基于静止图像编码的数据压缩算法的研究与实现.doc
- 文档编号:2491289
- 上传时间:2022-10-30
- 格式:DOC
- 页数:25
- 大小:98.50KB
基于静止图像编码的数据压缩算法的研究与实现.doc
《基于静止图像编码的数据压缩算法的研究与实现.doc》由会员分享,可在线阅读,更多相关《基于静止图像编码的数据压缩算法的研究与实现.doc(25页珍藏版)》请在冰豆网上搜索。
尽管数据存储技术不断发展,但人们对于压缩图像数据以节省数据存储空间和提高信道利用率的需求仍在增长。
图像的无损压缩相对有损压缩来说更加困难,取得的进展也更小。
目前,基于小波的图像压缩方法是图像压缩领域发展较快的一个分支,提升方法能够方便的构造从整数到整数的小波,为图像的无损压缩研究提供了有力的工具。
而对小波系数编码的方法是实现图像压缩的关键技术,不仅关系到图像的最终压缩效果、也关系到图像的恢复质量和编解码的时间消耗。
本文对小波的研究主要集中在提升方法上,并选择了9/7-F、9/7-M两种传统用于图像压缩的小波来用提升方法实现从整数到整数的小波,为后面进一步研究系数编码做好准备。
基于分级量化的重要性测试编码是小波系数编码方法中重要的一类方法.本文对该类方法进行了全面和深入的研究,探讨了基于该方法的图像无损压缩编码算法,以改善图像无损压缩的性能,这是本文研究的重点。
对分层树集合分割算法(SPIHT,SetPartitioningInHierarchiacalTrees)、嵌入式块集合分割算法(SPECK,theSetPartitionEmbeddedblockcoder)这两种先进的、有代表性的算法本文作了详细和全面的分析与讨论。
在此基础上,本文提出了自己的基于分级量化的重要性测试编码的算法,该算法除了在集合分类策略和搜索策略上采用了新的方法外,还采用了截断量化和对特殊组合进行编码等方法来改善图像无损压缩的性能,同时又不影响有损压缩的性能。
本文算法在无损压缩性能、执行速度和有损压缩性能上同SPIHT、SPECK算法做了比较,都优于这两种算法。
另外,本文对算术编码,特别是它的实现作了研究,主要是为了探讨将该方法与本文的算法相结合,进一步提高图像压缩性能的可能性。
从实际情况来看,这一想法是可行的。
关键词:
图像压缩,编码,小波,提升方法,算术编码
摘要i
ABSTRACTi
第一章绪论1
1.1图像压缩编码研究的现状和发展1
1.1.1统计编码2
1.1.2预测编码2
1.1.3变换编码2
1.1.4其它编码方法3
1.2小波分析在图像压缩编码研究中的应用4
1.2.1小波的构造5
1.2.2量化和编码6
1.3论文介绍7
第二章静止图像的编码分析9
2.1分级量化的思想9
2.2分层树集合分割算法(SPIHT)10
2.3嵌入式块集合分裂编码器(SPECK)12
2.4现有方法的不足14
第三章图像编码算法及其实现15
3.1小波的构造15
3.1.1提升方法15
3.1.2整数小波16
3.2截断量化的编码方法17
3.3图像的编码算法19
3.3.1算法119
3.3.2算法221
3.4算术编码22
第四章压缩软件的设计及测试24
4.1系统结构24
4.2软件的设计和实现25
4.2.1编码器结构25
4.1.2数据分析部分26
4.2.3文件格式26
4.3软件使用简介27
4.3.1界面设计27
4.3.2小波变换的步骤28
4.3.3小波系数编码的步骤28
4.3.4图像压缩的步骤29
4.4测试分析及结论30
4.4.1压缩效果评价30
4.4.2实验数据31
4.4.3数据分析32
第五章结束语35
5.1研究和开发工作的总结35
5.2将来进一步的工作和计划35
参考文献36
致谢37
附录38
摘要
ABSTRACT
Althoughthetechniquesofdatastoragearedevelopingthedemandforcompressionforimagedataisrapidlygrowingsothattosavethespaceofstorageandimprovetheuseratioofchannel.Comparingwithlossyimagecompression,thelosslessimagecompressionismoredifficultanditsdevelopmentisslower.Now,imagecompressionmethodbasedonwaveletisthebranchwhichdevelopmentisfastinimagecompressingfield.Liftingschemecandesignthewavelettransformsthatmapintegertointeger,whichprovidestheeffectivetoolforstudyingthelosslessimagecompression.Ontheotherhand,themethodforwaveletcoefficientscodingisakeytechniquetoimplementimagecompression,whichnotonlyaffectstheeffectofcompression,butalsothequalitiesofresumingimageandthetimeofcodinganddecoding.
Thisthesispresentsaninvestigationintoliftingscheme,Then,the9/7-Fand9/7-M
waveletswhichusegenerallyinimagecompression,areselectedforfactoringthem
intoliftingstepssoastostudythecoefficientscoding.
