高性能的可伸缩图像编码研究

论文摘要

目前，数字图像已在诸多领域有着广泛的应用。日益增长的海量数据，给存储器的容量，通信信道的带宽以及计算机的处理速度带来了前所未有的极大压力。如何有效地组织、存储、传输和恢复图像数据，或探索和研究压缩比更高，质量更好，复杂度更低的图像编码技术是现代信息处理的关键任务之一。随着因特网在全球范围的日益普及，各种新兴多媒体业务的相继出现，传统的编码方法面临巨大的挑战。除了应具有好的压缩效果外，图像编码还需要适应多变的应用环境，如用户的不同需求，异构网络支路的不同传输条件和终端的不同处理能力等等。本论文以探索满足上述要求的高性能图像编码方法为目标，围绕图像压缩的变换、量化和编码等几个主要环节而展开研究，重点开发了基于小波变换和基于稀疏分解的两类高性能的可伸缩图像编码器。论文的创新性研究的主要内容为：1．系统深入地研究嵌入式小波图像编码技术，对当前先进的小波系数组织和编码方法进行分类总结和探讨。2．深入研究小波系数集合划分的原理和方法，提出一种自适应的分层树集合分裂方法，扩展了传统的空间方向树结构，将多个方向树组合起来共同表示一个非重要系数集合，节约了集合表示的比特数。3．探索研究矢量量化技术在嵌入式图像编码中的应用，提出一个格型矢量量化与分层树集合分裂算法相结合的编码方案。该方案选用规则的格点作为码书，不需要训练和存储，克服了传统矢量量化计算和存储复杂度高的缺点。改进多级增益一形状矢量量化方法并使之与集合分裂算法有机结合，实现了对细节较丰富图像更好的编码效果。4．在分析和借鉴多种先进编码方法的基础上，提出一个高性能的嵌入式小波编码算法。该算法联合采用了基于聚类的重要系数表示法和基于零块结构的非重要系数表示法，以及基于上下文的算术编码，共同挖掘小波子带内聚集和子带间相似的特性。在嵌入准则的指导下，提出基于聚类表征的分类和排序方案，借助链表结构有效地实现了精细的分数位平面编码，在较低复杂度下实现了比当前先进算法更好的有失真和无失真编码性能。在此基础之上提出了一种高伸缩性的图像编码方案。该方案利用位平面编码和小波分解固有的多分辨率特性实现了质量和分辨率的可伸缩。它解除了编解码之间的约束，编码方无需了解解码方的具体状况，生成的具有层次结构的码流可以很方便高效地被解析和解码，以满足用户对质量和分辨率的不同需求。5．研究信号稀疏逼近问题，设计适合图像表示的冗余几何原子库，探索快速图像稀疏分解方法。对流行的匹配追踪算法进行深入地分析和研究。总结了匹配追踪分解的特点，并提出用库原子的空间相对距离来估计其互相关信息的方法。在此基础上提出一系列快速图像稀疏分解算法，在保持主客观质量的前提下，大大提高了图像分解的速度。比如对512×512测试图像，相对于最新的全局匹配追踪算法，本文算法的速度增益达到115．39倍，而PSNR平均下降0．25 dB。6．探索研究稀疏分解在图像编码中的应用。对图像进行快速稀疏分解并分析和总结分解原子的分布规律，提出与之相适应的块划分编码方法，对原子位置参数和系数进行联合编码。形成的编码器在计算复杂度、编码效率和伸缩性能等方面都优于最新的匹配追踪编码器，特别是在前两方面，其优势十分明显。比如对512×512测试图像，编码率为0．5 bpp时本文编码器的平均PSNR增益高达1．75 dB。特别地，该编码器提供了较传统方法更灵活的伸缩性，允许通过编码域的参数变换来获得任意分辨率大小的重建图像，可在网络或移动终端的图像业务中得到很好的应用。

