SPIHT算法的改进及均值均方差在静态图像压缩中的应用

论文摘要

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。

论文目录

• 摘要
• ABSTRACT
• 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
• 4.2.1 JPEG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