(文档4.docVIP

1 小波变换的基本理论 1.1绪论 随着计算机网络和多媒体技术的快速发展，图像压缩编码技术的应用范围日益增加。人们对图像通信的质量和功能提出了更高的要求，希望能用有限的空间和带宽来存储、传输更大尺寸的图像，并可根据实际需要获得不同分辨率或质量的重构图像。 传统的基于DCT变换的图像压缩虽然在较高码率下能够提供较好的图像质量，但在码率低于0．25 bpp时。重构图像存在严重的方块效应；同时，许多情况下希望在单一码流中实现图像的有损和无损缩，从而实现从有损到无损的累进式传输，而基于DCT的压缩算法难以实现这一要求。 针对以上问题，近年发展起来的离散小波变换(DWT)方法．越来越成为图像压缩领域的研究热点。DWT的一些优良性能使得它成为JPEG 2000的核心编码技术。首先，DWT变换本身可以实现对图像的多分辨率表示，便于支持图像的多分辨率分级传输；其次，DWT的全图(full—flame)性可在较大范围内消除图像的相关性，并可避免低码率压缩时分块DCT编码的块效应；而且．采用整型DWT滤波器可以在单一码流中实现有损和无损压缩。通过对某一固定函数伸缩和平移来构造小波基的小波称为第一代小波，通过提升格式构造的小波称为第二代小波。第二代小波的基本思想是建立在双正交小波和完全可恢复滤波器组的理论基础上。在保持小波双正交特性的条件下，通过提升和对偶提升过程改善小波性能。提升的方法是基于空域的，其小波基的构造不依赖于傅里叶变换．也不需要频谱分析工具，因此可以在非平移不变区域上按所需小波性能(如正规性、消失矩和小波形状等)自由构造小波，非常适合整数到整数的变换。提升小波为小波基的构造提供了更大的自由度，同时设计方法简单并能加快小波变换的执行速度。由于小波变换采用有限长滤波器．计算小波系数时只需要缓存覆盖滤波器长度的相应行或列的数据，节省内存空间。Shaprio[10]根据小波分解后同方向子带中的小波系数存在的相似性，利用一种称为小波树的树形结构来组织这些小波系数，设计了嵌入式零树小波编码方法(Embedded Zero—tree wavelet，EZW)，有效地利用了小波系数的特性，是至今最有效的小波编码方法之一。EZW 的特点是可以产生嵌入式码流，可以按照要求的目标比率或目标失真的精度下随时结束编码，因而它有很好的发展前景和应用前景。但该方法对低频数据和高频数据均采用同样的编码，在较高压缩率下容易造成低频数据的损失，降低复原图像的质量：同时该方法也不同程度地存在算法时间复杂度和空间复杂度过高的缺点。 本文针对EZW 编码方法存在的一些问题进行了改进．并将改进的EZW 编码与提升格式的小波变换相结合．并应用到一个实际的机械臂远程视觉控制系统中，结果发现．利用基于小波变换的图像压缩得到的结果与原系统中基于DCT的图像压缩相比，前者无论在恢复图像的质量还是在解压所需运行时间上都优于后者。 由于目前资讯流通发达，图像的需求量越来越大，图像的数字化是必然的趋势。然而经数字化过的图像所占的数据量又相当庞大，在传输与处理上皆有所不便。当今把图像转为数字信号的关键问题是压缩方式。在众多的压缩方法中，小波变换在压缩率及还原质量上皆有不凡的表现，小波压缩是目前最新的图像压缩技术，能够实现在较窄的带宽下实现高品质的画面传输、压缩和存储。由于还没有统一的标准格式，故在应用上尚未普及，但在不久的未来，其潜力不可限量。 小波变换是一种变分辨率的分析方法。它对高频信号采用小时窗，对低频信号采用大时窗进行分析。这正好与自然界中高频信号一般持续时间短，而低频信号持续时间较长的时频分布特性相吻合，非常适合于图像处理。本文将简单介绍基于小波分析的图像压缩的基本原理，基本算法研究以及利用MATLAB提供的小波分析工具箱函数进行小波压缩编码的仿真。 1.2 小波变换概述 小波变换在表示图像的灵活性以及适应人类视觉特性等方面具有优势，因此被广泛应用于图像处理领域，80年代末，小波理论开始应用于图像编码领域。基于小波变换的图像压缩方法突破了Shannon信息论的框架，以获取高压缩比为目的。该方法已成为当今国际上图像编码领域中令人瞩目的研究方向。笔者根据灰度图像小波分解后系数的特性，提出了一种新的小波变换图像编码方案，即改进的零树法混合量化编码方案，并给出了直接零树法量化编码与改进的零树法混合量化编码的实验对比数据，实验结果证明，该方案的重构图像在主观质量良好的前提下其压缩比与直接零树法量化编码相比大大提高。 小波变换与Fourier变换相比，是时间(空间)频率的局部化分析，他通过伸缩平移运算对信号逐步进行多尺度细化，最终实现高频处时间细分，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变换以来在科学上的