毕业论文文章论文2015+基于小波包的图像压缩技术-修改完成稿

基于小波包的图像压缩技术提纲摘要：随着经济的快速发展，也带来了信息技术的突飞猛进，特别是在图像信息方面，社会的需求量越来越大，在这一背景下，对图像进行有效的处理、储存已经成为社会研究的热点，而在如何对占有大内存的图像进行有效的处理，已经成为业内研究的难点。小波变换技术的使用，是在人眼视觉相关属性的基础上，有效移除图像信息中相关性。所以，采用小波变换技术对图像进行有效压缩是目前讨论的焦点。压缩感知技术对原有技术进行了升级，跳出了原有技术的束缚范围，是信息技术发展的新方向，这一技术的应用，也促进了图像处理技术的飞速发展。论文详细研究了基于双正交小波包的静态图像压缩方法及其改进。虽然图像压缩感知技术给图像处理带来前所未有的便利，但是小波变换还存在两种缺憾，一是，虽然起到对图像的稀疏的功能，但是缺少对高频地方的深入分解。二是，采样值是一个固定的值，不能根据不同图像进行不同设定，这也是图像压缩后效果差的重要原因。关键词：小波包；图像压缩；技术

目录TOC\o"1-3"\h\u摘要 1目录 2一、引言 3二、小波的变换原理以及零树编码的改进算法 4（一）小波的变换原理 4（二）零树编码的改进算法 5三、小波包的图像压缩技术方法 6（一）小波包的图像压缩 6（二）多小波的图像压缩 71、预处理的方法 72、信号的延拓方法 73、图像的多小波变换方法 7（三）其它方式小波图像压缩方法 81、小波域分形图像压缩 82、可逆嵌入小波图像压缩 9四、结语 9参考文献 9致谢 10

一、引言科学技术的迅猛发展，尤其是电脑技术、互联网技术的普遍使用，给各个行业都带来了数目庞大的数据储存、处理、传输的问题。为了对这些海量的信息进行有效的处理，最佳的办法就是对这些信息进行压缩，以提高他们的储存、传输速度，但是这处理过程中，还要保证要有较好的压缩比，避免图像失真等问题。从信息技术的发展过程中可知，图像压缩技术已经成为信息技术发展的瓶颈，这一技术同样与通信技术、计算机技术有着密不可分的关系。对压缩技术的研究已经成为信息领域至关重要的热点问题。小波技术在图像处理领域被广泛的应用，主要是因为小波变换技术取得信号的多分辨情况，而且，小波基的存在，还可以与不同的信号进行匹配，同样，小波技术已经发展为研究非平稳信号最佳的技术手段。小波技术在应用中，有很多优点，比如压缩比较高，速度较快，能较好的保持图像不失真，还可以对干扰进行约束。目前，小波技术已经被广泛应用到各大领域，包括信号去噪等领域。该技术已经成为行业内最重要的研究领域，而且前景光明。从人的角度来分析，图像比文字有着更多的优点，图像比较快速、直观、立体、形象地告诉人们信息要表达的内容与意义。根据相关研究数据，人们有百分之六十的信息来源于图像。在信息技术快速发展过程中，图像已经变为获取信息的重要平台，在重工业、轻工业、军事、医疗、生活等方面都有着深远意义，影响着社会上的每一个角落。但是随着经济的发展，技术发展，社会对图像质量也有着较高的标准和要求，而且，超大数据量的图像储存、传输等现象越来越多，这些问题的产生，对信息处理技术提出了更高的要求。所以，图片压缩技术显得至关重要。受现有技术的限制，如果图像没有被经过压缩就进行处理，很难找到满足要求的网速以及储存的空间，因此，解决好图像压缩问题，是目前亟待解决的较严重的技术问题。二、小波的变换原理以及零树编码的改进算法小波变换技术有着比较先进的稀疏技术，目前已经在行业被普遍的使用。该技术主要使用时一频分析技术，能对不同信号频率成分进行调节，使得他们汇聚到信号的随意部位。这因为这一优势，小波变换常常被人们称为数字显微镜。小波技术的应用，解决傅里叶分析都不能有效解答的难点，有着无可比拟的优势，从20实际八十年中后期，就得打了人们的青睐。（一）小波的变换原理小波变换技术和多分辨分析法有着同样的工作原理，就是把一幅图一分为二，分为近似以及细节部分。