图进行多分辨率分解构成金字塔图，分析其中各分辨率子图系数之间的关系，提出了改进的零树编码，以求达到比常用图像压缩算法更高的压缩比。最后在零树编码的同时，按照各个位图金字塔图中分辨率的优先级进行码流组织，在码流传输过程中被截断时能够解码出低分辨率的整幅图像。
　　本文算法是基于颜色聚类和零树编码实现对票据图像的压缩。实验结果表明，本文算法相比JPEG在更高的压缩比情况下重建图视觉质量更好，相比JPEG2000在相同高压缩比情况下重建图像视觉质量更好，并且实现了码流截断的处理，有利于对票据图像的存储和传输。

目录

声明

摘要

第一章 绪论

1．1 课题的研究背景和意义

1．2 国内外研究现状

1．2．1 二值及灰度文档图像压缩方法

1．2．2 复合文档图像压缩方法

1．3 论文工作及组织结构

第二章 图像压缩技术

2．1 图像压缩的基本原理

2．1．1 图像压缩编码

2．1．2 图像压缩质量的评价

2．1．3 压缩度量

2．2 票据图像压缩算法的技术路线

2．2．1 票据图像的特性分析

2．2．2 技术路线

2．3 本章小结

第三章 票据图像的颜色聚类

3．1 K-means聚类算法

3．2 票据图像的颜色聚类算法设计

3．2．1 颜色聚类的目的

3．2．2 聚类算法的设计

3．3 初始颜色聚类算法

3．3．1 初始聚类中心

3．3．2 训练并合并初始聚类中心

3．3．3 实验结果及分析

3．4 修正颜色位图

3．4．1 根据相邻像素颜色一致性修正位图

3．4．2 根据区域颜色一致性修正位图

3．5 实验结果及分析

3．6 本章小结

第四章 票据图像的压缩编码

4．1 嵌入式零树小波编码算法

4．1．1 离散小波变换

4．1．2 零树表示

4．1．3 嵌入式编码

4．1．4 编码过程

4．1．5 嵌入式零树小波编码的缺陷与不足

4．2 颜色位图的多分辨率分解

4．2．1 二值图像的多分辨率分解

4．2．2 算法流程

4．2．3 实验结果及分析

4．3 改进的零树编码

4．3．1 金字塔图中系数之间的关系

4．3．2 改进的零树编码过程

4．3．3 分析讨论

4．4 码流组织及码流截断

4．4．1 码流组织

4．4．2 码流截断的处理

4．5 实验结果与分析

4．5．1 压缩算法的实验结果及对比分析

4．5．2 码流截断的实验结果与分析

4．6 本章小结

第五章 总结与展望

5．1 论文工作总结

5．2 未来工作展望

致谢

参考文献