关键字 |
| 离散小波变换、分形图像压缩中设置分区分层的树。 |
I.INTRODUCTION |
| 这如JPEG有损压缩方案实现的大部分数据简化中的通过消除空间冗余图像[2]。分形图像压缩[1]还利用冗余的规模,但其工作原理都非常不同于变换编码人员。图像不存储为一组量化的变换系数,而是在飞机上映射的不动点。理论的迭代函数系统(IFS)[3]激励一个广泛的类分形压缩方案。在分形图像编码[4]图像编码是划分为块重叠范围。为每个这些块更大范围域块相同的图像必须决定,这样的收缩(几何和亮度)转换范围块的块是一个很好的近似。在迭代译码器所有转换都应用于任意初始图像然后收敛于图像的分形逼近[3]分形编码依赖于在图像自相似性的存在。“分形自相似”只能发现在某些地区的自然图像,分形编码失败non-fractal图像内容[4]。在其原始形式分形编码编码效率也较低,这困难获得高质量的图像编码和阻塞文物在低比特率和详尽的固有的编码时间。阻塞的文物可以避免,如果执行在小波域分形编码。 |
| 分形编码假定所有小波子树组成一个图像可以被其他从粗尺度小波子树。在图像压缩领域,需要高压缩不丢失图像的质量[1]。需要比现有的更好的压缩方法。各种方法的组合会给 |
| 更好的结果。所以,在这项工作非迭代分形图像压缩方法称为wells和修改SPIHT(普尔曼,1996)相结合产生的一种新方法。wells也给一个更好的图像质量和良好的压缩比也更快。结合两种方法必将更好的图像质量和压缩率比纯迭代自由和SPIHT图像压缩方法。分形和小波算法提供显著的好处除了高压缩比。进步的一个特征转换削减减压时间分辨率较低的图像。分形和小波方法分辨率无关,使相同的编码文件查看多个决议。一种利用小波和分形变换之间的相似之处。这种方法集中在编码图像的分形变换通常映射域块到一个范围块在频率信息的空间域的小波分解将对应的频率信息范围块在前面的分解层级上,假设二元分形收缩。实现了一种改进的编码效率比传统分形编码人员。The number of bits required for storing gray scale offset and contraction, spatial offset, the maximum and minimum size of range blocks and the acceptable error tolerance in comparison of domain blocks and range blocks are the different parameters, which are used to vary the compression ratios of the fractal coder. |
二世。分形图像压缩 |
| 答:分形的基本知识 |
| 图像压缩方案描述后在多个感官可以说是分形。该计划将编码图像的变换的集合非常类似于复印机的比喻。就像蕨类植物在每一个细节,变换的图像重建。解码图像没有自然大小,它可以在任何大小解码。所需的额外细节解码在大字号由编码转换是自动生成的。你可能不知道这个细节是“真正的”;我们可以解码的图像一个人增加每个迭代的大小,并最终看到皮肤细胞或者原子。当然,答案是没有。相关的细节是不实际的细节呈现数字化图像时;它只是产品最初只有编码的编码转换大规模特性。 However, in some cases the detail is realistic at low magnifications, and this can be useful in Security and Medical Imaging applications. |
| b .迭代函数系统 |
| 迭代函数系统的分形图像压缩的基础。一个迭代函数系统的基本思想是建立一个有限集的收缩映射,写成仿射转换、基于图像创建一个欲望。如果这些映射收缩,将IFS应用到种子图像最终会产生一个吸引子的地图。什么都无所谓的种子图像映射,同样的定点生产。让我们考虑的情况下我们之前看到的影印机。假设我们要养活这台机器的输出作为输入,继续迭代过程。我们可以发现,似乎所有的输出图像收敛回相同的输出图像并最终的图像是没有改变的过程。我们都这幅图像复制机的吸引子下面图中所示的输出。 |
| 输出图像是Sierpinski三角形这个最终的图像称为吸引子。任何初始图像将被转换为吸引子如果我们反复运行机器。这台机器的吸引子总是相同的图像没有不管最初的形象。这个特性是分形图像压缩的关键之一。因为复制机减少了输入图像的初始图像的副本将减少到一个点作为我们反复提要输出作为输入,将会有越来越多的副本,但副本在每个阶段变得越来越小。所以初始图像并不影响最终吸引子;事实上,它只是副本的位置和姿态,决定了最终的图像将会是什么样子。 |
