嵌入式零樹小波

圖象壓縮處理技術(shù)姓名陳西學(xué)號(hào)040210217嵌入式零樹小波

圖象壓縮處理技術(shù)姓名陳1小波圖象壓縮處理的意義對(duì)圖象來(lái)說(shuō)，如果要進(jìn)行快速或?qū)崟r(shí)傳輸以及大量存儲(chǔ)，就需要對(duì)圖象數(shù)據(jù)進(jìn)行壓縮．在小波理論應(yīng)用于圖象編碼前，變換編碼完全由離散余弦變換占統(tǒng)治地位，但其難以消除圖象整體的結(jié)構(gòu)冗余，會(huì)產(chǎn)生明顯的飛蚊噪聲及方塊效應(yīng)．自20世紀(jì)80年代末期S.Mallat首次將小波變換引入圖像處理以來(lái)，小波變換以其優(yōu)異的時(shí)頻局部能力及良好的去相關(guān)能力在圖像壓縮編碼領(lǐng)域得到了廣泛應(yīng)用，并取得了良好的效果．小波圖象壓縮處理的意義對(duì)圖象來(lái)說(shuō)，如果要進(jìn)行快速或?qū)崟r(shí)傳輸2本文所做的主要工作本文主要研究了基于提升方案的整數(shù)（5-3）小波變換與SPIHT算法結(jié)合以實(shí)現(xiàn)圖像壓縮。其具體實(shí)現(xiàn)框圖如下：小波變換SPIHT編碼壓縮后的文件SPIHT解碼小波反變換恢復(fù)圖象原圖象本文所做的主要工作本文主要研究了基于提升方案的整數(shù)（5-33小波變換在小波變換方式的選擇中，我選擇了基于提升方案的（５－３）整數(shù)小波變換。提升方案主要包括分裂（split），預(yù)測(cè)（predict），更新（update）三個(gè)主要步驟．整數(shù)小波變換不僅繼承了第一代小波變換的多分辨率特性，可以實(shí)現(xiàn)整數(shù)到整數(shù)的變換，避免了編碼前的量化誤差，而且節(jié)省了內(nèi)存，提高了運(yùn)算速度，且不依賴于傅立葉變換．小波變換在小波變換方式的選擇中，我選擇了基于提升方案的（５－4小波變換（５－３）整數(shù)小波變換的實(shí)現(xiàn)公式為：

小波變換（５－３）整數(shù)小波變換的實(shí)現(xiàn)公式為：5小波變換邊界處理：在（５－３）整數(shù)小波變換過(guò)程中會(huì)遇到邊界問(wèn)題，如果不處理得當(dāng)會(huì)產(chǎn)生邊界誤差．本文在實(shí)現(xiàn)時(shí)采用了對(duì)稱周期延拓，有效的克服了邊界誤差，保證了數(shù)據(jù)的完全重構(gòu)．小波變換邊界處理：6分層樹集分割（SPIHT）算法

SPIHT編碼算法是EZW的改進(jìn)算法，能夠在實(shí)現(xiàn)幅值大的系數(shù)優(yōu)先傳輸?shù)耐瑫r(shí)，隱式的傳送系數(shù)的排序信息，充分利用了小波系數(shù)之間的相關(guān)性，減少了碼間冗余，因此可以得到較高的信噪比PSNR．

分層樹集分割（SPIHT）算法7分層樹集分割（SPIHT）算法下面簡(jiǎn)要介紹一下SPIHT算法：為了描述集合分裂規(guī)則,定義幾個(gè)基本集合如下：

O(i,j)

:(i,j)

的直接結(jié)點(diǎn)（所有孩子）的集合；D(i,j)

:(i,j)

的子結(jié)點(diǎn)集（所有子孫，孩子）；L(i,j):子結(jié)點(diǎn)集中非直接子結(jié)點(diǎn)集的坐標(biāo)的集合；

H：所有樹根的坐標(biāo)集．L（i,j）=D(i,j)-O(i,j),即（i，j）的所有非直系子孫的坐標(biāo)集。分層樹集分割（SPIHT）算法下面簡(jiǎn)要介紹一下SPIHT算法8分層樹集分割（SPIHT）算法零樹結(jié)構(gòu)示意圖如下：

