结合Huffman编码和SPIHT算法实现高效图像压缩方法.doc

结合Huffman编霍夫曼编小波变换（wavelet transform，WT）是一种新的变换分析方法，它继承发展了短时傅立叶变换局部化的思想，同时又克服了窗口大小不随频率变化等，能够提供一个随频率改变的“时间-频率”窗口，是进行信号时频分析和处理的理想工具。它的主要特点是通过变换能够充分突出问题某些方面的特征，能对时间（空间）频率的局部化分析，通过伸缩平移运算对信号（函数)逐步进行多尺度细化，最终达到高频处时间细分，低频处频率细分，能自动适应时频信号分析的要求，从而可聚焦到信号的任意细节，解决了Fourier变换的困难问题，成为继Fourier变换以来在科学方法上的重大突破多级树集合分裂Set Partitioning in Hierarchical Trees, SPIHT)算法依然需要大量计算和传输时间，对于在低速通道上图像的实时传送提出了挑战。 本文重点介绍了一种简单有效的方法结合霍夫曼编2、 SPIHT算法 本质上来说SPIHT使用了子波段编码以产生一个塔式结构，从而一个图像被功率互补的低通和高通滤波器连续地分解了，然后再抽取结果图像。那么整个图像分解成四个子带： LL ，LH，HL以及HH，其中LL为低频，LH、HL、HH为分别为水平、垂直和对角线上的高频分量。三层分解的小波变换小波系数的树结构如图1。在每个子带中，用一个小方格表示一个小波系数。为简洁阐述，用表示第m层、在d方向的子带内的一个系数，i、j是本子带内的下标，，，子带的方向序号d依次分别取一、二、三。低分辨层的一个系数同它的同一方向高一级的分辨层的四个系数，还有更高两级分辨层的十六个系数，大体反映了同空域内相同方向子带的性质，并且这类系数间有着很强的相似性。因此，可将d方向各子带中表示同位置的小波系数集合比喻为一颗方向树，最低分辨率（最高层的子带）只取一个系数，可以作为树的根节点，每一高层子带的一个系数对应同方向第一层子带的四个系数为其子节点，依此类推。 图1 三层小波变换系数的树结构 在图1中，为该方向子带中最低分辨率子带，它的1个系数为一颗方向树的根节点，它的子节点是子带内的共4个系数，它的孙节点是子带内的共十六个系数。这样，以为根节点的一颗方向树包含了二十一个系数值，有二十个子孙。对于层分解，子带内的一个根节点共有的子孙节点个数为 （1） 由根节点在最高层方向子带内一个系数为根的方向树也称为最大方向树，并记为，它表示树上系数的合集。其他层的系数也可以为根，构成一颗子方向树，记为。 3、 SPIHT算法特性 多级树集合分裂算法能够生成一个嵌入位流（embedded bit stream），使接收的位流在任意点中断时，都解压重构图像，具有良好的渐进传输特性；算法的初始化过程、细化过程类似于EZW算法，它改进了EZW 重要图的表示方法，也就是重要系数在表中的排序信息，使得集合的表示更为精简，从而提高了编码效率和图像压缩率。SPIHT算法在不同的比特率下比EZW算法的PSNR都有所提高，具有计算复杂度低、位速率易控制特点。如图所示，这个金字塔状小波被按照重要程度排序，最的比特可以先传输，然后才是位平面（bit plane），此类推直到最低重要性的位平面到达。这种先进的传输方式可以有效地减小每个位平面均方误差失真。 比特行 位标记 s s s s s s s s s 最高位 5 1 1 0 0 0 0 0 0 0 4 1 1 0 0 0 0 0 3 1 1 1 0 0 2 0 1 最低位 0 图2 比特平面顺序及传输图 为了能更好的利用不同层和频带系数之间的空间关系，SPIHT编码算法使用式来给小波系数排序： （2） C是第n个它在像素子集的i,j)位置，代表一个父节点及其子节点。如果重要性测试的结果为“yes”，一个S标记会被设置为1，这就表示该系数是重要的。如果测试结果为”no“，则S标记会被置为0，表示该系数不重要。这一过程由式来表示 （3） 在第N个位平面不重要的小波系数可能在第N-1个或者更低位平面是重要的。 这些信息会根据其重要性被组织成3个列表：LIP不重要系数表、LIS不重要子集表、LSP重要系数表。 在解码器中，SPIHT算法会复制相同的列表。该算法使用了一个基本原则，即任何排序算法的执行路径都是使用分支点的比较结果进行定义的编码器输入的系数，解码器通过执行路径就获得排序信息。PIHT编码的 ，所以初始化的阈值是T0=25。对于T0来说输出二进制流为：11100011100010000001010110000，总共个比特