第9章小波图像编码.pdfVIP

第 9 章 小波图像编码 第 9 章小波图像编码 由于小波变换技术在 20 世纪 90 年代初期已经比较成熟， 因此从那时起就开始出现各种 新颖的小波图像编码方法。这些编码方法包括 EZW ，在 EZW 算法基础上改进的 SPIHT 和 EBCOT 等。由于 EZW 算法的开拓给后来者带来很大的启发，它是一种有效而且计算简单 的图像压缩技术，因此本章将重点介绍。 9 ．1 从子带编码到小波编码 9 ．1．1 子带编码 子带编码 (subband coding ，SBC) 的基本概念是把信号的频率分成几个子带， 然后对每个 子带分别进行编码，并根据每个子带的重要性分配不同的位数来表示数据 。在 20 世纪 70 年代， 子带编码开始用在语音编码上。 由于子带编码可根据子带的重要性分别进行编码等优 点， 20 世纪 80 年代中期开始在图像编码中使用。 1986 年 Woods ，J．W ．等科学家曾经使 用一维正交镜像滤波器组 (quadrature mirror filter banks ，QMF) 把信号的频带分解成 4 个相等 的子带，如图 9— 1 所示。图 9— 1(a)表示分解方法，图 9— 1(b)表示其相应的频谱。图中的 符号 2 ↓表示频带降低 1 ／2，HH 表示频率最高的子带， LL 表示频率最低的子带。这个过 程可以重复， 直到符合应用要求为止。 这样的滤波器组称为 分解滤波器树 (decomposition filter trees) 。 9 ．1．2 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 (multiresolution analysis) 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。根据 Mallat 和 Meyer 等科学家的理论，使用一级小波分解方法得 到的图像如图 9— 2 所示。 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， 这些图像叫做多分 辨率图像 (multiresolution images)。图 9— 3 表示 Lena 的多分辨率图像。其中，粗糙图像 1 的分辨率是原始图像的 1 ／4，粗糙图像 2 的分辨率是粗糙图像 1 的 1 ／4 。 第 9 章 小波图像编码 9 ．1．3 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 (invertible filterbank) ，使用滤波和子采样 (subsampling) 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 (conjugate mirrorfilters) 的一种特殊滤波器 来取消信号的混叠 (aliasing) ，这样可从子采样的信号中重构原始信号 f(n) 。这个发现使人们 花费了 10 多年的努力来开发一套完整的滤波器组理论。 正交小波的多分辨率理论 (multiresolution theory) 已经证明，任何共轭镜像滤波器都可以 用来刻画一种小波 ψ(t) ，它能够生成 L 2(R) 实数空间中的正交基，而且快速离散小波