小波图像编码幻灯片.ppt 52页

  • 0
  • 0
  • 0
  • 约4.63千字
  • 2021-01-18 发布
文档工具:
    1. 1、本文档共52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。
    第九章 小波图像编码;前言;第一节 从子带编码到小波编码;;多分辨率分析 S.Mallat 于1988年在构造正交小波基时提出了多分辨率分析的概念。从空间上形象地说明了小波的多分辨率的特性,提出了正交小波的构造方法和快速算法,叫做Mallat算法。 如果在一级分解之后继续进行分析,这种分解过程叫做多分辨率分析,实际上就是多级小波分解的概念。使用多级小波分解可以得到更多的分辨率不同的图像,这叫多分辨率图像。;;滤波器组与多分辨率 为了压缩语音数据,在1976年 Croisier ,Esteban和Galand介绍了一种可逆滤波器组,使用滤波和子采样的方法用来把离散信号f(n)分解成大小相等的两种信号,并且使用叫做共轭镜像滤波器的一种特殊滤波器来取消信号的混叠,这样可从子采样的信号中重构原始信号。; 正交小波的多分辨率理论已经证明,任何共轭镜像滤波器都可以用来刻画一种小波,而且快速离散小波变换可以使用串联这些共轭镜像滤波器来实现。连续小波理论和离散滤波器组之间的等效性揭示了数字信号处理和谐波分析之间的关系。;小波分解图象方法: 包括: 均匀分解,非均匀分解,八带分解和小波包分解. 其中八带分解使用最广泛,它属于非均匀频带分割方法.它把低频部分分解成比较窄的频带,而对每一级分解的高频部分不再进一步分解. ;; 失真的度量方法;;EZW 编码;小波图象编码的一般结构主要由: 小波变换,量化和熵编码等三个模块组成 其中 小波变换:不损失数据,它是EZW算法具有渐进性的基础. 量化模块:对数据会产生损失,损失程度取决于量化阈值的大小,EZW算法指的就是此模块的算法. 熵编码模块:对每个输入数据值精确地确定它的概率,并根据这些概率生成一个合适的代码,使输出码流小于输入码流;9.3.2算法 对整幅图象编码一次,生成一种分辨率图象,编码一次叫做一遍扫描.每一遍扫描包含三个步骤:1.设置阈值 2.每个小波系数与阈值进行比较 3.量化系数和重新扫描 ;零树的定义: 子孙系数都为零的树. 零树定义的意义: 如果一棵树是零树,那么这棵树就可以用一个预先定义的符号来代表整棵树,从而提高压缩比.;EZW???码树的构造:;扫描方法:EZW算法对小波系数进行编码的次序叫做扫描. 包括两种方法: 1,光栅扫描 2,迂回扫描;9.3.3算法举例 P173;第四节 SPIHT 编码;9.4.2渐进图象的传输 SPIHT 算法采用的方法是幅度大的系数先传送.它要求对系数进行排序. 若传送的系数已按要求排序且用二进制形式表示,由幅度大的系数先传送的原则,必然按照最高有效位最先传送的原则进行传输,这种方法叫位平面(bit plane)方法.;9.4.3分集排序算法 SPIHT编码算法的一个特点: 不单独传输系数的排序信息. 基本依据:任何排序算法的执行路径都是使用分支点的比较结果进行定义的,如果编码器和解码器使用相同的排序算法,解码器就可重复编码器的执行路径,因此排序信息可从执行路径中重新获得.;分集排序算法不对所有系数排序,其选择发送的系数 的规则是: 其中, 实际上就是EZW算法中的阈值.编码时每扫描一遍,新的阈值就设置为 . 若 对给定的n, ,就称系数 是重要的,否则就称系数 是不重要的.;按照参数选择原则,分集算法把像素集分成许多子集 ,并对子集中的系数幅度作如下测试:   如果回答是否定的,则说明这个子集是不重要的,解码器也就知道这个子集中的系数都是不重要的;;如果回答是肯定的,则说明这个子集是重要的,解码器接收到这个信号之后,按照编码器的规则把这个子集—分成新的子集– 然后对新的子集做如上相同的测试。这个子集分割过程一直到对所有重要子集完成幅度测试为止。 目的是标识每一个重要系数;9.4.4 类型和变量 SPIHT算法定义的编码树的结构中,树的每一个节点与一个系数相对应.并用坐标 (i ,j)来标识,每一个节点的直接子孙或者叫做子节点与相同空间方向的高一级子带的系数相对应.  编码树定义:每一个节点有4个直接子孙或者没有直接子孙.;在SPIHT算法中,使用坐标标记的方法定义了4种坐标集来表示小波系数的类型,并用下面的符号表示: O(i,j):所有子节点(i,j)的坐标集 D(i,j):所有子孙节点(i,j)的坐标集 H(i,j):所有树根的坐标集 L(i,j)=D(i,j)-O(i,j

    文档评论(0)

    • 内容提供方:医学精品课件
    • 审核时间:2021-01-18
    • 审核编号:5214142041003112

    相关文档

    相关课程推荐