| 最终结果是由输入图像转换的方式,我们只描述这些转换。不同的转换导致不同吸引子的技术限制图像必须收缩;我。e,给定变换应用于任何点的输入图像必须拉近他们的副本。本技术条件是很自然,因为如果分复制传播出无限的吸引子可能是大小。这些流动从而形成一个共同的特征就是,每一个位置的图像的原始广场有一个改变了整幅图像的副本。因此,图像从而形成都是分形的。这个方法创建由约翰·哈钦森提出了分形。m·巴恩斯利建议也许存储图像的集合转换可能导致图像压缩。蕨类植物的复杂图生成从四个仿射变换。 Each This is because of the magnification produced. Standard image compression methods can be evaluated using their compression ratios : the ratio of the memory required to store an image as a collection of pixels and the memory require to store a representation of the image in compressed form. |
三世。系统发展 |
| 基于分形小波编码器的框图所示图图像分解成几个部分波段采用DWT(离散小波变换)。两次Haar小波应用到原始图像。它将图像转换为小波系数。近似子带小波系数从转换后的图像。它进行通信和其余系数SPIHT。图像分为块范围。计算范围块的方差。大多数现有的高性能图像程序员在应用程序是基于变换的编码器。变换编码的图像像素从空间域转换到变换域通过线性正交或双正交变换。这是实现一个高效的编码(即的关键。、高压缩比)。 Indeed, since most of the energy rests in a few large transform coefficients, we may adopt entropy coding schemes. |
| 基于小波的分形图像压缩(wells)从编码器的输入相应的解码器。编码的文件读一个接一个。如果是1,那么块取代意味着像素。如果是0,那么随后的阻止读取位置编码的文件。因此,块被相应的域块从域池使用块位置。从SPIHT压缩其等价的解码器。逆DWT操作对所有块执行恢复重建图像。混合分形小波解码器的框图是图3所示。 |
| d .混合分形小波的分形压缩 |
| 这些方法的动机源于自我的存在相似之处multi-resolutional小波表示。事实上,在小波域分形图像编码(硕士,1998)从空间域程序员具有完全不同的特征,可以解释为一组小波系数的预测更高的频率部分波段与较低的。收缩映射关联一个域树的小波系数范围树,它接近。已经使用了各种结构域范围映射。潜在的迭代函数系统的理论应用到图像压缩的问题是被巴恩斯利和斯隆(1988)。他们在1990年和1991年专利他们的想法。分形编码的方法,利用一个系统领域和范围的子图像块,Jacquin推出了(1990 A, 1990 b)。小波变换(Mallat, 1989;玛尔塔et al ., 2003)图像压缩方法利用裁员规模。小波变换数据可以组织成子树结构,可以有效地编码。 In Hybrid fractal-wavelet techniques (Hebert and Soundararajan, 1998; Shapiro, 1998; Wenxiu et al., 2004) domain-range transformation idea of fractal encoding is applied to the realm of wavelet sub trees. Improved compression and decoded image fidelity is obtained. A range tree is fractally encoded by a bigger domain tree. The approximating procedure is very similar to that in the spatial domain: sub sampling and determining the orientation and scaling factor. Note that one does not need an additive constant because the wavelet tree does not have a constant offset. Matching the size of a domain tree with that of a range tree by truncating all coefficients in the highest subbands of the domain tree is called Subsampling. The orientation operation consists of a combination of a 90 degree rotation and a flip, and it is done within each subband. A switch of HL (High- Low) and LH (Low-High) subbands is the next step [2][13]. |
