论文部分内容阅读
图像是人类相互交流与认识世界的重要媒体,具有直观、生动和信息丰富的特点。但是数字图像包含的数据量巨大,计算机很难对其直接进行存储和处理,也不利于图像在互联网上进行传输。解决这一问题的常用方法是对图像进行压缩处理。
小波分析是国际上一个迅速发展的新领域,因其具有良好的时频域局部特性,为数字图像处理带来了新的发展潜力,已成为小波研究与应用的热点之一。
图像压缩算法的研究是小波变换应用的一个重要方面,在静态和动态图像的压缩领域已经得到了广泛的使用,并已成为JPEG2000的组成环节之一。
小波变换用于图像压缩编码的基本思想是把图像进行多分辨率分解。把图像分解成不同空间与频率的子图像,然后再对子图像进行系数编码。采用何种策略对小波变换后的数据进行处理一直是图像压缩领域的一个研究热点。
本文对小波变换在数字图像压缩编码的应用,作了较为深入的研究和探讨。
本文首先介绍了研究的背景、目的和意义,同时利用时间域和频率域分析处理非平稳信号,保证瞬态和细节信息达到最佳表示,指出进行图像压缩的重要性和必要性,并简要的说明本文所要完成的工作。
其次介绍了数字图像的定义、数学模型和图像处理系统,重点介绍了图像压缩技术的基本理论、压缩编码原理、压缩质量的评定方法和静态图像编码的国际标准。
随后研究了小波变换的理论基础和多分辨分析的原理,介绍了小波变换的特点、发展及变换的数学描述,并与傅立叶变换比较,还对实现多分辨率分析的快速小波变换--Mallat算法作了详细介绍。
然后详细介绍了如何将小波变换用于图像的分解与合成,以及将小波变换应用于数字图像压缩编码。重点研究了嵌入式零树小波EZW算法和集分割层次树SPIHT算法。发现小波变换系数中的不重要系数可通过零树比较有效的表示,但是,零树结构无法有效表达树根重要而其他节点不重要这种树结构。SPIHT算法继承了EZW算法的特点,但在分割系数的方式和如何传输有效系数的位置信息上与EZW算法有本质区别。
在此基础上,分析了SPIHT算法的优点和不足,针对SPIHT算法对所有频域进行同等重要度的编码,对图像各部分统一编码的不足,根据小波变换的特点和系数的统计分析及人眼的视觉特征提出了基于SPIHT算法的图像压缩的改进的算法,并通过提升方案弥补传统小波变换的算法复杂的不足,选用压缩性能最好的双正交小波基D9/7用于图像压缩。
使用MATLAB开发了一个实现图像压缩的GUI图形界面系统。实验表明,同等压缩比时,新的压缩方法的峰值信噪比优于经典算法,因算法考虑的人眼视觉因素,所以重构图像的视觉质量优于经典算法。
最后对本文做了总结,分析了本文的不足之处及提出以后的研究重点。