基于整数小波变换的静止图像无损压缩算法研究

论文摘要

静止图像是二维图像,图像的数据量很大,难以直接传输和存储,所以必须对图像进行压缩。由于某些图像（如:遥感超光谱图像、医学图像等）信息十分宝贵,应尽可能采用无损压缩方法。图像无损压缩的目的不同于有损图像压缩,它不仅仅是为了人的视觉系统,同时也是为了某些特殊的应用。这就要求在进行图像的分解与重构的过程中图像的应用信息不允许丢失。基于提升算法的整数小波变换（IWT）实现了真正意义上的无损可逆变换,在图像传输领域,尤其是在图像压缩编码方面得到了广泛的应用。因此,寻求高效的无损压缩编码算法是目前研究的热点。论文分析了传统小波变换的一些基本知识。然后通过分析传统小波的不足,引入了构造第二代小波的提升方案,给出了求解提升小波变换系数的算法及用提升方案实现传统小波的过程,并介绍了可以用以实现无损压缩的（5,3）整数小波变换。该方法的优点是简单的移位和加法操作,速度很快,占用内存少,而且比一般小波变换更适于消除静止图像的数据冗余,特别适合于无损压缩,并利于今后的硬件实现。依据现有文献中算术编码和SPIHT编码算法的性能分析,研究了基于整数小波变换的算术编码和SPIHT编码算法。针对上述算法的优缺点,本文提出了基于差分脉冲编码调制（DPCM）和整数小波变换相结合的改进混合编码算法。对该方案采用Visual C++6.0进行编程实现,仿真结果表明:本文的改进算法不仅对大部分图像压缩比有所提高,而且解码后的图像能无失真的恢复,较好地实现了静止图像无损压缩。

论文目录

• 摘要
• ABSTRACT
• 1 绪论
• 1.1 静止图像的研究背景及发展现状
• 1.2 静止图像压缩标准
• 1.3 图像压缩编码技术的发展
• 1.4 图像压缩编码技术的评价准则
• 1.4.1 客观保真度准则
• 1.4.2 主观保真度准则
• 1.4.3 压缩比
• 1.5 本文的主要工作和章节安排
• 2 小波变换及其在图像压缩编码中的应用
• 2.1 小波变换
• 2.1.1 小波变换的定义
• 2.1.2 连续小波变换
• 2.1.3 离散小波变换
• 2.1.4 二维小波变换
• 2.2 图像的边界处理
• 2.3 小波变换适于图像压缩的特性
• 2.4 小波变换在图像压缩编码中的应用
• 2.4.1 小波变换实现图像压缩的基本思想
• 2.4.2 图像的小波分解特点
• 2.4.3 小波基的选取
• 2.4.4 小波变换在图像压缩中的常见算法
• 2.5 小波变换在图像压缩编码中的发展趋势
• 2.6 本章小结
• 3 图像压缩编码技术
• 3.1 有损编码
• 3.1.1 变换编码
• 3.1.2 预测编码
• 3.1.3 基于神经网络的编码
• 3.1.4 小波变换编码
• 3.2 无损编码
• 3.2.1 熵编码
• 3.2.2 无损的预测编码
• 3.3 本章小结
• 4 第二代小波分析理论
• 4.1 第二代小波简介
• 4.2 提升方案
• 4.2.1 提升算法的基本原理
• 4.2.2 提升算法的分解与重建
• 4.3 提升方案的优点
• 4.4 基于提升算法的整数小波变换
• 4.4.1 几种常见的整数小波的提升
• 4.4.2 （5,3）整数小波变换研究
• 4.4.3 仿真实现结果
• 4.5 本章小结
• 5 算术编码和SPIHT 编码算法研究
• 5.1 基于整数小波变换的算术编码研究
• 5.1.1 算术编码
• 5.1.2 算术编码的基本算法
• 5.1.3 算术编码的性能分析
• 5.1.4 实验结果及其分析
• 5.2 改进的混合编码算法1 研究
• 5.2.1 算法的基本结构
• 5.2.2 算法的实现
• 5.2.3 实验结果及其分析
• 5.3 基于整数小波变换的SPIHT 算法研究
• 5.3.1 SPIHT 编码算法
• 5.3.2 SPIHT 编码算法的性能分析
• 5.3.3 实验结果及其分析
• 5.4 改进的混合编码算法2 研究
• 5.4.1 算法的基本结构与实现
• 5.4.2 实验结果及其分析
• 5.5 本章小结
• 6 结论
• 6.1 总结
• 6.2 展望
• 致谢
• 参考文献
• 附录