毕业论文论文范文课程设计实践报告法律论文英语论文教学论文医学论文农学论文艺术论文行政论文管理论文计算机安全
您现在的位置: 毕业论文 >> 论文 >> 正文

小波变换及在图像压缩中的应用 第7页

更新时间:2008-5-30:  来源:毕业论文

小波变换及在图像压缩中的应用 第7页

本节通过实验比较一些常用的小波滤波器:Haar小波,db4db8Daubechies小波),CDF9/7小波,9/3小波以及本章构造的Myw10/10Myw9/11Myw9/15小波。分别在WSQ指纹压缩算法和EZW压缩算法下比较其性能,衡量指标采用峰值信噪比(PSNR),并结合人眼主观判断。

3.5.1EZW算法

小波/PSNR/比特率

0.4bpp

0.5bpp

0.8bpp

CDF9/7

35.8575

36.4559

39.0132

Haar

32.2805

33.6160

35.7996

Db4

34.0640

35.4974

37.4541

Db8

34.8753

35.8935

38.2211

myw10/10

34.6487

36.5285

37.6190

3.5.1给出了在EZW算法下各种小波在不同比特率下的压缩效果。Haar是不光滑小波,其效果差是可以预见的;Daubechies的正交小波性能有所改进,但是明显双正交小波的效果要更好。图3.5.1中给出了在EZW算法下对Lena图像进行压缩的例子,比特率为0.5BPPHaar小波的恢复图像出现了方块效应,而9/7小波和10/10小波都能较好的还原图像。

下面把上一节构造的新小波用于WSQ指纹图像压缩算法,

3.5.2WSQ算法

小波/PSNR/压缩比

5:1

15:1

25:1

myw10/101

41.979385

36.621544

33.930912

myw10/102

40.428741

34.434589

32.425568

myw9/11

42.905449

37.288288

34.755398

myw11/9

41.726242

36.332958

33.358753

9/3

41.545921

35.709435

33.121155

3/9

40.574360

34.576290

32.089336

9/7

43.310028

37.723919

34.844570

Haar

37.037380

30.367420

28.796766

myw9/15

41.031021

35.237396

33.409283

从表3.5.2中可以看出,11/9小波的效果十分接近于9/7小波,而10/10小波的效果也相当不错。从主观视觉来看,10/10小波的效果似乎很好,而10/10小波是等长的,有利于设计并行算法。另外,从表中可以看出,对于同一对滤波器,采用哪一个作为分解滤波器,哪一个作为重构滤波器是有区别的。一般的,采用消失矩高的小波分解得到的效果比较好。

        

a. Lena原图像                             b. Haar小波(0.5bpp,EZW)

         若图片无法显示请联系QQ752018766

      C. Myw10/10小波(0.5bpp,EZW)                     d. CDF9/7小波(0.5bpp,EZW)   

3.5.1:几种小波重构图像对比(EZW)

3.5.2分别为在wsq指纹压缩图像系统下用9/11小波、10/10小波和9/15小波解压得到的图像, 压缩比为15:1。可以看到9/1110/10小波的效果是很好的。

 

若图片无法显示请联系QQ752018766

3.5.2 几种小波解压图像对比(WSQ,15:1)

 

 

§3.6小结

小波编码中有两个关键问题:小波滤波器的选择和算法的设计。本章研究了在图像压缩中小波滤波器选取的原则;研究了矩阵法构造小波滤波器的方法,对其前提条件进行总结,以此构造出几种小波。最后对各种常见的小波滤波器进行小波编码的仿真实验。实验表明,新构造的小波的性能很好。

 


 

第四章           小波变换在图像压缩中的应用

每天都有大量的信息进行存储、处理和传送。美国已经将整个美国国会图书馆的图书(及一些馆藏物品)编制了目录,使其成为世界上最大的电子图书馆,以此作为其进行数字化和建立电子政府的第一步 ;网上的许多信息是以图像形式存储的,如果需要进行快速或实时传输以及大量存储,就需要对图像数据进行压缩,在同等的通信容量下,如果图像数据压缩后再传输,就可以传输更多的图像信息,也就可以增加通信能力,所以对于存储和通信的需求是无限的。所以图像压缩方法比起图像的存储或传输具有更为突出的实用价值和商业意义。