| 这个过程的分形图像压缩方法如图3所示。让Dl表示域树,l,粗系数分解水平,让特殊平台下表示范围树,l - 1的粗系数分解水平。收缩转换(T)域树Dl距离树特殊平台下,是由 |
 (1) |
| S表示子采样和α的比例因子。 |
 |
 |
| 让的有序集系数范围树和系数的有序集的抽样域树。然后,给出了均方误差方程4。 |
 |
| 和最优α是获得的方程。 |
 |
| 我们应该搜索域树中找到最佳匹配的定义域块给定范围块树树。编码参数域树的位置和比例因子。它不应该离开未提到的,在这个算法,旋转和翻转尚未实现。增加规模的准确性的因素,介绍了小波的分形压缩的新方案[8]。在这种方法中,α与先前的方法计算每个块树单独为每个级别分别计算,因此更多的α和更好的质量。 |
| 大肠中设置分区分层树(SPIHT) |
| 图像压缩在多媒体应用中起着重要作用。许多强大的和复杂的小波图像压缩方案[3]已经发展在过去的几年里。其中,SPIHT[11]是公认的编码方法因为其优秀的RD性能。然而,它并不完全提供所需的累进传输特性和空间可伸缩性由于算法使用低效的系数分区方法。此外,一个更大的内存数量必须保持三个列表,用于存储的坐标系数和treeset编码和解码的过程。大量的业务操作所需的内存也编解码器方案,大大减少了编码过程的速度。在本文中,我们提出一个改进的SPIHT编码算法,它可以减少冗余和扫描传统SPIHT的冗余。当扫描微不足道集的集合的d类型列表(LIS),如果有后代的重要系数,传统SPIHT将产生三个子女的直接子节点并确定子节点的重要性,决定把这些子节点,重要的微不足道的像素像素或列表的列表,同时生成一个l型LIS)。然而,重要系数的概率被直系后裔不是很高在实践中,特别是对于复杂的图像纹理。 |
| 因此,我们应该处理O (i, j)作为一个整体,然后确定系数的重要性来决定是否将收集。 |
| f .图像质量测量 |
| 来评价图像质量的客观和主观。客观的方法是基于可计算失真的措施。标准图像质量的客观指标均方误差(MSE)和峰值信噪比(PSNR)被定义为, |
 |
 |
| 我(x, y)是原始图像,我(x, y)近似版本(这实际上是解压图像)和M, N是图像的尺寸。MSE和PSNR是最常见的方法测量压缩图像的质量,尽管他们不是足够的图像质量的感知有意义的措施。方程(2)是常用的8 bpp图像。在图像压缩系统中,真正明确的衡量图像质量的感知质量。 |
| 图像压缩文献中使用两个质量指标评估,压缩比(CR)和峰值信噪比(PSNR),是非常普遍的,大多数的论文已经被使用在这项研究中,通过使用PSNR值评估算法的性能。由于这和能够比较结果与其他图像压缩方法,我们利用PSNR。CR被定义为原始图像的体积(比特)的数量除以的体积压缩(比特)的数量在方程1 [14]。压缩比的压缩效率是压缩比定义的参数(CR),是由 |
 |
 |
 |
四、结果和讨论 |
| 答:DWT和进行通信算法的性能 |
| 典型的测试图像大小为512×512的实验范围和领域的大小16×16和32×32块,分别。在波分形图像压缩算法,首先我们分解莉娜图像由5 -水平Haar小波变换图所示。然后,8×8的块大小,4 x4, 2 x2和1 x1的高频部分波段低频子带上,和寻找最好的两块大小相同的8×8、4 x4, 2 x2和1 x1 downsampled图像的部分波段内少一个级别。一对匹配执行部分波段之间的1、2、3和4的水平部分波段的域池和downsampled 2, 3, 4, 5水平范围块,分别。比例因子的计算是通过方程(5)。 |
| 以上图六输入灰度图像丽娜512×512应用于1级haar小波分解在MATLAB中实现,给出了近似结果例如近似A1, 1级的水平A1,垂直A1,对角A1与输入图像细节。所有这些结果都完全取决于haar小波的图像应用于四种方法第一次约,第二水平,第三对角线垂直。它将给信息生成图像的小波系数,所以这些图显示1级分解细节[4]。 |
| Itearation基于图像压缩fig7所示。这图给图像视觉质量的比较,首先无花果)有一个模糊的形象。然后用第二个迭代重建我们有良好的质量,之后我们增加迭代的数量高达5号我们得到了原始图像。Comaparision迭代出现在桌子上。 |
| 表1给出了值的均方误差和峰值信号比在不同的比特每像素迭代和固定值和压缩比。它说明了非常少的比特率压缩比很高此属性用于减少不压缩所需的空间。这个表也给了编码和解码时间的比较,我们发现在第一次迭代压缩和解压缩花更少的时间比5号。进行仿真和莉娜大小512 * 512的图像。我们还增加了迭代PSNR从20.96 db增加到29.26。 |
