高性能的可伸縮圖像編碼研究.pdf

1、目前，數(shù)字圖像已在諸多領域有著廣泛的應用。日益增長的海量數(shù)據(jù)，給存儲器的容量，通信信道的帶寬以及計算機的處理速度帶來了前所未有的極大壓力。如何有效地組織、存儲、傳輸和恢復圖像數(shù)據(jù)，或探索和研究壓縮比更高，質(zhì)量更好，復雜度更低的圖像編碼技術是現(xiàn)代信息處理的關鍵任務之一。隨著因特網(wǎng)在全球范圍的日益普及，各種新興多媒體業(yè)務的相繼出現(xiàn)，傳統(tǒng)的編碼方法面臨巨大的挑戰(zhàn)。除了應具有好的壓縮效果外，圖像編碼還需要適應多變的應用環(huán)境，如用戶的不同需求，異

2、構網(wǎng)絡支路的不同傳輸條件和終端的不同處理能力等等。 本論文以探索滿足上述要求的高性能圖像編碼方法為目標，圍繞圖像壓縮的變換、量化和編碼等幾個主要環(huán)節(jié)而展開研究，重點開發(fā)了基于小波變換和基于稀疏分解的兩類高性能的可伸縮圖像編碼器。論文的創(chuàng)新性研究的主要內(nèi)容為： 1．系統(tǒng)深入地研究嵌入式小波圖像編碼技術，對當前先進的小波系數(shù)組織和編碼方法進行分類總結(jié)和探討。 2．深入研究小波系數(shù)集合劃分的原理和方法，提出一種自適應的

3、分層樹集合分裂方法，擴展了傳統(tǒng)的空間方向樹結(jié)構，將多個方向樹組合起來共同表示一個非重要系數(shù)集合，節(jié)約了集合表示的比特數(shù)。 3．探索研究矢量量化技術在嵌入式圖像編碼中的應用，提出一個格型矢量量化與分層樹集合分裂算法相結(jié)合的編碼方案。該方案選用規(guī)則的格點作為碼書，不需要訓練和存儲，克服了傳統(tǒng)矢量量化計算和存儲復雜度高的缺點。改進多級增益一形狀矢量量化方法并使之與集合分裂算法有機結(jié)合，實現(xiàn)了對細節(jié)較豐富圖像更好的編碼效果。 4

4、．在分析和借鑒多種先進編碼方法的基礎上，提出一個高性能的嵌入式小波編碼算法。該算法聯(lián)合采用了基于聚類的重要系數(shù)表示法和基于零塊結(jié)構的非重要系數(shù)表示法，以及基于上下文的算術編碼，共同挖掘小波子帶內(nèi)聚集和子帶間相似的特性。在嵌入準則的指導下，提出基于聚類表征的分類和排序方案，借助鏈表結(jié)構有效地實現(xiàn)了精細的分數(shù)位平面編碼，在較低復雜度下實現(xiàn)了比當前先進算法更好的有失真和無失真編碼性能。在此基礎之上提出了一種高伸縮性的圖像編碼方案。該方案利用位

5、平面編碼和小波分解固有的多分辨率特性實現(xiàn)了質(zhì)量和分辨率的可伸縮。它解除了編解碼之間的約束，編碼方無需了解解碼方的具體狀況，生成的具有層次結(jié)構的碼流可以很方便高效地被解析和解碼，以滿足用戶對質(zhì)量和分辨率的不同需求。 5．研究信號稀疏逼近問題，設計適合圖像表示的冗余幾何原子庫，探索快速圖像稀疏分解方法。對流行的匹配追蹤算法進行深入地分析和研究?？偨Y(jié)了匹配追蹤分解的特點，并提出用庫原子的空間相對距離來估計其互相關信息的方法。在此基礎上

6、提出一系列快速圖像稀疏分解算法，在保持主客觀質(zhì)量的前提下，大大提高了圖像分解的速度。比如對512×512測試圖像，相對于最新的全局匹配追蹤算法，本文算法的速度增益達到115.39倍，而PSNR平均下降0.25dB。 6．探索研究稀疏分解在圖像編碼中的應用。對圖像進行快速稀疏分解并分析和總結(jié)分解原子的分布規(guī)律，提出與之相適應的塊劃分編碼方法，對原子位置參數(shù)和系數(shù)進行聯(lián)合編碼。形成的編碼器在計算復雜度、編碼效率和伸縮性能等方面都優(yōu)于