结合Huffman编码与SPIHT算法实现高效图像压缩方法.docVIP

结合Huffman编码与SPIHT算法实现高效图像压缩方法 　　摘 要：低速通道中图像传递在许多领域有广泛应用。探讨一种基于SPIHT算法对高品质图像进行压缩的方法。采用该方法能给远距离无线通信应用提供递进的图像传输能力。与JPEG不同，JPEG标准必须先将图像压缩到一定程度后再传送。该方法中，数据头和图片数据从目标图像中区分开来。头信息经过必要修改后再传送，图像数据使用SPIHT压缩并传送。实验表明，该方法可以得到更好的压缩率和传输时间。 　　关键词：图像压缩；JPEG；SPIHT；小波；霍夫曼编码 　　中图分类号：TP317.4 文献标识码：A 文章编号：1672-7800（2016）003-0175-03 　　作者简介：张倩妮（1990-），女，湖北武汉人，武汉轻工大学数学与计算机学院硕士研究生，研究方向为图像处理与压缩；刘昌华（1963-），男，湖南攸县人，武汉轻工大学数学与计算机学院副教授、硕士生导师，研究方向为嵌入式设计。 　　0 引言 　　小波变换（wavelet transform，WT）是一种新的变换分析方法，它继承和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缺点，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[1，2]。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变换困难的问题，成为继Fourier变换以来科学方法上的重大突破[3]。 　　这一技术已被广泛应用于图像处理和压缩领域。Shapiro M Jerome将小波变换引入到图像压缩领域中，并提出了嵌入式零树小波编码方法（Embedded Zerotree Wavelet，EZW），取得了良好的压缩效果。1996年，Said A和Pearlman W A[3]在Shapiro的EZW算法的基础上，提出了SPIHT 算法，解决了EZW算法的一些缺点，但多级树集合分裂（Set Partitioning in Hierarchical Trees，SPIHT）算法依然需要大量计算和传输时间，对低速通道上的图像实时传送提出了挑战。 　　本文重点介绍一种简单、有效的图像压缩方法，结合霍夫曼编码实现进一步压缩。实验结果显示，压缩率为0.359 78，相较为量化前的0.211 91有较大提升，该方法可以节省大量的传输比特，进而增强压缩性能。 　　1 SPIHT算法 　　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分解，然后再抽取结果图像。整个图像分解成4个子带： LL、LH、HL以及HH，其中LL为低频，LH、HL、HH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树结构如图1所示。在每个子带中，用一个小方格表示一个小波系数。为简洁起见，用Cm，di，j表示第m层、d方向的子带内的一个系数，i、j是本子带内的下标，HLm、LHm、HHm子带的方向序号d依次分别取1、2、3。低分辨层系数和其同一水平或者垂直位置相对高阶分辨层的4个系数以及进一步高阶两级分辨层的共16个系数，大体表现了同区间内同一水平或者垂直位置子带的特性，并且这些数字间有着极大的相关性。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4个系数为其子节点，依此类推。 　　2 SPIHT算法特性 　　多级树集合分裂算法（SPIHT）可以产生1个嵌入位流（embedded bit stream），让接受的位流于随机点终止时，都可进行解压缩并重新构造图，有较优的渐进传送性质。该方法的启动过程及细分过程与EZW算法相近，对EZW 重要图的表达方式进行了修改，即重要系数于表中的排位先后，使集合的表达更为简练，进一步提升了图像的编码速率以及压缩效率。多级树集合分裂算法在同一比特率情况下，与EZW算法相比，PSNR（峰值信噪比）也有所提升，有着计算复杂度低、位速率易控制的特点。 　　由于SPIHT编码后会产生大量连0比特，通过大量统计分析发现“000”是出现最高频的序列。大约高达1/4的概率。所以可以选择将SPIHT比特序列分割成每3比特一组。每组都看作一个符号，那么总共有8组符号。它们出现的统计概率结合可变长度的编码即可获得进一步的压缩性能。 　　本文使用上述比特流来介绍一种新的编码思路。 　　（1）首先将比特流每3比特一个组： 111