基于上下文分类的图像压缩方法研究-电子与通信工程专业论文.docxVIP

摘 要 摘 要 I 万方数据 万方数据 摘 要 近年来多媒体技术与网络应用的发展迅速，数字图像在诸多领域得以应用， 海量的数据存储与传输问题使得图像压缩研究成为各界广泛关注的课题。从时、 频域特性的角度上讲，小波变换性能优越。得益于嵌入式编码的发明与发展，两 者的结合可更为高效地对图像编码压缩，因此基于小波变换的图像压缩技术发展 迅速。目前，小波系数的有效地组织与量化成为了静态图像压缩编码领域研究关 注的重点与难点。 本文首先介绍了小波理论与集合分裂位平面编码，在分析了小波变换后图像 的特点后改进了图像的上下文模板，并以高阶熵理论为基础提出了基于上下文量 化的高阶熵编码方法。接着分别设计了两种权值分类算术编码器。本文的主要研 究内容如下： (1) 对小波系数进行重要性权值训练，优化上下文模板。回归预测训练上下文 模板得到模板各个预测系数，再根据预测系数求得重要性权值。此重要性权值能 够有效表示集合分裂位平面编码点或者编码块为重要的可能性程度。优化后的上 下文模板同时利用了系数子带内与子带间的关系，与现有的模板相比能更加有效 地开发利用小波变换后系数图像的特点与系数间的联系。 (2) 通过对上下文进行分类，使得传统的高阶熵编码器近似成为低阶熵编码器， 降低了编码复杂度。本文统计并分析了权值重要性概率分布，并针对存在的上下 文稀疏问题，利用 K-means 分类器根据实验确定的量化级数对上下文进行量化， 因而有效地减少了熵编码器中上下文的个数，由此解决了熵编码器中上下文量化 的问题。实现了低复杂度下压缩编码效率的提高。 (3)分别设计了离线与在线权值量化算术编码器。离线权值权值量化算术编码器 利用预编码过程得到全局权值重要性概率分布，并以此作为分类的先验知识，权 值量化后再经过算术编码。在线权值量化算术编码器则随着编码过程动态更新权 值重要性概率。这两种编码器都能有效地提高算术编码的压缩效率，与最新的静 态图像压缩标准 JPEG2000 相比，相同码率下的峰值信噪比值均可提高 0.1 至 0.2db。 其中离线权值上下文算术编码器的时间复杂度与 JPEG2000 近似，进一步说明本文 提出的算术编码器是高效的静态图像压缩编码器。 本文由《多维高动态极光数据的混合预测无损压缩与非平稳信道传输研究》（国 家自然科学基金面上项目资助。 关键字：高阶熵 小波变换 上下文模型 回归预测 权值分类 算术编码 ABS ABSTRACT III IVMul IV Multidimensional Image Data Compression 万方数据 万方数据 万方数据 万方数据 ABSTRACT Recent years has seen a boom in development of multimedia technologies and web application. Digital images have been widely used in many fields. Massive amounts of data and transmission problems make the study of image compression major concern of all circles. Concerned in both frequency and time field, wavelet transform can perform better, and can more efficiently compress image combining the embedded coding, wavelet-based image compression algorithms has obtained the rapid development. However, how to organize and quantify the wavelet coefficients more efficiently is still a hot topic in the field of image coding. The wavelet theory and set partitioning embedded block coding method is introduced first in this paper. After the analysis of the feature of coefficients image after wavelet transform, the paper improves the image context template, then proposed weight-qua