基于小波变换的图像压缩编码研究的实现new

《基于小波变换的图像压缩编码研究的实现new》由会员上传分享，免费在线阅读，更多相关内容在教育资源-天天文库。

1、上海交通大学硕士学位论文基于小波变换的图像压缩编码算法的研究姓名：顾晟申请学位级别：硕士专业：信号与信息系统指导教师：陈健2003.1.1基于小波变换的图像压缩编码算法的研究摘要数字图像处理这门学科多年来一直是人类研究的热点其中的静止图像有损压缩更是由于蕴含着巨大的实用价值成为这门学科研究中的重点一个优秀的有损图像压缩方法可用尽可能少的字节数来记录存储并重建质量尽可能好的图像从而节约了图像存储的成本降低了图像传输所需要的带宽本文主要研究了基于小波变换以及嵌入式编码的静止图像有损压缩作者提出了一种基于SPIHT的改进压缩编码算法这种方法充分利用了子带内系数的相关性与SPIHT一样可实现嵌入式码流

2、同时在运算量与SPIHT相似的情况下可节省三分之一的空间复杂度这种压缩编码算法所重建图像的性能基本与SPIHT完全一致文中作者介绍了静止图像压缩的一些基本原理并详细讲解了基于小波变换的图像压缩的原理和各种算法作者还通过研究小波变换后所得小波图像的系数提出了两种改进分别是半值预测重建法和比例放大加上半值预测重建法这两种方法均适用于各种基于小波变换的图像压缩编码方法在以SPIHT为例所做的实验表明与原始的小波系数补零重建法相比这两种方法均可在相同的比特率条件下获得1-1.5dB左右的PSNR增益本文还对改善ROI图像质量进行了部分的研究提出了基于图像空间域系数的比例放大法这种方法保证了在ROI与非

3、ROI完全相结合传输时ROI图像质量总高于非ROI图像质量一定程度该法先对图像空间域系数进行放大然后进行传统的小波变换压缩编码传输有效的降低了ROI的MSE从而保证图像质量相对的提高实验证明ROI系数比例变化法可在文件头部仅增加2至3字节的情形下有效的改善ROI的PSNR真正实现了图像的按需传输在相同比特率的情况下以牺牲非ROI的图像质量换取较好的ROI部分的PSNR值文中还特别指出了几种改进算法以降低由于在压缩比过高的情况下ROI与非ROI图像质量相差过大所导致的边缘效应实验也同样证明了这些做法的可行性在本文的最后部分作者对全文做了总结并对此项工作的进一步发展提出了建议附录部分提供了参考文献

4、以及其他一些相关资料以供研究之用作者还提供了所有算法的MATLAB源程序和调用执行的脚本程序以方便其余感兴趣的人直接修改利用以做进一步研究之用关键词有损图像压缩小波变换SPIHTEBPRESEARCHONWAVELETBASEDLOSSYIMAGECOMPRESSIONANDCODINGABSTRACTInrecentyear,digitalimageprocessinghasbeenhotareaofresearching.Lossyimagecompressionisthecentertopicofthissubjectbecauseofitsgreatpracticalusage.Ago

5、odcompressionmethodofdigitalimagecanreducethecostofstoreandtransportation.Thisthesisisonthewaveletbasedlossyimagecompressionandcoding.TheauthorsuggestedanimprovedalgorithmofcompressionandcodingbasedonthefamousSPIHTmethod.ThenewalgorithmwhichiscalledEBPcanalsoimplementstheembeddedcode,what’more,ituti

6、lizesthecorrelationbetweenthewaveletcoefficientsofintraband.TheresultshowsthattheEBPownsthesamecomputationcomplexityandlessstoringcomplexity.Whencodedtothesamelength,EBPalsohasthesameperformanceofPSNRasSPIHT.Inthisthesis,theauthorintroducedsomebasictheoryofdigitalimagecompressionandexplainedallkinds

7、ofalgorithmsbasedonwavelettransformation.Healsosuggestedtwoenhancedwaystooperatethewaveletcoefficients,whichiscalledashalfvaluereconstructionandscalingplushalfvaluereconstruction.Bothmethodscanbefitfo