论文部分内容阅读
随着信息技术的发展和各类数码产品的普及,有限的存储空间和数据传输带宽成为了难以突破的瓶颈。因此图像压缩成为了图像处理过程中必不可少的步骤,如何使图像压缩算法的压缩性能更好、压缩效率更高成为了当下图像处理领域的一大重点研究课题。本文主要针对快速高效无损图像压缩算法(Fast Efficiency Lossless Image Compression System,FELICS)进行了深入的分析和优化。本文通过对各类图像压缩算法的深入研究和对几种基于预测编码的无损图像压缩算法的对比和分析,选定FELICS算法为本文的研究内容。借鉴序列参数估计法,图像分块和限长编码的设计思想,对标准算法中Golomb-rice熵编码部分基数K的选取过程进行了改进和优化。将待处理的图像按照规定的大小进行分块,在每一个图像块中设置0-255个不同的背景值Δ,以此为索引值在每一个背景值Δ下设置两个变量,即到目前为止该Δ下出现的像素点个数和这些像素点的预测误差之和,利用这两个变量求出K的期望值,以此来代替FELICS算法中K值的求取方法。由于标准算法中K的求取过程是通过遍历操作实现的,如果K有8个备选值的话,那么确定一个K值就需要8个时钟周期,并且在每一个背景值Δ下有8个变量。和标准算法相比,本文所提出的优化算法可以节省4倍的存储空间,并使处理效率提升8倍。在对优化算法的原理进行了分析和说明之后,对其进行了软件仿真,并将不同分块方案下的改进算法同标准算法进行了对比,最后,针对改进算法完成了硬件验证。优化后算法编解码过程的软件仿真结果显示,本算法能够正确实现无损图像压缩和图像重建的功能。当图像分块大小为64×64时,算法的压缩性能和压缩效率能够达到最佳的折中效果,经过标准测试图像验证后发现,优化后的算法平均压缩比为1.52624,与标准FELICS算法相比提高了0.84%,压缩时间减小为标准FELICS算法的54.56%。