分層樹集分割（SPIHT）算法零樹結(jié)構(gòu)示意圖如下：9分層樹集分割（SPIHT）算法SPIHT的分集規(guī)則如下：１）最初坐標(biāo)集由{（i,j）︱(i,j)∈H}和{D（i，j）︱(i,j)∈H且（i，j）有非零子孫}２）若D（i，j）關(guān)于當(dāng)前域值是重要的，則D（i，j）分成L(i,j)及4個(gè)單節(jié)點(diǎn)（k,l）∈O（i,j）。３）若L(i,j)關(guān)于當(dāng)前域值是重要的，則L(i,j)分成4個(gè)集D(k,l),(k,l)∈O（i,j）分層樹集分割（SPIHT）算法SPIHT的分集規(guī)則如下：10分層樹集分割（SPIHT）算法在SPIHT算法實(shí)現(xiàn)過(guò)程中需要引入三個(gè)有序表來(lái)存放重要信息，他們是：LIP—不重要系數(shù)表；LSP--重要系數(shù)表；LIS—不重要子集表。在這三張有序表中，每一個(gè)表項(xiàng)都使用坐標(biāo)（i,j）來(lái)表示。在LIP和LSP中，坐標(biāo)（i,j）表示單個(gè)小波系數(shù)；而在LIS中，坐標(biāo)(i,j)或者表示D（i,j）或者表示L（i,j），為區(qū)別起見，D（i,j）稱為D型表項(xiàng)，而L（i,j）稱為L(zhǎng)型表項(xiàng)，分別用（i,j）D和（i,j）L表示。分層樹集分割（SPIHT）算法在SPIHT算法實(shí)現(xiàn)過(guò)程中需要11分層樹集分割（SPIHT）算法SPIHT算法編碼主要包括三個(gè)步驟：１）域值和有序表的初始化２）排序掃描３）精細(xì)掃描其解碼過(guò)程與編碼過(guò)程基本相似。分層樹集分割（SPIHT）算法SPIHT算法編碼主要包括三個(gè)12實(shí)驗(yàn)結(jié)果及分析為了測(cè)試本文提出的零樹編碼的性能，我們用VC++實(shí)現(xiàn)了該算法，小波變換選擇（5-3）整數(shù)小波變換。選擇LENA的標(biāo)準(zhǔn)圖象(尺寸為256×256)作為測(cè)試圖象，原圖像大小為65KB，采用峰值信噪比(PSNR)和比特率比較本文的SPIHT算法的壓縮性能，結(jié)果如下表所示：實(shí)驗(yàn)結(jié)果及分析為了測(cè)試本文提出的零樹編碼的性能，我們用VC+13實(shí)驗(yàn)結(jié)果及分析壓縮后圖像大小（KB）

比特率(bpp)均方誤差MSE信噪比PSNR（db）

384.82.5843.5273.45.8639.9192.415.9835.6131.649.4630.791.117025.3實(shí)驗(yàn)結(jié)果及分析壓縮后圖像大小（KB）比特率均方誤差信14實(shí)驗(yàn)結(jié)果及分析

LENA原圖小波變換后的圖比特率=4.8信噪比PSNR=43.5比特率=3.4信噪比PSNR=39.9db實(shí)驗(yàn)結(jié)果及分析LENA原圖小波變換后的圖比特率=4.815實(shí)驗(yàn)結(jié)果及分析比特率=2.4信噪比PSNR=35.6db比特率=1.6信噪比PSNR=30.7db比特率=1.1信噪比PSNR=25.3db實(shí)驗(yàn)結(jié)果及分析比特率=2.4信噪比PSNR=35.6db比16實(shí)驗(yàn)結(jié)果及分析本文對(duì)小波變換圖像壓縮編碼技術(shù)進(jìn)行了較為深入的研究，并得出以下結(jié)論：(1)在變換方式上，多采用可分離的二維小波變換，這種方式符合人體視覺(jué)系統(tǒng)在水平和豎直方向敏感度較高，對(duì)角方向敏感度較低的特性，且計(jì)算量較小；(2)在小波基的選擇上，為了使小波基具有對(duì)稱性以獲得線性相位，一般采用雙正交濾波器，經(jīng)實(shí)驗(yàn)證明雙正交B5/3小波基的性能相對(duì)較優(yōu)；(3)在邊界處理上，多采用對(duì)稱延拓和周期延拓。這兩種延拓方式能較好地體現(xiàn)信號(hào)和濾波器結(jié)構(gòu)之間的匹配，從而達(dá)到消除邊緣失真，提高恢復(fù)圖象信噪比的目的；(4)在分解層數(shù)上，本文將原始圖象分成十個(gè)子帶，即三層分解，也可以分解為五層或六層；

