收藏本站
收藏 | 手机打开
二维码
手机客户端打开本文

小波分析在图像压缩中的应用

涂立桥  
【摘要】: 信息技术之所以从模拟转向数字,绝非偶然。数字传输抗干扰性强、数字存贮方便、数字电路易于集成化,这些都是模拟信号或电路难以达到的优点。然而数字图像占用的存贮空间相当大,一路数字化的高清晰度电视信号,其数码率高达1.3Gb/s,显然要实时存贮或传送这样大的数据量,是非常困难和不经济的。因此图像压缩显得尤为必要和重要。 图像压缩是利用了图像自身存在的相关性,去掉图像的各种冗余信息,保留对我们有用的信息。其难点就是数据编码,它也是多媒体通信、多媒体计算机和数字广播电视的核心技术。它对在有限的存贮空间和限定的传输带宽条件下有效地存贮和传送图像信息,起着十分重要的作用。 本文研究的重点是将小波分析应用于图像压缩,探讨在确保压缩图像质量的前提下,如何提高图像压缩比。本文的小波变换的编码过程一般为:1.图像采样;2.小波变换;3.量化:4,压缩,形成比特流。 小波变换是一种信号的时间一尺度(时间—频率)分析方法,它具有多分辨分析的特点,而且在时频两域都具有表征信号局部特征的能力,是一种窗口大小固定不变但其形状可改变,时间窗和频率窗都可以改变的时频局部化分析方法。即在低频部分具有较高的频率分辨率和较低的时间分辨率,在高频部分具有较高的时间分辨率和较低的频率分辨串。原始图像经过小波变换后,绝大部分能量便集中在少数低频小波系数上,而极小部分能量分散在大量高频小波系数上。即低频小波系数反映了原图像的“粗糙像”,高频小波系数反映了原图像的“细节部分”。当然,小波变换本身并不能提高图像压缩比,但如果在处理小波系数过程中,忽略高频系数,只保留低频系数,则不仅能较大地提高图像压缩比,而且使得图像信号具有较强的抗干扰能力。 为了在保持压缩图像视觉效果的前提下,最大限度地提高图像压缩比,单纯借助小波分析是不够的,还必须依靠一定的图像编码技术。本文主要探讨了SOFM算法、LBG算法、DPCM分步编码、小波零树压缩等较为多见的几种图像编码方法。 由于本人接触小波分析和图像压缩等领域时间较短,对小波分析和图像压缩的认识还不够深刻,不可能在图像压缩方面取得较大突破和创新。本人所做的工作主要围绕着这样的步骤:将图像数据先进行小波变换,然后分别应用SOFM算法、LBG算法、DPCM分步编码、小波零树压缩等对图像小波系数进行编码,最后重构图像。 AKqNk44+WA 从而研究如何能够提高图像压缩比,并比较了各算法在图像压缩中的特点。另外, 根据SOFM算法、LBG算法在图像压缩中的各自特点,提出了一种新的算祛一七L 算法。 在此需要强调的是,由于小波基的不唯一性,使得图像压缩结果呈现出多样性。 至于什么样的图像采用哪种小波比较合适,目前尚无定论,这也是人们热衷于研究 小波分析的原因之一。本文的实验主要采用了“dbl”小波。另外,SOFM算法、LBG t 算法、DPCM分步编码、小波零树压缩等各自技术参数选择是否合理以及矢量长度 大小,也会影响到压缩图像的各项性能指标。这些指标主要为:码书训练时间、平 均信噪比、峰值信噪比等。在本文中列举了大量实验结果,导致这些结果的技术参 数在文中进行了详细描述。 由于本人水平有限,文中难免存在不足和错误之处,恳请老师们指正!


知网文化
 快捷付款方式  订购知网充值卡  订购热线  帮助中心
  • 400-819-9993
  • 010-62982499
  • 010-62783978