文档下载 文档下载导航
设为首页 | 加入收藏
搜索 请输入内容:  
 导航当前位置: 文档下载 > 所有分类 > 基于小波变换和分类矢量量化的图像压缩算法
侵权投诉

基于小波变换和分类矢量量化的图像压缩算法

基于小波变换和分类矢量量化的图像压缩算法

其中,ψm,n(t)=2m

2ψ(2tn),而 (t)满足 mψ(t)dt=0。 ∫∞+∞

将小波变换一维推广到二维就可用于图像处理。通过水平和垂直滤波,可分离二维小波变换将原始图像分解为水平﹑垂直﹑对角和低频4个子带,其中低频部分可继续进一步分解。图像经小波变换后所得到的系数有特殊性质。在不同尺度的高频子带图像之间存在同构特性,而且3个方向上不同尺度下的小波系数能量大小不同,各方向的侧重不同。在同一方向上,有更强的同构性和相似性,事实上,各方向不同尺度下对应频带的相关性是最强的。为提高矢量量化的编码效率,在构造矢量时,必须充分利用这些相关性。此外,图像的能量主要集中在低频子带,高频子带所占能量较少,且不同分辨率不同高频子带中的分布非常相似,接近Gamma分布或Laplace分布。各高频子带系数大部分分布在零值附近,概率密度分布曲线的中心点和最大值为零。这样,对带内及带间相关性的充分利用和对零值附近小波系数的有效处理,就成为提高图像压缩效率的关键。

高性能的矢量量化器必须依照图像小波系数的特性来构造矢量。使用不同子带的系数构成矢量来压缩小波系数,就可以利用不同尺度同方向小波系数的相关性。根据以上分析,本文采用三方向跨频带矢量构造方法[9]。小波变换将图像分解为4层共13个子带的塔形结构,各方向以树形关系从各子图中取大小为44 m(m 1,2,3,4)的系数块,按图1所示的方法构成85维矢量。这样构造出来的跨频带矢量能够充分利用小波系数的带间和带内相关性,但同时也带来计算量过大的问题。又在图像的多分辨分解中,分辨率越低的频带,小波系数所包含的图像信息越多,对图像重构更为重要,而分辨率越高的频带所包含的图像信息越少。因此,为降低矢量量化编码的复杂度,对每个85矢量的后64维矢量取均值,使矢量维数大幅度减小为22维。这样就构造出了3个方向小波系数的跨频带矢量。

基于小波变换和分类矢量量化的图像压缩算法

x1x2~xx6~xx22~x85图1 3个方向跨频带矢量的构造

Fig.1 Band-cross vector construction of wavelet parameters

1.2 小波零树和3个方向跨频带矢量的分类

由小波图像的多分辨率解析特点,大量的小波系数分布在零值附近,并且具有明显的方向性,构造出的跨频带矢量也就具有不同的能量和方向特征,通过对矢量进行分类后,用各自独立的码书分别进行量化,可以更有效的利用各子带间的相关性。

矢量的能量大小决定了其对于恢复图像质量的贡献程度,矢量能量越大,对恢复图像质量的贡献程度越高,所以能量可以作为矢量重要与否的一个判定准则。其次,本文按四叉树规则构造矢量,与零树编码的思想是一致的。零树[3]是基于小波系数相关性的一种假设:如果在低分辨率高频子带上的小波系数相对

上一页第2页

你可能喜欢

  • 图像压缩算法
  • 矢量量化
  • 数字图像变换
  • 图像压缩编码
  • 语音识别matlab

热门文档

相关文档

站点地图 | 文档上传 | 侵权投诉 | 手机版
本站所有资源均来自互联网,本站只负责收集和整理,均不承担任何法律责任,如有侵权等其它行为请联系我们.
文档下载 Copyright 2013 doc.guandang.net All Rights Reserved.  -  email