SPIHT算法的改进及均值均方差在静态图像压缩中的应用

摘要

随着信息技术的发展，图像压缩一直是人们研究的热点。其中，如何在保证一定图像质量的同时，尽可能的降低算法复杂度；在静态图像压缩中，如何确定变换系数的量化阈值，提高图像的压缩比和峰值信噪比；在小波压缩中如何进行小波基的选取等等，成为一系列值得研究的问题。本文结合国内外研究现状，针对以上问题进行了深入的研究，其主要研究内容有以下几点： 1．对EZW、SPIHT算法进行了深入研究，提出了一种改进的SPIHT图像编码算法。改进算法不仅继承了原有SPIHT算法的各种优点，而且通过调整小波系数的排序过程、用一维数组来取代原有的链表结构、改变小波系数重要性判断的依据等措施进一步降低了SPIHT算法的复杂度、提高了原有算法的工作效率。 2．对JPEG标准的压缩流程进行了深入研究，将均值均方差应用到基于DCT的图像压缩中。采用均值均方差计算DCT变换系数的量化公式，使得不同子块之间采用不同的量化步长。与采用固定量化表相比更能够反映变换系数的分布特征，也有利于实现图像的压缩。但是该方法只适用于包含信息比较单一的图像。 3．对JPEG2000标准的压缩流程进行了深入研究，将均值均方差应用到基于DWT的图像压缩中，进行小波系数的量化。根据各高频系数矩阵的均值均方差，对正负系数分别构造不同的量化公式进行图像压缩，可以获得较好的图像压缩效果和较高的压缩比。 4．对小波基的正则性进行了深入研究，确定了在图像小波压缩中小波基的选取依据。在利用均值均方差进行小波压缩时，对于包含信息单一的图像：正则性阶数越低，图像压缩比越高，重构效果越好；对于包含信息丰富的图像：正则性阶数越高，压缩图像的重构效果越好。

目录

文摘

英文文摘

声明

第一章绪论

1.1课题研究的背景及意义

1.1.1图像压缩的基本概念

1.1.2图像编码的常用方法

1.1.3图像压缩的意义

1.2国内外研究现状及问题

1.3本文主要研究内容

第二章图像小波压缩算法的理论基础

2.1从傅立叶变换到小波变换

2.2小波的基本概念

2.2.1小波函数与尺度函数

2.2.2连续小波变换

2.2.3离散小波变换

2.3多分辨率分析和Mallat算法

2.3.1多分辨率分析

2.3.2 Mallat算法

2.4基于提升方案的小波变换

2.4.1提升方案的基本原理

2.4.2整数小波变换

第三章图像小波压缩算法及SPIHT算法改进

3.1小波图像压缩概述

3.2嵌入式零树小波编码算法(EZW)

3.2.1嵌入式编码(Embedded Coding)原理

3.2.2 EZW编码原理

3.2.3 EZW算法的步骤

3.2.4 EZW算法的意义及缺陷

3.3多级树结构集合分割编码算法(SPIHT)

3.3.1多级树结构集合的分割结构

3.3.2 SPIHT算法中用到的概念

3.3.3 SPIHT算法的编码步骤

3.3.4 SPIHT算法的意义及缺陷

3.4改进的SPIHT图像编码算法

3.4.1改进算法中用到的概念和集合定义

3.4.2改进SPIHT算法的措施

3.4.3改进SPIHT算法的步骤

3.4.4实验结果与分析

第四章均值均方差在静态图像压缩中的应用

4.1均值均方差的数学概念

4.2两种静态图像压缩标准

4.2.1JPEG图像压缩标准

4.2.2 JPEG2000图像压缩标准

4.3均值均方差在基于DCT图像压缩中的应用

4.3.1图像子块的DCT变换

4.3.2均值均方差的应用

4.3.3仿真数据及比较

4.3.4结论

4.4均值均方差在基于DWT图像压缩中的应用

4.4.1小波系数的处理方法

4.4.2仿真结果及分析

4.5小波基选取的探讨

4.5.1小波基的选取

4.5.2实验数据及分析

4.6本章小结

结论

参考文献

致谢

攻读硕士学位期间论文发表及科研工作情况