快速高效无损图像压缩算法的优化及硬件验证-微电子学与固体电子学专业论文.docxVIP

KEY WORDS：Lossless Image Compression, FELICS, Golomb-rice Entropy Coding 目 录 第一章 绪论1 1.1 图像压缩概论1 1.2 图像压缩算法的分类及发展现状2 1.3 本文的主要研究内容及安排5 第二章 基于预测编码的无损图像压缩算法介绍7 JPEG- LS 7 2.1.1 上下文模型的建立8 2.1.2 正常模式下的编码8 2.1.3 游长编码9 CALIC 9 FELICS 11 2.3.1 上下文模型的选取和建立11 2.3.2 编码方式的选取、标志位与预测误差的产生12 2.3.3 修正的二元编码13 2.3.4 Golomb-rice 熵编码 15 2.4 几种算法的对比和分析17 第三章 FELICS 的改进算法及软件验证 19 3.1 FELICS 算法的不足之处 19 3.2 改进算法的设计思想19 3.3 编码器的软件仿真21 3.3.1 上下文模型的建立与编码方式的选取22 3.3.2 修正的二元编码23 3.3.3 Golomb-rice 熵编码 24 3.3.4 32×32 分块模式下改进算法的结果仿真26 3.4 改进算法压缩解码过程的 Matlab 实现 28 3.5 本章小结31 第四章 改进型 FELICS 算法的硬件实现32 4.1 读取模块预测模块32 4.2 修正的二元编码模块34 4.3 Golomb-rice 熵编码模块 36 4.4 并串转换模块37 4.5 本章小结39 第五章 编码器的仿真结果及性能分析40 5.1 编码器仿真41 5.1.1 修正的二元编码模块41 5.1.2 Golomb-rice 熵编码模块 42 5.1.3 并串转换模块42 5.1.4 编码器顶层模块的整体仿真43 5.2 硬件压缩数据的解码44 5.3 编码器的性能分析46 5.4 本章小结48 第六章 总结和展望49 6.1 全文总结49 6.2 对后续工作的展望50 参考文献51 发表论文和参加科研情况说明55 致 谢56 第一章 第一章 绪论 PAGE PAGE 10 第一章 绪论 1.1 图像压缩概论 随着信息技术的巨大革新和移动终端设备的普及，数据尤其是图像数据的存 储和传输开始在人们生活中变得越来越重要[1]。目前在消费类电子市场中数码相 机和手机等移动终端的有效像素一般为 600 万到 3000 万，而图像数据都要通过 有线或者无线的方式进行传输，以普通的消费类数码相机为例，假设量化精度为 每像素 8 比特，那么想要在几秒钟内完成一幅图片的传输，带宽往往需要达到 20Mb/s 甚至更高[2-4]。 图 1-1 各类数码产品 这一发展趋势迫使存储技术和通讯技术不断演化，数据压缩技术就这样应运 而生了。数据压缩是指在不丢失有用信息的前提下，缩减数据量以减少存储空间， 提高传输、存储和处理的效率，或根据一些压缩算法对数据重新组织，以减少数 据冗余和存储空间的技术和方法[5-7]。 无论通信采用哪一种方式，只有当信息的收发双方都能够理解编码机制的时 候通信系统才能够正常工作[8-10]。例如，一篇文章是用拉丁语写成的，那么只有 当接收方知道这篇文章需要用拉丁字符进行解释的时候这篇文章才有意义。同 样，只有当接收方知道编码方法的时候他才能够理解压缩数据。一些压缩算法利 用了这个特性，在压缩过程中对数据进行加密，例如利用密码加密，以保证只有 得到授权的一方才能正确地得到数据，压缩算法在这之中起到了很重要的作用。 数据压缩能够实现是因为多数现实世界的数据都存在着统计冗余[11-13]。例 如，在一幅自然图像中，若利用当前像素点周边的像素产生预测值来与其本身作 差得到预测误差，那么预测误差通常情况下是呈指数衰减分布的，也就是说，在 某一些灰度值上有像素点出现的概率会比较高，其他的灰度值则会比较低，那么 在编码时就可以对出现概率较高的灰度值采用较短的编码，对出现概率较低的灰 度值采用较长的编码。无损压缩算法通常利用了统计冗余，这样就能在保持数据 完整性的情况下，更加简练的表示发送方的数据。 如果允许一定程度的保真度损失，那么还可以实现进一步的压缩。例如，由 于人眼的特殊构造，在观看图像或者视频资料时，图像的一些特性并不会影响人 们对有效信息的读取。同样，两个音频录音采样序列可能听起来一样，但实际上 并不完全一样。有损压缩算法可以将图像或者声音文件由时域转换到频域