基于单亲遗传算法图像分形编码-信号与信息处理专业论文.docxVIP

PAGE PAGE 10 第 1 章 引 言 1.1 图像编码的必要性和可行性 近二十年来，科学技术取得了飞速的发展。由计算机技术所带来的信息革命 使人类由工业化的社会进入到了信息化的社会。多媒体技术和 Internet 互连网技术 的广泛应用加速了 全球信息高速公路的建设，基于网络的多媒体数据传输正改变 着人类的生活方式。与此同时，信息的膨胀使存储空间不足和信道传输带宽有限 等矛盾越来越突出。对数据压缩方法的研究也就成为一种必然。由于大约 65%的 信息是以图像或图片的形式作用于人眼，因此，如何对图像数据进行高效压缩在 所有数据压缩研究中又显得最为重要。另一方面，通过研究发现，尽管图像中数 据量很大，但数据之间不是完全独立的，图像中存在着各种各样的相关性或冗余 信息。即一部分数据可以由另一部分数据完全推算出来。还有，大部分图像视频 信号的最终接收者都是人眼，而人类的视觉系统是一种高度复杂的系统，它能从 极为杂乱的图像中抽象出有意义的信息，并以非常精练的形式反映给大脑。人眼 对图像中的不同部分的敏感程度是不同的，如果去除图像中对人眼不敏感或意义 不大的部分，对图像的主观质量是不会有很大影响的。正是由于图像压缩的必要 性和可能性，使得图像压缩编码研究成为一个越来越活跃的领域。 1.2 图像压缩的常用方法 所谓图像压缩编码，就是以尽可能少的编码符号传输或存储图像或者在给定 的编码符号数情况下，使恢复图像的质量尽可能好。 图像压缩编码最早可以追溯 到 1948 年 Oliver 提出的电视信号数字化思想，迄今有 50 多年的发展历史[1][2]。在 五、 六十年代， 受限于当时的 硬件设计水平，特别是计算机发展水平，图像压 缩编码研究只停留在预测编码和亚取样、内插复原等基本方法上。1969 年第一届 “ 图像编码会议”在美国召开，标志着图像编码作为一门独立的学科诞生了。到 七十年代，变换编码技术研究得到了迅速的发展，向量量化编码技术获得了较大 程度的发展。目前已经有许多适合于不同用途的实用图像编码方法[3]。 图像编码大致可分为无失真编码和有失真编码两大类。无失真编码的理论已 经很成熟，常用的方法也很多，如 Huffman 编码、算术编码、预测编码等[4]，由 于无失真编码的码率以信源的某种熵值为极限[5]，所以一般压缩比不高。而有失 真编码方法则在规定的失真限度内，允许有一定失真，从而实现比无失真编码更 高倍的压缩。 在众多有失真的压缩方法中， 变换编码占有重要地位， 其中 DCT 被选中为 静态图像压缩国际标准 JPEG[6] 和运动图像压缩国际标准 MPEG[7][8] 的核心。 基 于 DCT 的 JPEG 压缩方法的优点是，编码速度快，有集成芯片支持，在中、低压 缩率(10-2 倍)的情况下具有很高的保真度( PSNR 在 30dB 以上)，同时适合任意图 像压缩。但其缺点很明显，由于高压缩率情况下，其解码图像方块效应严重，所 以它不适合需要高压缩率的场合。换句话说，就是 JPEG 不能满足许多应用的需 要。因此，国内外都在不断地研究，企图找到更好的图像编码方法。 以上的经典压缩编码方法主要依据图像本身固有的统计特性，并利用了人眼 视觉系统的某些特性，但是利用得还不够充分。随着感知生理-心理学的发展，人 们越来越清楚地认识到，人的视觉感知特点与统计意义上的信息分布并不完全一 致，统计上需要许多信息量才能表征的某些特征对视觉感知也许并不重要。因此， 从感知角度来说，详细表征这部分特征是不必要的。受此启发，人们从微观转向 宏观去研究开发新的编码方法（因为视觉感知是一种宏观认识过程），并注重对感 知特性的利用。新一代编码技术，如子带与小波编码（subband and wavelet coding） [9-11]、模型编码（model based coding）[12]、神经网络编码[13-15]以及分形编码（fractal coding）就是在这样的背景下发展起来的。 1.3 图像压缩方法的评价标准 在图像编码中，尽量少的编码数据和尽可能好的复原图像质量，永远是一对 矛盾，同时，在很多情况下，还必须考虑编码解码算法的时间效率，因此，图像 那个压缩方法的评价一般包括以下三个指标： 1) 编解码时间 很多图像编码方案往往包含巨量计算，比如 K-L 变换、图像的原子分解、图 像分形编码等，寻找编码的快速算法往往是使这类编码方案从实验室走向实用的 关键，从而也是编码研究重要而且活跃的一个方面。 2) 压缩效率 压缩效率用压缩比或平均码率表示。设原始图像大小为 M*N，每个像素用 p 位（bit）表示，Nc 表示压缩图像（即原始图像的编码）所占的字节数（Byte）， 压缩比 Cr 定义为： Cr = M iN i p /8