Themethodbasedonscalarquantizedsignificanttestingschemesisanimportant
classofcodingforwaveletcoefficients,whichisstudiedinthisthesissoastofindthewaytoimprovetheperformanceoflosslessimagecompression.Theseworksarethekeyofthisthesis.Aninvestigationoftwoclassicalalgorithms,SPIHT(SetPartitioningInHierarchicalTrees)andSPECK(SetPartitionEmbeddedblockcoder)ispresented.Then,thisthesispresentsanalgorithmbasedonthemethodforlosslessimagecompression,whichusesnewstrategyofsetpartitioningandothernewmethods,whichimprovetheperformanceoflosslessimagecompressionandnotaffectthelossycompression.ThenewalgorithmcomparingwithSPIHTandSPECKhasbetterperformancesinlosslesscompression,lossycompressionandtimeofcodinganddecoding.
Inaddition,thisthesispresentsaninvestigationintoarithmeticcoding,especially
itsimplementation.Thisisforfindingtheotherwaytoimprovetheperformancesof
thenewalgorithm.Thisthoughtisprovedbythepractice.
Keywords:
Imagecompressing,Coding,Wavelet,Liftingscheme,Arithmeticcodin
第一章绪论
1.1图像压缩编码研究的现状和发展
图像数据只是众多类型的数据中的一种,因此图像压缩编码也是数据压缩的一个部分,只是图像具有与语音、文字等其他数据不同的特点,所以需要分别加以研究。
图像压缩编码的目的就是为了减少原始数据的数据量,即以尽量少的比特数表示原来的图像,同时又要能保持复原图像的质量,满足规定的要求。
压缩编码节省了数据的存储空间,这样不论是在传输数据还是在处理数据的时候都会给我们带来很大的便利。
我们从信息源得到的数据是含有冗余的,如果可以去掉这些冗余,就可以使数据量减少;而且数据之间也存在一定的相关性,如果能够去除这些相关性,再对数据进行适当的编码,也能减少原始数据的数据量;如果可以在一定的程度上容忍损失一些关系不大的数据,同样也能起到减少数据量的目的。
信息论为数据压缩提供了理论基础[1],信息论认为信源中含有或多或少的自然冗余度,这些冗余度既来自于信源本身的相关性中,又来自于信源概率分布的不均匀性中。
只要找到去除相关性或改变概率分布不均匀性的方法和手段,就可以实现有效的数据压缩。
图像压缩就是指的图像压缩编码,也可以简称图像编码,在本论文的后面部分中,就不再对这几个概念进行区分,它们的含义都是相同的。
图像编码属于信源编码的范畴,真正从科学的意义上对图像编码进行研究的历史相对于很多学科来说并不长,只有不到六十年的时间。
对它的分类根据研究问题的出发点不同,可以有不同的分类方法。
从压缩的角度分类,可以分为无损压缩编码和有损压缩编码,有损压缩也可以称为统计压缩;从现有的实用编码方法来看,可以划分为三大类经典的编码方法:
统计编码、预测编码和变换编码。
从技术发展的角度,Kunt提出过第一代、第二代图像编码的概念[2],他把1948年-1988年40年中研究的以去除冗余度为基础的编码方法称为第一代编码,如PCM、DPCM、亚取样编码法,变换域的DFT、DCT、沃尔什-哈达玛变换编码等,以及以此为基础的混合编码法均属于经典的第一代编码法。
第二代编码方法多是80年代以后提出的新的编码方法,如金字塔编码、分形编码、基于神经网络的编码、小波变换编码、模型基编码、分形压缩等。
下面就从基本的三类编码方法出发,全面介绍图像编码的各类方法。
1.1.1统计编码
统计编码是建立在图像的统计特性基础之上的压缩编码方法,根据像素灰度值出现概率的分布特性而进行的压缩编码。
常见的统计编码是变长编码,主要有霍夫曼码、香农-费罗码、算术编码等。
统计编码是一种高效的编码法,其主要的缺点是:
(1)码字不是等长的,不便于数据存储单元收集代码;
(2)前面提到的几种码都缺乏构造性,不能用数学方法建立一一对应关系;
(3)需要在编码过程中知道每种消息出现的概率,但这实际上难以做到。
1.1.2预测编码
预测编码是建立在现代统计学和控制论基础上的,其基本思路是,在图像编码过程中,可以利用图像像素间的相关性,根据某一像素的值来预测相关下一点的取值,然后将像素点的实际值和预测值相减得到
- 配套讲稿:
如PPT文件的首页显示word图标,表示该PPT已包含配套word讲稿。双击word图标可打开word文档。
- 特殊限制:
部分文档作品中含有的国旗、国徽等图片,仅作为作品整体效果示例展示,禁止商用。设计者仅对作品中独创性部分享有著作权。
- 关 键 词:
- 基于 静止 图像 编码 数据压缩 算法 研究 实现
![提示](https://static.bdocx.com/images/bang_tan.gif)