基于零树的图像压缩编码 -图像压缩编码方法PPT.ppt

　　消失矩的大小是反映小波基函数衰减到0的快慢程度，消失矩阶数很大时，精细尺度下的高频部分数据有许多是很小的，这就是说包含的信息量很小，可以忽略掉，这正是所数据压缩利用的，因此，这就要求小波函数的消失矩阶数越高越好，即要求小波滤波器长度越长越好。但是，在实际系统中要求小波滤波器越短越好，这是因为短的滤波器可以减小截断误差，另一方面滤波器长度是影响变换的计算复杂度的最重要的因素。综合上述，小波滤波器长度要适中，因而消失矩以2为最好。 　　2. SPIHT算法　　在1996年，A.Said和W.Pearlman在零树嵌入式编码算法基础上提出了一种新的且性能更优的编码算法，即分层树集合分割排序法(Set Partitioning Hierachical Trees，SPIHT)。它是EZW算法的改进，它继承小波系数的零树结构，又采用了集合分割后的排序算法，具有很高的编码效率。具体步骤为：　　(1) 初始化：输出 　；设LSP的空表，将(i，j)∈H的加到LIP中，同时那些具有后继的点也加入LIS中，并置为A类。 　　3. 实验结果　　我们所使用的标准图像为Lena和Barbara均为512×512 ×8 bits的灰度图像，其中，采用双正交小波基9/7，塔式分解为6级，在图像边界处采用了“对折”式扩展。运用这三种编码，实验结果列于表7.1和表7.2。为了提高压缩比，把正、负重要系数、孤立零点和零树根等这四种类编码符在编码过程中采用算术编码。 表7.1　Lena 图像实验结果 表7.2　Barbara 图像实验结果 　　由表7.1和表7.2可以看出总的趋势：这三种方法在压缩比较大时，峰值信噪比相差不大，随着压缩比减小，峰值信噪比相差越来越大；重要系数不细分编码效果最差，重要系数细分为上、下半区编码效果适中，重要系数细分为多区域编码最佳。从图7.7和图7.8的视觉上也验证此结论。　　我们从树结构角度分析了零树嵌入式编码始终贯串的一种结构为扫描树，可以看出固定的树结构和变树结构的优缺点。我们阐述这常用的三种方法的利弊，得出最佳的编码方法。通过实验验证了分析所得的结论的正确性。 图7.7　压缩比为16的各种方法的零树嵌入式编码(Lena图) 图7.8　压缩比为16的各种方法的零树嵌入式编码(Barbara图) 　　7.4　一种易于硬件实现的高速优质的 零树嵌入式编码算法　　1. 基于提升方案构造双正交9/7小波　　基于提升方案构造双正交小波基方法和基于提升方案构造双正交9/7小波，我们在这里只引用一下。双正交9/7小波滤波器组分解部分通过4个提升环节来完成，如图7.9所示。 图7.9　提升方案构造双正交9/7小波滤波器 得到提升算法： (7-4) 　　2. 重要图中止符　　零树嵌入式编码是由两部分构成，即对许多重要图编码和对重要系数编码。重要图编码在零树嵌入式编码的总体占到绝大部分，起到主流作用。虽然图像恢复完全靠重要系数来重构，但是重要系数的量化编码只占到总体的码字很小部分，处于次席，因此，提高编码效率，首先考虑重要图编码结构，然后才考虑重要系数合适量化编码问题。优化重要图结构，是提高编码效果的最佳途径之一。 　　一幅重要图是由根据某个阈值判断的重要系数、孤立零点和零树组成，它不仅对所有的小波系数进行量化，即为重要系数和不重要系数，而且非常巧妙地确定重要系数的位置。它是确定重要系数的位置最佳方法，这是由于通过零树结构，使描述重要系数的位置信息大大减小。重要系数反映了图像的主要信息，是主要能量、边缘和纹理等特征的体现者。如果重要系数的位置一旦确定，图像就可以恢复；而在重要图中孤立零点和零树只是用来确定重要系数的位置的依附品。优化重要图编码结构，就是减小重要图中的孤立零点和零树的数目，但是在必须保证重要系数位置确定的前提下如何减小重要图中的零树和孤立零点数目呢？先减小零树的数目，然后进行消除孤立零点。 　　零树嵌入式编码不是编完最后一幅重要图的码才结束，而是在最后一幅重要图任何时刻结束，并且提供图像的最好表示。因此，编码的所有的重要系数位置都可以确定。以此类推，如果在一幅重要图中编完所有的重要系数时，编码就中止，而在重要系数后面的零树就不编码。这样，可以减小许多零树数目，因为每一个处在低层的重要系数至少有3个或4个零树，这些零树都没有编码。但是如果采用这种方式，就不能构成一幅完整重要图，甚至在解码时一定会造成重要图之间内容相混。为了区分每幅重要图内容，必须引入一个符号，即重要图中止符，告诉解码器这幅重要图结束，下一幅重要图开始了，相当是区分重要图之间的标志。引入 一个重要图中止符，既保证重要系数没有丢失，又有许多零树消除。采用这种方式，编码和解码时间缩短，提高了编码效率，简化了重要图编码结构。进