(5)深入分析了可伸縮的圖象壓縮算法SPIHT，提出了一個(gè)實(shí)用的壓縮編碼方法，并給出了相應(yīng)的代碼實(shí)現(xiàn)。實(shí)驗(yàn)表明，該方法較EZW算法效果要好。實(shí)驗(yàn)結(jié)果及分析本文對(duì)小波變換圖像壓縮編碼技術(shù)進(jìn)行了較為深入的17最后,我要感謝黎老師對(duì)我畢設(shè)的輔導(dǎo),感謝各位學(xué)長(zhǎng)的熱情幫助.謝謝大家！！最后,我要感謝黎老師對(duì)我畢設(shè)的輔導(dǎo),18嵌入式零樹小波

圖象壓縮處理技術(shù)姓名陳西學(xué)號(hào)040210217嵌入式零樹小波

圖象壓縮處理技術(shù)姓名陳19小波圖象壓縮處理的意義對(duì)圖象來(lái)說(shuō)，如果要進(jìn)行快速或?qū)崟r(shí)傳輸以及大量存儲(chǔ)，就需要對(duì)圖象數(shù)據(jù)進(jìn)行壓縮．在小波理論應(yīng)用于圖象編碼前，變換編碼完全由離散余弦變換占統(tǒng)治地位，但其難以消除圖象整體的結(jié)構(gòu)冗余，會(huì)產(chǎn)生明顯的飛蚊噪聲及方塊效應(yīng)．自20世紀(jì)80年代末期S.Mallat首次將小波變換引入圖像處理以來(lái)，小波變換以其優(yōu)異的時(shí)頻局部能力及良好的去相關(guān)能力在圖像壓縮編碼領(lǐng)域得到了廣泛應(yīng)用，并取得了良好的效果．小波圖象壓縮處理的意義對(duì)圖象來(lái)說(shuō)，如果要進(jìn)行快速或?qū)崟r(shí)傳輸20本文所做的主要工作本文主要研究了基于提升方案的整數(shù)（5-3）小波變換與SPIHT算法結(jié)合以實(shí)現(xiàn)圖像壓縮。其具體實(shí)現(xiàn)框圖如下：小波變換SPIHT編碼壓縮后的文件SPIHT解碼小波反變換恢復(fù)圖象原圖象本文所做的主要工作本文主要研究了基于提升方案的整數(shù)（5-321小波變換在小波變換方式的選擇中，我選擇了基于提升方案的（５－３）整數(shù)小波變換。提升方案主要包括分裂（split），預(yù)測(cè)（predict），更新（update）三個(gè)主要步驟．整數(shù)小波變換不僅繼承了第一代小波變換的多分辨率特性，可以實(shí)現(xiàn)整數(shù)到整數(shù)的變換，避免了編碼前的量化誤差，而且節(jié)省了內(nèi)存，提高了運(yùn)算速度，且不依賴于傅立葉變換．小波變換在小波變換方式的選擇中，我選擇了基于提升方案的（５－22小波變換（５－３）整數(shù)小波變換的實(shí)現(xiàn)公式為：

小波變換（５－３）整數(shù)小波變換的實(shí)現(xiàn)公式為：23小波變換邊界處理：在（５－３）整數(shù)小波變換過(guò)程中會(huì)遇到邊界問(wèn)題，如果不處理得當(dāng)會(huì)產(chǎn)生邊界誤差．本文在實(shí)現(xiàn)時(shí)采用了對(duì)稱周期延拓，有效的克服了邊界誤差，保證了數(shù)據(jù)的完全重構(gòu)．小波變換邊界處理：24分層樹集分割（SPIHT）算法

SPIHT編碼算法是EZW的改進(jìn)算法，能夠在實(shí)現(xiàn)幅值大的系數(shù)優(yōu)先傳輸?shù)耐瑫r(shí)，隱式的傳送系數(shù)的排序信息，充分利用了小波系數(shù)之間的相關(guān)性，減少了碼間冗余，因此可以得到較高的信噪比PSNR．

