欢迎来到天天文库
浏览记录
ID:36850183
大小:2.50 MB
页数:79页
时间:2019-05-16
《SPIHT算法的改进及均值均方差在静态图像压缩中的应用》由会员上传分享,免费在线阅读,更多相关内容在行业资料-天天文库。
1、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SP珊T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
2、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Dcr变换系数的量化公式,使得不同子块之『白J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
3、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。关键词:SPIHTJPEG2000DCTDWT图像压缩正则性SPIHT’SIMPROVEMENTANDTHEAPPUCAnONOFMArHE~咖CALEXPECl:f气n0NANDSTANDARDDEⅥAnONINS1:f盯ICIM魄GECOMPRESSIONABSTRACTWithth
4、edevelopmentofinformationtechnology,theimagecompressionisalwaysahotspotwhichisstudied.Howtoreducethecomplexitvofcompressionalgorithms,howtodeterminequantificationthresholdoftransformcoefficientsinstaticimagecompression.howt0choosewaveletbasesintheimagewaveletcompression,andsoonarestillwo
5、rthstudying.Accordingtothedomesticandforeignresearches,theauthorhasdonedeepstudyandputforwardaseriesofalgorithmstosolveabovequestions,themaincontentsareasfollows:1.HavedonetheresearchofEZWandSPl}rralgorithms.proposediIllprovementSPⅡfrimagecodingalgorithm.Notonlyhastheimprovementalgorithm
6、inheritedori五nalSPIHTalgorithm’smerits,butitalsoreducedtheSPIHTalgorithm'scomplexity,andenhancedtheoriginalalgorithm’sworkingefficiency.Theauthorhasimprovedtheori鲫nalSPIHTalgorithmthrowlghadjustingsortingprocessofwaveletcoefficients,substitutingfortheoriginalellaintablestructurewithonedi
7、Jlflensionalarray,changingthejudgmentbasisofimportantwaveletcoefficients.2.HavedonetheresearchofJPEGstandardflow,appliedthemathematicalexpectationandstandarddeviationintheimagecompressionbasedollDCT.Usingthemathematicalexpectationandstandarddeviationtocalculatethequantifi
此文档下载收益归作者所有