论文翻译_可逆小波变换在图像无损压缩中的应用.docVIP

共 12 页 第 PAGE 12 页 一种成功的近无损压缩方法 摘要 我们提出了一种压缩技术，提供渐进式的传输，以及无损和近无损压缩在一个单一的框架。所提出的方法产生一个比特流，在渐进，并最终无损，重建图像得到类似可逆小波编解码器可以得到的结果。此外，提出的设计在近无损重建方面提供一个给定的约束，每一层先细分比特流后解码。我们制定作为图像数据压缩的问题先提取概率密度函数（PROBABILITY DENSITY FUNCTION）估计每个像素。在此框架内，限制区域估计的概率密度函数到一个固定大小的时间间隔，然后在此附近支持无损重建。我们解决的情况下选择的问题，以及根据上下文数据在任何通概率密度函数估计方法。无损和接近无损的情况下的实验结果表明，提出的压缩方案，创新地结合无损，近无损和渐进的编码特性，与国家的最先进的压缩方案的有比较竞争力的性能。 关键字：嵌入式比特流，图像压缩，无损压缩，近无损压缩，概率密度估计，连续细化。 I.简介 无损或可逆的压缩是指以压缩技术在重建原始数据的准确相匹配。近无损压缩意味着这样的一种压缩方法，保证边界不受之前介绍的由于压缩自然引起的损失。这种压缩技术保证原始像素和图像压缩之间没有[1]给定值以上差异。这种无损或近无损压缩，都可以找到在遥感，医疗和空间成像，多光谱图像归档潜在的应用。在这些应用中，数据的数量导致实际存储或传输会要求有损压缩。然而，有必要保留的有效性和精密性的侦察数据，如诊断业务，法医分析，以及科学或临床测量，往往对重建错误有严格约束。在这种情况下，近无损压缩成为一个可行的解决方案，因为，一方面，它提供了显著更高的压缩收益面相比较无损压缩算法，另一方面，它提供了保证边界的压缩损失补偿。 至于医疗成像和遥感应用所面临的有损/无损困境，另一种处理方法是使用一个连续细分的压缩技术，提供了一个比特流，导致图像的一个渐进的重建。使用小波，例如，人们可以从各级失真率得到一个嵌入的比特流由此失真可以被观察到。事实上，可逆整数小波变换，得到一个渐进的重建能力来一路无损地恢复原始数据。探索这种技术已经在远程放射学发现潜在用途，医生通常对增长图像（包括无损重建）的部分图像有要求，同时可以接受质量较低的初始渲染和不重要的部分图像，从而降低整体的带宽要求。事实上，对新的静止图像压缩标准，JPEG 2000提供了在其扩展形式等特点[2]。 虽然可逆整数小波变换的图像压缩技术集成方案提供了一种适用无损和有损的压缩，压缩性能通常是不如国家的最先进的非嵌入式和预测性编码技术像CALIC[3]和TMW的[4] [5]。另一个缺点是，同时实现无损压缩时，在中间阶段有损重建时，整个比特流已经收到，没有确切的界限，可以界定以上存在失真的程度。近无损压缩在这样一个框架的唯一可能是通过适当的小波系数和所产生的比特流的无损传输预测量化残留层的传输遵循一个适当的点，或截断的比特流提供近无损的约束。这两种方法已被证明是低效率的压缩，与近无损压缩预测编码[1]一样。 在本文中，我们提出了一种压缩技术，结合上述两个可取的特点，即近无损压缩和有损压缩逐步细化到无损重建。换句话说，所提出的方法产生一个比特流，得到可逆小波编解码在逐步重建图像的过程中可以得到相似的结果。此外，在每一层的比特流都细化编码完成后，我们的设计提供了一个对应无损或有损的给定范围。此外，这些边界需要设置压缩时间并且在解压过程中不能改变。文章提出的方法所提供的压缩性能，可与知名的无损和近无损文献中提出的技术相媲美。应当指出，作者所知，这是第一次技术，提供无损和近无损压缩，以及所有在一个单一的框架，逐步重建的文献报道。 本文的其余部分安排如下：在第二节的数据模型，介绍我们的做法，我们首先讨论近无损压缩和在我们的算法中使用的工具，如连续细化，密度估计。模拟的压缩方法是在第三节。在第三节中，我们给出了实验结果，第四节为整章的结束语。 II. 设计方法功能 在无损压缩的关键问题涉及根据先前已知的像素（或以前收到的信息）估算当前像素的概率密度函数（简称概率密度分布函数）。连续细化的问题，应该考虑到这一点，然后将获得改进的连续传输图像的每个像素的概率密度分布函数估计的过程，直到所有的像素是唯一确定的。其实先限制“支持”的概率密度分布函数（概率密度分布函数是非零的间隔）后间隔细化导致无损/近无损压缩在一个单一的框架内一体化。更明确地，减少在每个传递的像素概率密度分布函数支持较窄的时间间隔，赋予先验性，而根据固定的时间间隔的大小，来提供近无损编码（或无损，如果间隔大小就是其中之一）。在这个统一的设计中，我们将获得一个比特流，让我们每一个传输后近无损重建，在这个意义上，每个像素是k量子箱在其原有的值。这种编码错误的真实值约束将随同连续的传输，直到最后的传输完成，如果需要的话，