现代静态图像编码技术PPT.ppt

零树结构 图像经过小波分解后，能量几乎总是集中在较低频的子带上，并从低频到高频递减分布。在Mallat分解下，由不同频率子带、代表同一空间位置的系数构成了一种树型结构，并且高频部分存在大量的零，故称为“零树” 零树编码是基于如下假设：如果低分辨率的子带系数相对于阈值T是不重要的，那么在同样方向上相应空间位置的高分辨率的子带系数相对于阈值T也是不重要的。尽管缺乏严格的数学模型描述，但统计结果表明这种假设是成立的。 在编（译）码过程中，保持着两个分离的列表：主表和辅表。主表记录不重要的集合（ZTR）或系数（IZ），其输出信息起到了恢复重要系数的空间位置的作用；而辅表记录重要系数，输出为各重要系数的幅度细化时的比特值。编码分为主、辅两个过程：在主过程中，设定阈值为，按上述流程对主表进行扫描编码，若系数首次变为重要，则将其移到辅表中，然后将该系数在主表中置零，这样当阈值减小时，该系数不会影响新零树的出现（即不会重复编码）；在辅过程中，对辅表中的重要系数进行幅值细化，输出当前比特平面的位信息。 EZW算法的详细描述如下： 1) 确定初始阈值T，使得 ， ；将系数节点按扫描顺序加入到主表中，将辅表清空。 2) 对主表进行扫描，将表中节点依据阈值T分为重要值（包含符号信息：正或负）、零树根和孤立零点。将主表中重要系数的节点移至辅表中；零树根的子节点不需继续扫描，而孤立零点的子节点要继续扫描。 3) 扫描辅表，对重要系数进行幅值细化。 4) 将阈值减半，跳至步骤2)； SPIHT算法 A. Said 和W. A. Pearlman根据Shapiro零树编码的基本思想，提出了一种新的且性能更优的实现方法，即基于分层树集合分割排序的编码算法（SPIHT：Set Partitioning In Hierarchical Trees）。 SPIHT算法是一种非常实用高效的高性能图像编码算法，其显著特点是极低的计算复杂度和高质量的恢复图像，它打破了传统编码算法中编码效率与复杂度同步增长的界限，并且合理利用了小波分解后的多分辨率特性，获得了优良的编码性能，成为内嵌编码的一个通用基准。 空间渐进性 随机访问 图像感兴趣区编码 在甚低比特率进行图像压缩时，往往会丢失一些细节信息，而其中有些细节信息是人们感兴趣的。例如人物头肩图像的视觉敏感区域，航空图像中携带重要信息的小目标区域，干涉多光谱图像中的干涉条纹区域，医学图像中病灶区域等等，这些区域可以统称为感兴趣区域（ROI：regions of terest ）。从主观视觉角度来说，这些区域的恢复质量直接影响整幅图像的恢复质量，因此对图像的感兴趣区域应该以更好的质量（更多的码率甚至是无失真）进行压缩。 感兴趣区模板 在小波变换编码中，图像的小波分解及合成可以由Mallat算法实现。在Mallat算法中，尺度滤波器和小波滤波器都是FIR滤波器，因此小波变换具有局部化特性，这就使得小波系数只与图像相应位置处的一定区域的数据有关。因此图像的ROI区域在小波子带中有着对应关系。在对感兴趣区（ROI）对应的小波系数编码时分配更多的码流，使其与背景区域（BG：background）的系数相比能够更精确地传送到解码端，则可获得感兴趣区图像恢复质量的提高。因此感兴趣区编码实际上是一种在通常的编码算法中对ROI系数进行加权处理的编码方法。 首先要计算在小波域各子带中对应的感兴趣区系数的位置，即建立ROI模板,其中为变换系数的空间坐标。定义如式如下 以 (5,3) 小波变换为例，逆变换实现为： 感兴趣区域编码存在的问题 1)提升多少 2）区域确定 不仅具有更好的压缩效率，而且具有更多的功能 良好的低码率性能 支持无损、有损压缩算法 支持质量、视觉和分辨率渐进性传输 支持随机码流访问和处理 比特错误的鲁棒性 感兴趣区（ROI） 编码提供灵活的文件格式支持内置用户信息（如版权信息）、图像序列（Motion JPEG） JPEG2000 JPEG2000 核心技术 ： 离散小波变换DWT: 有损压缩-- 9/7小波 无损压缩—5/3小波 优化截取内嵌块编码EBCOT(Embeded Block Coding with Optimized Truncation) 其编码引擎分为Tier1,Tier2. JPEG2000 1997年3月 征求建议 1997年10月 提交算法(SPIHT,EBCOT) 1999年3月 工作草案 1999年6月 委员会工作草案 2000年12月 最终标准(DIS) JPEG2000 应用： 在图像检索、因特网传输、网络浏览、文本图像、数码相机、医