分層樹集分割（SPIHT）算法25分層樹集分割（SPIHT）算法下面簡(jiǎn)要介紹一下SPIHT算法：為了描述集合分裂規(guī)則,定義幾個(gè)基本集合如下：

O(i,j)

:(i,j)

的直接結(jié)點(diǎn)（所有孩子）的集合；D(i,j)

:(i,j)

的子結(jié)點(diǎn)集（所有子孫，孩子）；L(i,j):子結(jié)點(diǎn)集中非直接子結(jié)點(diǎn)集的坐標(biāo)的集合；

H：所有樹根的坐標(biāo)集．L（i,j）=D(i,j)-O(i,j),即（i，j）的所有非直系子孫的坐標(biāo)集。分層樹集分割（SPIHT）算法下面簡(jiǎn)要介紹一下SPIHT算法26分層樹集分割（SPIHT）算法零樹結(jié)構(gòu)示意圖如下：

分層樹集分割（SPIHT）算法零樹結(jié)構(gòu)示意圖如下：27分層樹集分割（SPIHT）算法SPIHT的分集規(guī)則如下：１）最初坐標(biāo)集由{（i,j）︱(i,j)∈H}和{D（i，j）︱(i,j)∈H且（i，j）有非零子孫}２）若D（i，j）關(guān)于當(dāng)前域值是重要的，則D（i，j）分成L(i,j)及4個(gè)單節(jié)點(diǎn)（k,l）∈O（i,j）。３）若L(i,j)關(guān)于當(dāng)前域值是重要的，則L(i,j)分成4個(gè)集D(k,l),(k,l)∈O（i,j）分層樹集分割（SPIHT）算法SPIHT的分集規(guī)則如下：28分層樹集分割（SPIHT）算法在SPIHT算法實(shí)現(xiàn)過(guò)程中需要引入三個(gè)有序表來(lái)存放重要信息，他們是：LIP—不重要系數(shù)表；LSP--重要系數(shù)表；LIS—不重要子集表。在這三張有序表中，每一個(gè)表項(xiàng)都使用坐標(biāo)（i,j）來(lái)表示。在LIP和LSP中，坐標(biāo)（i,j）表示單個(gè)小波系數(shù)；而在LIS中，坐標(biāo)(i,j)或者表示D（i,j）或者表示L（i,j），為區(qū)別起見，D（i,j）稱為D型表項(xiàng)，而L（i,j）稱為L(zhǎng)型表項(xiàng)，分別用（i,j）D和（i,j）L表示。分層樹集分割（SPIHT）算法在SPIHT算法實(shí)現(xiàn)過(guò)程中需要29分層樹集分割（SPIHT）算法SPIHT算法編碼主要包括三個(gè)步驟：１）域值和有序表的初始化２）排序掃描３）精細(xì)掃描其解碼過(guò)程與編碼過(guò)程基本相似。分層樹集分割（SPIHT）算法SPIHT算法編碼主要包括三個(gè)30實(shí)驗(yàn)結(jié)果及分析為了測(cè)試本文提出的零樹編碼的性能，我們用VC++實(shí)現(xiàn)了該算法，小波變換選擇（5-3）整數(shù)小波變換。選擇LENA的標(biāo)準(zhǔn)圖象(尺寸為256×256)作為測(cè)試圖象，原圖像大小為65KB，采用峰值信噪比(PSNR)和比特率比較本文的SPIHT算法的壓縮性能，結(jié)果如下表所示：實(shí)驗(yàn)結(jié)果及分析為了測(cè)試本文提出的零樹編碼的性能，我們用VC+31實(shí)驗(yàn)結(jié)果及分析壓縮后圖像大小（KB）

比特率(bpp)均方誤差MSE信噪比PSNR（db）

384.82.5843.5273.45.8639.9192.415.9835.6131.649.4630.791.117025.3實(shí)驗(yàn)結(jié)果及分析壓縮后圖像大小（KB）比特率均方誤差信32實(shí)驗(yàn)結(jié)果及分析

LENA原圖小波變換后的圖比特率=4.8信噪比PSNR=43.5比特率=3.4信噪比PSNR=39.9db實(shí)驗(yàn)結(jié)果及分析LENA原圖小波