结合符号编码和零量化系数估计的EZW算法

论文摘要

随着网络的普及和图像数据广泛传输，图像数据的压缩成了一个热门的领域。由于小波变换具有很好的时域和频域局部性，当前小波变换成了图像压缩的一个有力的工具。 小波变换系数由幅值和符号组成。虽然当前对小波变换系数幅值进行编码已有了比较高效的算法，但是现行的小波编码算法对小波变换系数符号的编码并非如同对幅值的编码那么有效。事实上，学术界曾经普遍认为，对小波系数符号进行熵编码不会得到压缩效益。直到最近才开始出现一些学者研究小波图像编码的这个领域。 在这篇论文中，将在嵌入式小波图像编码的环境下对符号编码进行详细的探讨。除了将内部子带小波系数应用在符号编码的上下文模型外，还将描述一种投影技术，这种技术使非内部子带小波系数也能整合入这个上下文模型。在解码器端，也可以用累积的符号预测统计信息来推导零量化系数估计，提高图像重建质量。这些技术被验证会获得平均0.3dB的PSNR收益，并且对任意类型的嵌入式小波图像编码都适用。

论文目录

• 摘要
• ABSTRACT
• 1. 数字图像压缩技术概况
• 1.1 图像数据压缩概述
• 1.2 当今数据压缩技术的发展现状
• 1.2.1 数据压缩技术的分类
• 1.2.2 无损压缩
• 1.2.3 有损压缩
• 1.3 数字图像压缩基本概念
• 1.3.1 保真度准则
• 1.3.2 哈夫曼编码
• 1.3.3 算术编码
• 1.3.4 变换编码—DCT变换及小波变换编码
• 1.3.5 量化
• 1.3.6 预测编码
• 1.3.7 JPEG2000标准
• 2. 经典的小波图像编码算法
• 2.1 嵌入式零树小波编码算法—EZW
• 2.1.1 算法原理
• 2.1.2 算法分析
• 2.2 多级树集合分裂算法SPIHT
• 2.2.1 原理分析
• 2.3 集合分裂嵌入块编码器SPECK
• 2.3.1 原理分析
• 3. 小波系数符号编码
• 3.1 简述
• 3.2 内部子带符号相关
• 3.3 使用投影技术的符号预测
• 4. 零量化系数的估计
• 5. 实验
• 6. 算法复杂度分析
• 7. 结论
• 参考文献
• 硕士生期间已发表及录用的论文
• 致谢