图像压缩所解决的问题是尽量减少表示数字图像时需要的数据量。减少数据量的基本原理是除去其中多余的数据。以数学的观点来看,这一过程实际上就是将二文象素阵列变换为一个在统计上无关联的数据集合。这种变化在图像存储和传输之前进行,而在以后的某个时刻再对压缩图像进行解压缩来重构原图像或原图像的近似图像。图像压缩研究的就是寻找高压缩比的方法且压缩后的图像要有合适的信噪比,在压缩传输后还要恢复原图像,而且在压缩、传输和恢复的过程中还要求图像的失真小等。

图像压缩是小波分析的一个重要应用,它的特点是压缩比高,压缩速度快,压缩后能保持图像的特征基本不变,且在传递过程中可以抗干扰,实现累进传输等。

§4.1小波编码的基本框架

基于小波变换的图像压缩编码模型一般包含3个部分。首先,利用二文Mallat分解算法对原始图像进行分解,假设分解成M层,则得到3M个高频子图与一个低频子图,如图4.1.1。由于小波变换系数在幅度上还是连续的,因此,第二步需要对小波变换系数进行量化,其被量化以后产生符号流的每一个符号是对应特定量化阶层的标记,信息的损失一般发生在量化级。第三步则由熵编码把量化得到的符号流表示为比特流,以达到压缩数据的目的。常用的熵编码有算数编码,Huffman编码等。最后把比特流进行存储或传输。对于静态图像这样的二文信源,需要使用二文滤波器进行处理。考虑到小波函数的可分离性,二文滤波器可由一文滤波器复合而成 。若图片无法显示请联系QQ752018766

个:小波滤波器的选择;量化算法。从早期的小波标量量化(WSQ)压缩指纹到嵌入式零树小波压缩算法(EZW)到新一代静止图像压缩标准JPEG2000,小波变换在图像压缩中的应用得到迅速发展。

 

LL3

HL3

HL2

HL1

LH3

HH3

LH2

HH2

LH1

HH1

4.1.1:三层小波分解

§4.2标量量化与矢量量化

一般,图像编码中的量化不是A/D转换后的量化,而是指经过正交变换(例如小波变换)后,熵编码(例如算数编码)之前,对正交变换的系数的量化处理。量化输入值的动态范围很大,需要以多个比特数来表示一个数值,而量化输出只能取有限个整数,即量化级。每个量化输入被归一到与其接近的某个输出,即量化到某个级。

量化处理总是把一批输入量化到一个输出级上,所以量化处理是一个多对一的处理过程,是不可逆的。因此,量化是有信息损失的,是引入失真的原因。对于无损压缩来说不应该存在量化。

标量量化把每一个量化系数同实数轴上的一个区间相联系,也就是把实轴的一个子集中的每一个元素映射为那个子集中的一个特定值。考虑把实轴划分为M个不相交的区间:若图片无法显示请联系QQ752018766

在每个区间内,选择点作为的输出值(码字)。则标量量化器是一个从R

的映射。确切的说,对一给定的x使包含x的区间的索引q。即:。反量化器为:

矢量量化器定义为从k文欧几里德空间到一包含N个输出点的有限集合C的映射,即,其中。集合C称作码书,其大小为N。码书的N个元素称作码字或码矢量,它们均为中的矢量

从信息论的角度来看,矢量量化总能获得优于标量量化的率失真性能,因此,在基于小波变换的图像压缩编码中,矢量量化是主要的量化技术之一。

上一页  [1] [2] [3] [4] [5] [6] [7] [8] [9] [10]  ... 下一页  >> 

小波变换及在图像压缩中的应用 第7页下载如图片无法显示或论文不完整,请联系qq752018766
设为首页 | 联系站长 | 友情链接 | 网站地图 |

copyright©751com.cn 辣文论文网 严禁转载
如果本毕业论文网损害了您的利益或者侵犯了您的权利,请及时联系,我们一定会及时改正。