嵌入式零树小波图象压缩处理技术课件.ppt

1、嵌入式零树小波图象压缩处理技术姓名陈西 学号040210217小波图象压缩处理的意义n对图象来说，如果要进行快速或实时传输以及大量存储，就需要对图象数据进行压缩n在小波理论应用于图象编码前，变换编码完全由离散余弦变换占统治地位，但其难以消除图象整体的结构冗余，会产生明显的飞蚊噪声及方块效应n自20 世纪80 年代末期S.Mallat 首次将小波变换引入图像处理以来，小波变换以其优异的时频局部能力及良好的去相关能力在图像压缩编码领域得到了广泛应用，并取得了良好的效果本文所做的主要工作n 本文主要研究了基于提升方案的整数（5-3）小波变换与SPIHT算法结合以实现图像压缩。其具体实现框图如下：小波

2、变换SPIHT编码压缩后的文件SPIHT解码小波反变换恢复图象原图象小波变换n在小波变换方式的选择中，我选择了基于提升方案的（）整数小波变换。n提升方案主要包括 分裂（split），预测（predict），更新（update）三个主要步骤n整数小波变换不仅继承了第一代小波变换的多分辨率特性，可以实现整数到整数的变换，避免了编码前的量化误差，而且节省了内存，提高了运算速度，且不依赖于傅立叶变换小波变换n（）整数小波变换的实现公式为：02llsx021lldx10001()1/2llllddt ss10111()1/2llllssv dd小波变换n边界处理：在（）整数小波变换过程中会遇到边界问题，

3、如果不处理得当会产生边界误差本文在实现时采用了对称周期延拓，有效的克服了边界误差，保证了数据的完全重构分层树集分割（SPIHT）算法SPIHT编码算法是EZW的改进算法，能够在实现幅值大的系数优先传输的同时，隐式的传送系数的排序信息，充分利用了小波系数之间的相关性，减少了码间冗余，因此可以得到较高的信噪比PSNR分层树集分割（SPIHT）算法n下面简要介绍一下SPIHT算法：为了描述集合分裂规则,定义几个基本集合如下：O(i,j):(i,j)的直接结点（所有孩子）的集合；D(i,j):(i,j)的子结点集（所有子孙，孩子）；L(i,j):子结点集中非直接子结点集的坐标的集合；H ：所有树根的坐

4、标集L（i,j）=D(i,j)-O(i,j),即（i，j）的所有非直系子孙的坐标集。分层树集分割（SPIHT）算法零树结构示意图如下：分层树集分割（SPIHT）算法nSPIHT的分集规则如下：）最初坐标集由（i,j）(i,j)H和D（i，j）(i,j)H 且（i，j）有非零子孙）若D（i，j）关于当前域值是重要的，则D（i，j）分成L(i,j)及4个单节点（k,l）O（i,j）。）若L(i,j)关于当前域值是重要的，则L(i,j)分成4个集D(k,l),(k,l)O（i,j）分层树集分割（SPIHT）算法n在SPIHT算法实现过程中需要引入三个有序表来存放重要信息，他们是：LIP不重要系数表；

5、LSP-重要系数表；LIS不重要子集表。在这三张有序表中，每一个表项都使用坐标（i,j）来表示。在LIP和LSP中，坐标（i,j）表示单个小波系数；而在LIS中，坐标(i,j)或者表示D（i,j）或者表示L（i,j），为区别起见，D（i,j）称为D型表项，而L（i,j）称为L型表项，分别用（i,j）D和（i,j）L表示。分层树集分割（SPIHT）算法nSPIHT算法编码主要包括三个步骤：）域值和有序表的初始化）排序扫描）精细扫描其解码过程与编码过程基本相似。实验结果及分析n为了测试本文提出的零树编码的性能，我们用VC+实现了该算法，小波变换选择（5-3）整数小波变换。选择LENA的标准图象(尺

6、寸为256256)作为测试图象，原图像大小为65KB，采用峰值信噪比(PSNR)和比特率比较本文的SPIHT算法的压缩性能，结果如下表所示：实验结果及分析压缩后图像大小（KB）比特率(bpp)均方误差 MSE 信噪比PSNR（db）38 4.8 2.58 43.5 27 3.4 5.86 39.9 19 2.4 15.98 35.6 13 1.6 49.46 30.7 9 1.1 170 25.3实验结果及分析LENA原图小波变换后的图 比特率=4.8 信噪比PSNR=43.5 比特率=3.4 信噪比PSNR=39.9db 实验结果及分析比特率=2.4 信噪比PSNR=35.6db比特率=1.

7、6 信噪比PSNR=30.7db 比特率=1.1 信噪比PSNR=25.3db实验结果及分析本文对小波变换图像压缩编码技术进行了较为深入的研究，并得出以下结论：(1)在变换方式上，多采用可分离的二维小波变换，这种方式符合人体视觉系统在水平和竖直方向敏感度较高，对角方向敏感度较低的特性，且计算量较小；(2)在小波基的选择上，为了使小波基具有对称性以获得线性相位，一般采用双正交滤波器，经实验证明双正交B5/3小波基的性能相对较优；(3)在边界处理上，多采用对称延拓和周期延拓。这两种延拓方式能较好地体现信号和滤波器结构之间的匹配，从而达到消除边缘失真，提高恢复图象信噪比的目的；(4)在分解层数上，本文将原始图象分成十个子带，即三层分解，也可以分解为五层或六层；(5)深入分析了可伸缩的图象压缩算法SPIHT，提出了一个实用的压缩编码方法，并给出了相应的代码实现。实验表明，该方法较EZW算法效果要好。最后最后,我要感谢黎老师对我毕设的辅导我要感谢黎老师对我毕设的辅导,感谢各位学长的热情帮助感谢各位学长的热情帮助.谢谢大家！谢谢大家！