基于小波变换视频图像压缩算法探究.docVIP

基于小波变换视频图像压缩算法探究 　　摘要：数字化后的图像包含的数据量是非常大的，如果只是单纯地扩大计算机存储器容量或增加通信干线的传输率来解决这个问题显然是不现实的。因此，对图像进行压缩是非常有必要地，图像压缩处理研究必须要把握的两个基本原则是去除图像冗余数据量和提高图像恢复的有效性。由于小波变换理论本身具有多分辨率分析的特性，这种特有的视频分析能力使其成为视频图像压缩研究中最常使用的一种工具。 　　关键词：小波变换 视频图像 压缩算法 　　中图分类号：TP391.41 文献标识码：A 文章编号：1007-9416（2014）10-0115-02 　　1 小波变换用于图像压缩的一般步骤 　　目前，小波变换理论已经广泛地被应用在图像压缩领域中，而且成为图像压缩研究领域中最常使用的一个理论，也取得了良好的效果，其中小波变换、量化和熵编码是构成小波压缩三个最为主要的部分，其用于图像压缩的一般性步骤如图1所示。 　　从图1可以看出，利用小波变换理论实现图像压缩一般性步骤的详细内容是：首先，对原始二维图像进行多级小波变换，进而得到原始二维图像经过多级小波变换后的低频分量和高频分量，而且小波变换后的高频分量又包括对应水平、垂直或对角线等不同方向的。其次，根据人眼视觉生理特性可知，人眼只会对图像的某些部分内容敏感，而对图像的其它部分并不敏感，在此情况下，图像处理就需要对经过多级小波变换后所得到的低频分量和高频分量，分别采取不同的量化及编码处理策略，如采用快速余弦变换（DCT）和信息熵编码方法对于低频分量进行压缩，而采用矢量量化除去高频分量中人眼视觉不敏感的成分，并结合熵编码方法对其进行压缩。此外，为了使原始二维图像在进行多级小波变换时能够具有正交性和最小的数据冗余等特性，需要在其多级小波变换前，选择一个合理的有限紧支集的正小波基函数，这也是进行图像压缩编码的一项基本要求，而且原始二维图像经过多级离散小波变换后，可以分解成不同频率的子带图像。虽然各子带图像总象素没有减少，仍然和原始二维图像的总象素数一样，但各子带图像所具有空间方向敏感性却是与人眼视觉特性一致。因此，可以根据实际情况的需要采用不同的编码方式对多级小波变换后的不同子带图像进行量化编码，从而达到对原始二维图像压缩的目的，其中一、二级小波分解图的具体内容如图2所示： 　　2 基于小波变换的嵌入式零树小波压缩算法 　　2.1 算法描述与分析 　　嵌入式零树小波压缩算法最早是由J.M.Shapiro在1993年提出来的，主要是用于研究不同尺寸下图像的小波自适应性，该算法基本思想是指如果先送某个较低精度级上的一个系数相对于某一阈值是次要小波系数，则在相同某一阈值下，其在较高精度级上该系数所对应的空间区域中的小波系数都为次要系数的概率极大。如相关统计结果已经证实：假如子带图像LH3的小波变换系数x（i，j）为零，则在子带图像LH2中相应方向的其它四个小波变换系数x（2i，2j），x（2i，2j+l），x（2i+l，2j），x（2i+l，2j+l）都为零的概率高达98.2%。因此，根据嵌入式零树小波压缩算法的基本思想，我们可以做如下假设：只要能将某个精度级上的次要小波系数值记录下来，就可以在后来具体的编码过程中，不再考虑其相应方向的其它各个高精度级上的大多数小波系数值。此外，零树小波压缩算法还能够充分地利用小波系数的特性，使编码后的输出码流具有嵌入式特性，进而在很大程度上提高图像压缩的压缩效率。嵌入式编码是一种简单的，但非常有效地图像压缩编码方法，这种编码方式的基本特点是：编码器是根据重要性的程度将待编码的比特流进行排序，而且使用这种编码方法，编码者能够随时根据目标码率或失真度大小要求结束编码过程。这样就可以对重要的图像或视频信息实现优先编码，并在码流的初始部分放置其编码后的结果。嵌入式零树小波压缩算法的具体编码过程如图3所示。 　　为了更好的解释嵌入式零树小波压缩算法的具体原理和思路，本文用图4表示原始二维图像经过多次小波变换后，再将分解后的不同子带图像，根据其频带的不同按从低到高的顺序形成的一个树状结构。 　　从图4可知，LL3是该图像的最低频子带，也就是该树状结构的根节点，而且位于其次低频子带的相应位置就是子带图像LL3的三个孩子节点。此外，通过图3-4还可以看出，最高频子带的小波系数没有孩子节点，也称之为该树状结构的叶子节点。由于高频子带的分辨率是按2j方式增加，所以该树状结构的其他中间节点在位于更高一级子带的相应位置上都有四个孩子节点。根据嵌入式零树小波压缩算法的基本思想可以将其零树结构定义为：对小波系数x，如果|x|的值小于给定的阈值T（通常初始阈值T0取），即|x|T，则可以称小波系数x是不重要的小波系数。反之，则是重要的小波系数。如果小波系数x关于阈值