论文目录

• 摘要
• ABSTRACT
• 第一章 绪论
• 1.1 图像编码的意义
• 1.2 图像编码基础
• 1.2.1 信息论基础
• 1.2.2 图像编码流程
• 1.2.3 图像质量的评价
• 1.3 图像编码技术
• 1.3.1 传统图像编码技术
• 1.3.2 现代图像编码技术
• 1.3.3 研究现状及发展
• 1.4 论文的主要研究工作
• 1.5 论文的总体结构
• 第二章 图像模型和表示
• 2.1 人眼视觉特性
• 2.1.1 视觉系统
• 2.1.2 视觉信息处理机制和感知模型
• 2.1.3 视觉特性与启示
• 2.2 图像模型
• 2.3 图像表示方法
• 2.3.1 经典方法
• 2.3.2 多尺度几何分析
• 2.3.3 冗余几何表征
• 2.4 本章小结
• 第三章 嵌入式小波图像编码
• 3.1 嵌入式小波编码概述
• 3.2 图像的小波分解
• 3.3 逐次逼近量化
• 3.4 基于集合划分的编码方法
• 3.4.1 非重要系数表示法
• 3.4.1.1 零树表示法
• 3.4.1.2 零块表示法
• 3.4.2 重要系数表示法
• 3.5 基于上下文的顺序编码方法
• 3.5.1 上下文模型
• 3.5.2 基于上下文的算术编码
• 3.5.3 基于上下文的位平面编码
• 3.6 码流的率失真优化
• 3.6.1 基于样点的率失真排序
• 3.6.2 基于子过程的率失真排序
• 3.7 本章小结
• 第四章 基于SPIHT的嵌入小波编码算法
• 4.1 SPIHT算法
• 4.1.1 符号定义
• 4.1.2 编码过程
• 4.1.3 算法描述
• 4.1.4 算法分析
• 4.2 自适应集合划分算法
• 4.2.1 算法思想
• 4.2.2 自适应集合划分
• 4.2.3 算法描述
• 4.2.4 实验结果
• 4.3 基于矢量量化的SPIHT算法
• 4.3.1 矢量量化的原理和方法
• 4.3.1.1 矢量量化原理
• 4.3.1.2 矢量量化方法
• 4.3.2 格型矢量量化.
• 4.3.2.1 格的定义及其性质
• 4.3.2.2 重要的常用格
• 4.3.2.3 快速格型矢量量化
• 4.3.3 矢量SPIHT算法
• 4.3.3.1 矢量的逐次逼近
• 4.3.3.2 格型方向码书
• 4.3.3.3 VSPIHT算法
• 4.3.4 实验结果
• 4.4 本章小结
• 第五章 高效的可伸缩小波图像编码
• 5.1 当代图像编码面临的问题
• 5.2 基于链表的高效嵌入小波编码
• 5.2.1 EWCBL算法的特点
• 5.2.2 小波聚类的形成
• 5.2.2.1 形态膨胀
• 5.2.2.2 小波重要聚类的表示
• 5.2.2.3 结构元的选择
• 5.2.2.4 基于邻域模板的形态膨胀
• 5.2.3 分数位平面编码
• 5.2.3.1 数据的分类和排序
• 5.2.3.2 分数位平面编码
• 5.2.4 改进的四叉树分裂方法
• 5.2.5 熵编码
• 5.2.6 算法描述
• 5.2.7 复杂度分析
• 5.2.8 有损到无损编码
• 5.2.9 实验结果
• 5.2.9.1 编码性能评估
• 5.2.9.2 复杂度评估
• 5.3 高伸缩的小波图像编码
• 5.3.1 码流的可伸缩性
• 5.3.2 高伸缩的EWCBL
• 5.3.2.1 可伸缩性支持
• 5.3.2.2 码流的结构与解析
• 5.3.3 实验结果
• 5.3.3.1 质量可伸缩性
• 5.3.3.2 分辨率可伸缩性
• 5.4 本章小结
• 第六章 信号的稀疏逼近
• 6.1 信号的稀疏表示
• 6.2 原子库的定义
• 6.3 稀疏逼近问题
• 6.4 稀疏逼近方法
• 6.4.1 凸松弛法
• 6.4.2 贪婪算法
• 6.5 本章小结
• 第七章 快速图像稀疏分解
• 7.1 冗余原子库
• 7.1.1 原子库的构造
• 7.1.2 原子库的划分
• 7.2 基于匹配追踪的图像稀疏分解
• 7.3 快速稀疏分解方法
• 7.3.1 多尺度追踪算法
• 7.3.1.1 图像的多尺度表示
• 7.3.1.2 多尺度追踪方案
• 7.3.1.3 迭代次数的选择
• 7.3.1.4 多尺度追踪算法
• 7.3.1.5 实验结果
• 7.3.2 M项局部子库追踪算法
• 7.3.2.1 MP的特性
• 7.3.2.2库互相关信息的估计
• 7.3.2.3 自适应子库匹配（FMP S）
• L）'>7.3.2.4 局部投影更新（FMP_L）
• M）'>7.3.2.5 M项并行选择（FMP_M）
• MLS）'>7.3.2.6 M项局部子库追踪（FMP_MLS）
• 7.3.2.7 算法分析
• 7.3.2.8 实验结果
• 7.3.3 多尺度M项局部追踪算法
• MMLS算法'>7.3.3.1 FMP_MMLS算法
• 7.3.3.2 实验结果
• 7.4 本章小结
• 第八章 基于MP的高伸缩性图像编码
• 8.1 MP图像编码
• 8.2 基于块划分的快速MP编码
• 8.2.1 总体方案
• 8.2.2 基于一般位平面的块划分编码
• 8.2.2.1 MP原子位置分布
• 8.2.2.2 一般位平面的块划分
• 8.2.2.3 原子参数的编码
• 8.2.2.4 MP系数的量化
• 8.2.2.5 算法描述
• 8.2.3 自适应算术编码
• 8.2.4 算法性能分析
• 8.2.5 实验结果
• 8.2.5.1 BPC算法的有效性
• 8.2.5.2 编码器率失真性能
• 8.2.5.3 主观比较
• 8.3 码流的高伸缩性
• 8.3.1 质量可伸缩性
• 8.3.2 分辨率可伸缩性
• 8.3.2.1 MP的不变性
• 8.3.2.2 分辨率的伸缩
• 8.4 本章小结
• 第九章 全文总结
• 9.1 研究总结
• 9.2 工作展望
• 致谢
• 参考文献
• 攻博期间取得的研究成果