《数字图像处理---整数小波》.ppt 38页

  • 0
  • 0
  • 0
  • 约4.51千字
  • 2020-10-24 发布
文档工具:
    1. 1、本文档共38页,可阅读全部内容。
    2. 2、本文档内容版权归属内容提供方,所产生的收益全部归内容提供方所有。如果您对本文有版权争议,可选择认领,认领后既往收益都归您。
    3. 3、本文档由用户上传,本站不保证质量和数量令人满意,可能有诸多瑕疵,付费之前,请仔细先通过免费阅读内容等途径辨别内容交易风险。如存在严重挂羊头卖狗肉之情形,可联系本站下载客服投诉处理。
    4. 文档侵权举报电话:19940600175。
    章毓晋 (TH-EE-IE) 12.4 小波变换编码 12.4.1 小波变换编码系统 12.4.2 基于提升小波的编码 章毓晋 (TH-EE-IE) 12.4.1 小波变换编码系统 小波变换编码也是一种变换编码方式 与采用正交变换(如DCT)的编解码系统不同, 小波变换编解码系统中没有图象分块的模块 小波变换的计算效率很高,且本质上具有局部性 小波变换编码不会产生使用DCT变换在高压缩比 时的块效应 章毓晋 (TH-EE-IE) 12.4.1 小波变换编码系统 小波变换编码需考虑的几个因素 1. 小波选择 如:双正交小波 2. 分解层数选择 影响小波编码计算的复杂度和重建误差 3. 量化设计 对小波编码压缩和重建误差影响最大 在不同尺度间调整量化间隔 章毓晋 (TH-EE-IE) 12.4.2 基于提升小波的编码 可以在当前位置实现整数到整数的变换,运算速度快且节约内存。它包括三个步骤: 1. 分裂(split) 将图象数据 分解成偶数部分 和奇数部分 S [uj(x, y)] := [uj–1,k(x, y), vj–1,k(x, y)] 章毓晋 (TH-EE-IE) 2. 预测(predict) 保持偶数部分不变并用偶数部分来预测奇数部分,然后用奇数 部分与预测值的差 (称为细节系数) 替代奇数部分 vj–1,k(x, y) := vj–1,k(x, y) – P [uj –1,k(x, y)] 12.4.2 基于提升小波的编码 章毓晋 (TH-EE-IE) 3. 更新(update) 构造一个作用于细节函数的算子U,并叠加到偶数部分上以 获得近似图象, 这里要保持原始 图象的一些特性 uj –1,k(x, y) := uj –1,k(x, y) +U [vj –1,k(x, y)] 12.4.2 基于提升小波的编码 数字图像处理---整数小波 章毓晋 (TH-EE-IE) 第12章 图象编码方法 12.1 预测编码 12.2 变换编码 12.3 子带编码 12.4 小波变换编码 章毓晋 (TH-EE-IE) 12.1 预测编码 空域方法,消除象素间的冗余 象素间的相关性使得预测成为可能 仅提取每个象素中的新信息并对它们编码 12.1.1 无损预测编码 信息保存型 12.1.2 有损预测编码 信息损失型 章毓晋 (TH-EE-IE) 12.1.1 无损预测编码 无损预测编码系统 编码器 + 解码器(有相同的预测器) 章毓晋 (TH-EE-IE) 12.1.1 无损预测编码 无损预测编码过程 输入序列: fn (n = 1, 2, … ) 预测输出: (舍入成整数) 预测误差: 误差编码:在符号编码器中用变长码编误差 解压序列: 哪里取得了压缩? (消除了象素间冗余) 章毓晋 (TH-EE-IE) 12.1.1 无损预测编码 m阶线性预测: 1-D线性预测: 一阶1-D线性预测: 预测误差的 概率密度函数: 章毓晋 (TH-EE-IE) 12.1.2 有损预测编码 1、有损预测编码系统 增加了1个量化器,预测器放在1个反馈环中 章毓晋 (TH-EE-IE) 12.1.2 有损预测编码 1、有损预测编码系统 输入序列: fn (n = 1, 2, … ) 量化输出: 预测输入: 解压序列: 编码误差: 哪里又取得了压缩? (量化,减少了 心理视觉冗余) 章毓晋 (TH-EE-IE) 12.1.2 有损预测编码 1、有损预测编码系统 德尔塔调制(DM) 预测器 量化器 预测系数 a ≤ 1,常数 c > 0 DM方法得到的码率是1比特/象素 章毓晋 (TH-EE-IE) 12.1.2 有损预测编码 1、有损预测编码系统 DM编码中的失真示例 章毓晋 (TH-EE-IE) 12.1.2 有损预测编码 2、最优预测 最小化编码器的均方预测误差 差值脉冲码调制法 (DPCM) 章毓晋 (TH-EE-IE) 12.1.2 有损预测编码 2、最优预测 4阶线性预测器 章毓晋 (TH-EE-IE) 12.1.2 有损预测编码 3、最优量化 判别 重建 章毓晋 (TH-EE-IE) 12.1.2 有损预测编码 3、最优量化 最小均方量化误差 重建电平是p(s) 曲线下面积的重心 判别值为2个 重建值的中值 q(s)奇函数 输入概率密度函数,偶函数 章毓晋

    文档评论(0)

    • 内容提供方:189****2507
    • 审核时间:2020-10-24
    • 审核编号:5001344123003013

    相似文档