论文部分内容阅读
Shapiro(1993年)在他的著作“embedded zerotree wavelet(EZW)[1]”第一次提出了小波变换零树结构，后来Said和Pearlman等人(1996年)在他们的文章“set portioning in hierarchical trees(SPIHT)[2]，”中迸一步改进了零树结构。这种技术不仅在性能方面可以和最复杂的技术相比较，而且它得到的是嵌入式比特流，执行起来也是最快的，因而SPIHT算法被公认为最受欢迎的小波编码算法。但是目前SPIHT算法的使用还只是局限在标量小波的图像和视频编码中。现在小波编码已经发展到矢量小波编码阶段，而矢量小波编码算法比标量小波编码算法复杂得多，目前相关的算法比较单一，而且计算量也相当大。基于这些原因，考虑在矢量小波编码中使用目前标量小波编码中成熟的算法—SPIHT算法，为此，本文做了以下几个主要阶段的工作。 首先是阐述小波变换时边界对称延拓方法。当使用FIR正交滤波器组处理有限长度的信号时，在图像合成阶段，会产生意想不到的边缘变形。而传统上处理这种边缘效应的方法一般有三种:第一种方法是设计专门的边界小波;第二种方法，在分析阶段前，有限长度信号的两端分别补零;第三种方法是对称延拓。为此将详细研究对称延拓的理论，然后讨论了对称延拓方法与小波滤波器及信号三者之间的关系，最后为每个种类型的滤波器找出一种最佳的对称延拓方法。 其次是提出一种新的矢量小波分解算法。利用矢量小波预滤波器[3]和滤波器分解图像，并且使用一种类似Michael B.Martin和Amy E.Bell等人2001年[4]提出的方法重组变换后得到的图像，反复重复变换、重组过程。最后得到的矢量小波分解图像变成了与标量小波分解得到的图像一样的形式。这样就可以使用很多标量小波编码中的著名算法来编码系数，例如EZW，SPIHT和EBCOT[5]等算法。 第三是提出了CSF视觉模型。在图像编码中结合人类视觉模型是为了提高相同比特率情况下的图像视觉质量。目前有很多种计算人类视觉模型的方法，其中一个最常用的传统视觉模型是基于DCT结构的JPEG亮度量化表[6]，该表是由比灵敏度直接计算而得到的。在基于DCT变换的图像编码中，利用该表能取得最好的性能。另外一个非常有用的视觉模型是I.Hontsch，L.J.Karam和R.J.Safranek[7]等人提出的基于小波结构的视觉模型，该视觉模型是完全通过实验来得到的视觉模型。第三个是二维CSF函数计算出来的视觉模型[151]。这三种模型都是基于人类视觉对信号在空间频域的反应建立起来的，本文将在建立一个基于MTF(Modulate Transfer Function)函数[8]的CSF带均匀视觉模型。实验结果表明这样得到的视觉权系数比其他权系数具有明显的优点。 第四是提出了基于上下文本的编码算法。对于矢量小波系数有效的熵编码，本文提出了一种新的上下文建模和选择技术，并且改进了SPIHT算法。这里改进的SPIHT算法把编码过程分成两个部分:第一部分是基于上下文的重要系数的编码;第二部分是基于上下文的残余系数的编码。编码过程，改进的SPIHT算法相应地把系数分成两个部分，即重要系数和残余系数。重要系数包含了一些重要比特平面，而残余系数包含了剩余的比特平面。它们之间的预值是2L，一般地有32，16或者8，实验结果显示预值为32时，编码效率最高。 第五是完整的图像编码系统的构成。本文发展一个基于SPIHT算法的图像编码器，该编码器包含四个部分:1）小波变换中的边界延拓技术;2）一种新的矢量小波变换方法;3）结合视觉模型的编码器;4）基于上下文本的编码技术。 最后是把本文的实验结果与目前最受欢迎的JPEG2000结果相比较。实验结果表明我们提出的算法与JPEG2000相比，性能丝毫不差，而且计算复杂度也低。