基于四叉树分割量化与关联模型的图像编码算法.pdfVIP

第8 卷 第6 期 电路与系统学报 Vol. 8 No.6 2003 年12 月 JOURNAL OF CIRCUITS AND SYSTEMS December 2003 文章编号 1007-0249 (2003) 06-0057-04 基于四叉树分割量化与关联模型的图像编码算法* 王向阳 杨红颖 辽宁师范大学 计算机与信息技术学院 辽宁 大连 116029 摘要 本文以整型提升小波变换和 SPIHT 编码算法为基础 提出了一种基于四叉树分割量化与关联模型的新图 像编码算法 该算法的基本工作步骤为 1 对原图像进行整型提升小波变换 以得到不同分辨率不同方向的多个 图像子带 2 对最低频子带进行 DPCM 编码 对高频子带进行四叉树分割量化编码 3 采用关联模型完成最后 的算术编码 对比实验表明 本文算法在编解码速度 图像复原质量等方面均优于SPIHT 等算法 关键词 整型提升小波变换 四叉树 分割量化 关联模型 中图分类号 TP391 文献标识码 A 1 前言 Said A 和Pearlman W A 提出的基于快速小波变换与嵌入编码思想的 SPIHT 算法被认为是目前国 际上图像变换编码领域最先进的方法之一[1-6] 该算法以零树集合及其分割排序为基础 把待量化编 码的小波系数分成3 个集合列表 LIS LIP 和 LSP 通过初始化 排序 细化和量化步长更新四个 子过程完成嵌入编码 SPIHT 编码算法不仅结构简单 无需任何训练 支持多码率 而且具有较高 [1] 的信噪比和较好的图像复原质量 总体性能优于 Shapiro J M 提出的EZW 算法 然而 理论分析和 实验结果表明 该算法也存在一些不足 具体表现为 快速小波变换过程中 需要跟庞大的图像数据做卷积运算 不仅计算繁杂 所需内存空间较大 而且存在较为严重的舍入误差 因为浮点运算 零树集合及其分割排序策略复杂 虽然能获得较高信噪比 却大大增加了计算量 严重降低了 编码速度 算术编码阶段所采用的关联模型过于简单 有限的关联信息不足以精确预测当前节点状态 影 响了压缩能力 本文提出一种基于四叉树分割量化与关联模型的新图像编码算法 该算法以整型提升小波变换和 SPIHT 编码算法为基础 能够通过定义四叉树结构及其分割量化 引入关联模型等措施在一定程度 上克服 SPIHT 编码算法存在的编解码速度慢 峰值信噪比 PSNR 有待进一步提高等不足 实验结 果表明 本文算法是一种高效的图像压缩算法 其编解码速度 图像复原质量等关键技术指标均优于 SPIHT 等编码算法 故具有广阔的应用前景 2 整型提升小波变换 [7] 尽管快速小波变换算法 即 Mallat 算法 在图像压缩编码领域 得到了普遍关注 但在实际应用中 仍不难发现其自身存在计算繁杂 所需内存空间较大 舍入误差比较严重 因为浮点运算 等弱点 本 [8] 文将采用当前标准的基于提升 格式的思想 实现整型提升小波变 图1 提升小波变换示意图 换 以克服以上不足 提升小波变换算法的基本思想是将 Mallat 算法中的每一级滤波运算分解为分裂 Split 预测 Predict 和更新 Update 3 个过程 如图 1 所示 其中 分裂 Split 是将输入信号根据其序数的奇偶性分为以下两组 * 收稿日期 2002-09-29 修订日期 2002-12-28 58 电路与系统学报