其中，小尺度瞬变是和精确细节相适应的，有着较稳定的属性，所以，可以将细节部分有效的贮存，然后再在下一个尺度上面，对近似部分进行分析，再循环进行上述过程。下图就是该技术的结构图。近似部分与高通滤波相适应，精细部分与低通滤波相适应，而后经过尺度有效消除相关性，这一过程在视频处理中被证明是实用的。它有一个优势，在细节基础上，可将要处理的图像分解成增多的层，所以即使初期提供是一个比较粗糙的图片，后续可以根据处理要求再提供相关的细节。（二）零树编码的改进算法零树编码算法在实际使用中，可以对图像有效的恢复，恢复后的图像失真情况不严重，能被人们接受。但是这种算法不能够有效的产生一种有价值的映射，而且，在没有特定条件的支持下，恢复的图片失真情况严重。针对上述问题，国外有关专家在1993年，发表了嵌入零树小波(EmbeddedZerotreeWavelet，EZW)算法。这种算法与零树编码相比，有着很大的优势，不但保证了输出的码流具备嵌入的属性，还保证了比较好的压缩比，对处理过的图片也能保持原有的画面。在EZW算法前提下，Said和Pearlmand研究出了SPIHT(SePartitioningInHierarchicalTrees)算法。这种算法仍然是建立在小波算法的基础上，并对编码使用集合划分。即使这种方法与EZW相比，更为先进，但是在应用过程中存在难点，因为这种算法必须通过三种链表，对内存的需要也无限增大。针对上述问题，Lin和Burgress两位学者研究出了LZC(ListlessZeretreeCodin目算法，就是为链表寻找代替品，也就是标志位图的应用，可以有效减少内存的需求。我国这一领域的学者黄普明等创造性的研究出了改进性零树编码法，这种算法主要依靠多分辨分析小波时一频或者二维的功能，这一方法应经在压缩遥感领域被成果的应用。邓锦全、蔡汉添两位学者零树编码的缺点，研究出了利用边缘增强结合一维维纳滤波的模式，来增强压缩处理后的图像的品质。王嘉、余松煌两位专家，更是在大量数据的分析中，研究出了比特分配的论点，并对像素集合的意义进行创新，这是一种比SPIHT算法更具有实用性的算法。国内还有很多专家在这一领域有着深入的研究，才使得小波零树编码的算法不断发展壮大。三、小波包的图像压缩技术方法（一）小波包的图像压缩上世纪九十年代初期，根据Mally的塔形计算原理，Coilman和Widcerhauser在其基础上推出了小波包的概念计算方法。这个概念计算方法的特点有很多：一是可以自我进行调节，可以根据信号做出对应的措施；二是可以对低频和高频同时进行分解。如下图所示，信号S可以被表不为S=AA2十DA2十AD2十DD2。可以看出这个概念计算方法最大的优势就是能对信号的高频部分进行更加细致化加工，使信号能够更好的承载内容，同时也强化了信号的处理能力。在对一些变化速度和频率比较快的、分量数量较多的信号处理上面，小波包概念计算法具有独到的优势，它可以借助对信号高效的自我进行调节能力以及时频特殊性对信号进行有效分析处理，具有很强的适用性、适用性，很受人们喜爱。随着科技的发展，小波包概念计算法也不断的被改进完善：1997年我国著名科研人员对小波包计算法中出现的频带交错的原因进行了仔细的分析研究，并最终提出了移频算法，有效的解决了频带交错现象，确保信号能及时的传递；2000年，著名工程师徐凌、喻文焕将小波包的信号变换原则引用到数据压缩的方法之中，并且对信号频率和小波包变化系数之间的规律进行深入研究，最终将小波包的系数进行标量和矢量量化，确定了变化装换比例，并对这个比例进行实践压缩检测，经过多次严谨、科学的认证，最终形成了可靠性较高的压缩比例表。2002年，学者赵学智针对小波包变化信号时会使分解序列长度减少的这一现象进行了研究，并针对性的提出了卷积型小波包变换算法理论。根据这种理论，信号无论被小波包分解多少段，其原有的信号序列长度都不会减少，且信号强度和原来一样。2002年，著名医学博士李长青利用最优小波包寻找最优基，并将最优基运用到心电信号压缩上，取得了令人十分满意的成果。