第8章小波图像编码详解.ppt

第8章 小波图像编码 回顾：连续小波变换（缩放、平移） 离散小波变换（滤波器组、小波系数） 小波重构 8.1 从子带编码到小波编码 多分辨率分析 灰度图 1/16分辨率图像 1/64分辨率图像 8.1 从子带编码到小波编码 多分辨率分析 图7-26 使用小波分解产生多种分辨率图像 原始图像 1/16分辨率图像 1/4分辨率图像 1/64分辨率图像 S.Mallat于1988年在构造正交小波基时提出了 多分辨率分析的概念，从空间上形象地说明了小波的多分辨率的特性。 正交小波的构造方法和快速算法，称为Mallat算法。 根据Mallat和Meyer等的理论，使用一级小波分解方法得到的图像如图8-2 8.1 从子带编码到小波编码 多分辨率分析 图8-2 Lena的多分辨率分析图像 8.1 从子带编码到小波编码 多分辨率分析 一级分解后继续分解的过程叫做多分辨率分析，即多级小波分解的概念。 使用多级小波分解可得到分辨率不同的图像，称为多分辨率图像。 如图8-3，其中， 粗糙图像1的分辨率是原始图像的1/4，粗糙图像2的分辨率是粗糙图像1的1/4。 图8-3 Lena的多分辨率分析图像 8.1 从子带编码到小波编码 小波分解图像方法 使用小波变换把图像分解成各种子带的方法：均匀分解、非均匀分解、八带分解(octave-band decomposition)、小波包分解、自适应小波分解等。 (a) 一级分解 (b) 三级分解 （c) Lena三级分解 图8-4 Lena图像的数据分解 (非均匀频带分割，只对低频部分分解) Entropy Coding of Wavelet Coefficients EZW [Shapiro-1993] Embedded Zerotree Coding of Wavelet Coefficients SPIHT [Said-Pearlman-1996] Set Partitioning in Hierarchical Trees EBCOT [Taubman-1998] Embedded Block Coding with Optimal Truncation Adopted by JPEG 2000 8.3 EZW编码 (1) 嵌入式零树小波(embedded zerotree wavelet，EZW) (2) EZW是多分辨率图像编码算法? Lewis和Knowles于1992年介绍了表示小波变换系数的一种树形数据结构； Shapiro于1993年将该结构称为“零树(zerotree)”，并开发EZW，用于熵编码 EZW是什么 图8-5 EZW算法结构 8.3 EZW编码 (1) EZW算法以离散小波变换为基础 变换后的大系数比小系数更重要，高频子带中的小系数可忽略 EZW(嵌入式零树小波)图像编码概要 (2) 用同一方向和相同空间位置上的所有小波系数构成一棵树，如果树根及其子孙的小波系数的绝对值小于某个给定阈值，则这棵树就称为零树 阈值为16时 该树为零树 阈值为32时 该树为非零树 8.4 SPIHT编码 8.4.1 介绍 受EZW算法和IEZW( improved EZW )算法启发，Amir Said和William Pearlman于1996年发表了set partitioning in hierarchical trees算法，翻译为“层树分集” 图像的渐进传输；高PSNR；复杂度低；计算量少；位速率容易控制等 编码方法 最先传送幅度大的系数，在低速率环境下也可得到图像的大部分信息 编码树的结构与EZW算法的结构类似 在编码过程中用三个变量列表存储重要系数和不重要系数 8.4 SPIHT编码 8.4.3 分集排序算法 分集排序算法(set partitioning sorting algorithm)不对所有系数进行排序，按如下规则选择发送的系数 其中， 就是EZW算法中的阈值。编码每扫描一次，新的阈值就设置为 ，如果 ，就称 系数是重要的，否则为不重要的。 幅度比较和比较结果之间的关系使用下面的函数表示： 8.5 EBCOT编码简介 (1) embedded block coding with optimized truncation的缩写，可译成“最佳截断嵌入码块编码”，David Taubman于1999年发表[12] (2) 对小波变换后的子带系数进行量化