小波与小波变换.docVIP

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。 从子带编码到小波编码 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 filterbanks ， QMF)把信号的频带分解成 4 个相等的子带，如图 9-01 所示。图 9-01(a)表示分解方 法，图 9-01(b)表示其相应的频谱。 图中的符号 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) 。 图 9-01 Lena 图的子带编码 (1984 年 ) 多分辨率分析 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 9-02 所示。 图 9-02 Lena 的两种分辨率分析图像 (1986 年) 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 9-03 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。 图 9-03 Lena 的多分辨率分析图像 (1986 年 ) 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 filter bank) ，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 mirror filters) 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 (t ) ，它能够生成 L2 (R) 实数空间中的正交基，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关系，这就使人们一直在致力于解决它们之间的关系问题。 从子带编码到小波编码 在过去的年代里， 人们做了许多的努力来改进滤波器组的设计和子带编码技术。在小波编码技术 (wavelet coding ， WC)的旗号下，人们提出了许多与子带编码技术非常类似和密切相关的方法。小波编码技术中的一个重要的问题是如何构造正交的小波基函数系列。正交的小波基函数系列可以在连续的时间域中构造，但如何在离散的时间域中构造是一个现实问题。 在众多的研究者中， Inrid Daubechies 在离散的时间域中构造小波基函数方面 做出了杰出的贡献。她于 1988 年 [1] 最先揭示了小波变换和滤波器组之间的内在关 系：离散时间滤波器 (discrete-time filters) 或者正交镜象滤波器 (quadrature mirror filter,QMF) 可以被叠代，并在某一种匀称 (regularity ，可粗略理解为函数的平滑性 )条 件下可获得连续小波。这是一个非常实际和极其有用的发现，这就意味着可使用有 限冲击响应 (finite impulse response ，FIR)的离散时间滤波器来执行小波