小波包对图像、数据、文件的压缩具有其他方法无法比拟的优势，对信号的质量有很好的保证。但是由于小波包也同时对高频部分进行二次分解，因此对数据的计算量也随之上升，且花费的时间也相对较长，导致小波包处理的信号的效率偏低。目前，对提高小波包的计算速度方面还没有很好的方法，所以下一步的研究重点就是设计更快速的计算法。（二）多小波的图像压缩1、预处理的方法在对多小波图像压缩预处理上，主要有三种方法：一是自我调整法，该方法简单的说就是将不同频率段下的小波分量，进行能量最小化处理，然后经过预滤波器，这个方法主要代表是Mfile；二是通过Malla的计算方法和多小波的紧支撑特性，可以根据低频预处理方法对高频进行预处理，这个方法的主要代表是Strela；三是预滤波器改造为低通滤波器和高通滤波器的设计，以达到预处理的目的，这个方法的主要代表是Xia。2、信号的延拓方法信号的延拓方法根据对象的不同，可以划分为周期延拓和对称延拓。周期延拓适用于大多数的多小波系统，具有很强的适用性，但是会破坏信号的连续性和稳定性。相反，对称延拓周期可以保持信号的连续性和稳定性，但是它的适用范围比较狭小，只能用特定的小波。3、图像的多小波变换方法图像的多小波变化主要有2种方法。为取得良好的压缩效果，往往会将多小波产生的子图像进行量化处理，然后利用多小波变换之后的r2个子块之间的联系性，通过小波包的转化，对多小波的系数进行创新排序，以保证系数的零树特性，最后再将零树编码的方式对图像进行压缩。2001年，我国科学家甘露等4位学者对多小波变化为零树编码的性能进行研究。并提出了两项研究成果，一是在标量零树方面，经过研究发现，多小波零树组织比单小波零树组织更有效率，并重新对多小波零树进行定义；二是在矢量零树方面，他们根据多小波变化处理矢量信号特点，设计了四叉树数据结构，这种结构可以从最优率的角度出发，编排多小波零树编码方案，并获得比9-7单小波更好的压缩效果。当然，多小波的研究属于新兴科学技术，有很多规律我们还没掌握。这其中有很多领域值得我们去研究，如多小波变换和矢量量化之间的联系、多小波对动态图像的压缩等等。（三）其它方式小波图像压缩方法1、小波域分形图像压缩小波的分形图像压缩原理简单的书就是利用图像中相似点和子快之间的联系性，通过寻找相似的仿射变化系数，对系数进行编码，以此达到小波域分形图像压缩的目的。这种方法应用了迭代函数系统，因此它具有广泛性、高效率性、简便性等特点。近年来，小波与分形结合进行压缩的方法是人们研究的热点，并且已经取得不错的成绩。如1997年，夏黎明教授根据小波变化规律，设计出了快速分形图像压缩编码，提高了数据传输效率，获得了较为优质的恢复图片。1999年，张宗念对小波的分形图像编码原理进行深入研究基础上，并将零树的理念引入到分形图像编码中，提出小波域的分形图像编码算法。此外还有很多专家对小波分形图像压缩进行了研究，也取得了一定的成就。2、可逆嵌入小波图像压缩CREW算法已作为静止图像压缩标准之一。该算法包括小波变换、小波系数排序、水平上下文模型建立和二进制值嫡编码等四个步骤。具体步骤如图所示：四、结语随着科技的发展，尤其是互联网技术的大量使用，对图像压缩、文件传输、数据储存等提出了很高的要求。目前，经过科学家的辛勤努力，在压缩感知理论突破了传统的采样定理束缚，为信息处理提供了新途径。本文选择图像压缩作为研究对象，主要有以下几个方便的考虑：一是小波理论运用与发展已经有一段时间，相关的技术比较完善，为本文的阐述提供了技术支持；二是通过对图像压缩的研究，可以对小波理论进行学习，增加自己的知识量；三是希望对图像压缩的研究，可以为图像处理方面提供新的思路。参考文献[1]罗孟儒.基于小波包变换的图像压缩感知方法[D].湖南大学，2013.[2]刘敬.基于小波变换的图像压缩算法研究[D].重庆大学，2012.[3]谢小红.基于小波变换的图像压缩感知方法研究[D].湖南大学，2012.[4]程文波.基于双正交小波包的图像压缩研