数字图像混合压缩编码算法的研究

论文摘要

图像压缩编码技术是现代多媒体及通信领域中的关键技术之一。目前图像编码方法的种类繁多,每一种编码方法都存在着各自的优缺点。为了取得更好的编码效果,将不同的方法相结合的数字图像混合压缩编码算法成为近几年研究的重点。本文综述了当前主流的混合压缩编码算法的原理以及实现方法。深入剖析了两类混合图像编码算法:基于DCT系数小波重组的图像编码算法和基于形态学的新型图像编码方法。强调指出,重组后的DCT系数具有小波系数多分辨率特性。前一类混合算法综合了DCT和零树编码的各自优点,具有很高的实用价值。后一类混合算法应用形态学方法,直接对小波子带的重要系数进行编码,能进一步降低计算复杂度。论文提出了基于形态学的DCT系数重组的图像编码（MR-DCT）的改进算法。改进之处主要包括:针对DCT重组系数各子带的不同特点,对最低频子带进行了单独编码,采用了失真较小的DPCM方法,而对其它子带则采用了不同的结构元素进行形态学膨胀操作,这样能更好地利用不同子带系数分布的特点。实验结果表明,本文提出的改进算法不仅优于JPEG和EZ-DCT,而且重建后的Lena和Goldhill图像的峰值信噪比分别高出MR-DCT算法0.15-0.30dB和0.18-0.40dB。且本文算法对于纹理较复杂的图像更为有效。

论文目录

• 摘要
• Abstract
• 第一章 绪论
• 1.1 图像编码技术研究的背景和意义
• 1.2 图像编码算法的概述
• 1.3 图像压缩质量的评价标准
• 1.3.1 主观评价标准
• 1.3.2 客观评价标准
• 1.4 本课题的研究内容及章节安排
• 第二章 混合图像压缩算法
• 2.1 基于DCT变换的混合图像编码
• 2.1.1 基于DCT变换的分形图像编码
• 2.1.2 基于预测编码和DCT相结合的图像编码
• 2.2 基于小波域的混合图像编码
• 2.2.1 基于小波域的分形图像编码
• 2.2.2 小波变换和神经网络相结合的混合编码
• 2.3 其它类型的混合图像编码方法
• 2.3.1 基于遗传算法的图像分形压缩编码
• 2.3.2 基于神经网络的图像分形压缩编码
• 2.4 混合编码在视频图像编码中的应用
• 第三章 DCT系数小波重组
• 3.1 传统的DCT变换编码
• 3.1.1 离散余弦变换DCT
• 3.1.2 传统的DCT图像编码方法
• 3.2 基于小波变换的图像编码
• 3.2.1 离散小波变换DWT
• 3.2.2 基于小波变换的图像编码方法研究
• 3.3 DCT系数小波重组
• 3.3.1 DCT与小波系数的特点
• 3.3.2 DCT系数小波重组的方法
• 3.4 基于DCT系数小波重组的图像编码方法
• 3.4.1 基于DCT的图像层次编码
• 3.4.2 基于DCT的图像可分级编码
• 3.5 本章小结
• 第四章 基于形态学的图像编码算法
• 4.1 数学形态学与图像处理
• 4.1.1 形态学的基本概念与运算
• 4.1.2 形态学在图像处理中的应用
• 4.2 基于形态学的小波变换编码
• 4.2.1 基于形态学的小波编码结构
• 4.2.2 基于形态学的小波编码方法
• 4.3 基于形态学的DCT系数小波重组图像编码
• 4.3.1 基于DCT的形态学
• 4.3.2 基于形态学的DCT系数编码方法分析
• 4.3.3 基于形态学的DCT系数图像编码方法
• 4.4 基于形态学的DCT系数小波重组图像编码的改进算法
• 4.5 实验结果与分析
• 4.5.1 混合图像编码方法的实验结果与分析
• 4.5.2 基于形态学的图像编码方法的实验结果与分析
• 4.6 本章小结
• 第五章 结束语
• 5.1 本文的总结
• 5.2 未来的展望
• 致谢
• 参考文献
• 在读期间研究成果