| 表给出了比较有三个图片进行通信算法应用于当代图像相同大小的图像莉娜与大小为512 * 512 29.23 db和CR = 56.88: 1, BPP = 0.5625,编码和解码时间。二是灯塔灰度图像大小为512 * 512应用于进行通信,我们得到了PSNR值= 24.17,MSE = 248.55增加莉娜图像相比北京是辣椒灰度图像是PSNR值= 29.13 db, MSE = 79.31观察到这里我们改变了尺寸相似图像的PSNR和MSE并不相同。 |
| 下面的图8所示。重建和原始莉娜使用基于小波的分形图像压缩和解压缩我们观察到重建图像与原始图像相似。 |
| h . SPIHT算法的性能 |
| SPIHT算法不使用任何时候拦截流方法,使用量化阈值决策方法和拦截方法,意味着每一次量化阈值扫描必须完成。扫描完成后,决心将承担由此产生的流来决定是否继续扫描下一个水平的量化阈值扫描。在这个实现中,在相同的压缩比SPIHT和传统的SPIHT方法都有相同的峰值信噪比(PSNR)生成的代码流重建后的图像。图显示,重建的图像的不同的分解率与固定汇率水平,现在我们发现率是0.01重构图像是长途跋涉不是我们增加了类似于原始图像压缩率图像质量也不同,最后的图像看起来相同的图像。 |
| 表3给出了与三个图像应用于SPIHT算法的比较与当代相同大小的图像图像莉娜大小为512 * 512给出了29.23 db和CR = 56.88: 1, BPP = 0.5625,编码和解码时间。二是灯塔灰度图像大小为512 * 512应用于进行通信,我们得到了PSNR值= 24.17,MSE = 248.55增加莉娜图像相比北京是辣椒灰度图像是PSNR值= 29.13 db, MSE = 79.31观察到这里然后我们改变了图像具有类似大小的PSNR和MSE |
诉的结论 |
| 在本文中,我们分析了5级的haar小波分解的图像压缩,我们有各种类型的标准图像用于说明的目的。我们使用丽娜512 * 512大小的图像。我们有更高的PSNR值附近约29.16 db比SPIHT算法在比特率等于0.50,然后我们得到了PSNR值= 29.16 db,评估混合波分形编码器在图像和SPIHT算法,我们也观察到,在低比特率压缩就越高。 |
|
表乍一看 |
|
|
数据乍一看 |
 |
 |
 |
 |
 |
| 图1 |
图2 |
图3 |
图4 |
图5 |
 |
 |
 |
 |
| 图6 |
图7 |
图8 |
图9 |
|
|
引用 |
- Huber分形图像压缩研究“Jyh-HorngJeng IEEE图像处理,研究概述,pp。2009年5月1 - 5日。
- YuzoIano费尔南多·西尔维斯特da Silva“快速、高效混合Fractal-Wavelet图像编码器”,IEEE图像处理,卷。15日,页1,2006年1月。
- l咀嚼、L.-M。Ang, k . p . Seng”新的虚拟SPIHT树结构非常低内存strip-based图像压缩、“IEEESignal处理信件,15卷,第392 - 389页,2008年9月。
- Mohsen Ghazel乔治·h·弗里曼和爱德华·r·Vrscay Fractal-Wavelet图像去噪重提“IEEE ImageProcessing, 15卷,页9,2006年9月
- 杰弗里·m·戴维斯,“分形图像压缩的小波分析IEEE图像处理,第七卷,页2,FEB1998。
- DietmarSaupe马蒂亚斯•鲁尔“进化的分形图像压缩”IEEE国际会议上图像处理(ICIP洛桑96),1996年9月。
- Jacquin“基于分形理论的图像编码迭代收缩图像转换、“IEEE图像处理、卷,1页。1992年1月(18 - 30)。
- 黄Chun-Lung Hsu)会员,IEEE,宥晟Ming-Da Chang和Hung-Yen黄少错的“设计方案forDiscrete小波变换在JPEG 2000编码器”IEEE事务在电脑上,vol.60, pp。2011年5月5日。
- NaixueXiong市志方,会员,IEEE,劳伦斯·t·杨,会员,IEEE, Xingming太阳,Interpolation-Based杨和燕。
- Direction-Adaptive起重DWT和修改SPIHT图像压缩的多媒体通讯《IEEE系统杂志》,第五卷,页4,2011年12月
- Yongseok金会员,IEEE, Hyuk-Jae李“基于块Pass-Parallel SPIHT算法”IEEE视频技术,电路与系统工程系,没有。2012年7月7日。
- j . Nadenau j . Reichel和m . Kunt“基于小波的彩色图像压缩:利用对比敏感度函数,“IEEE事务图像处理,12卷,没有。1、58 - 70页。2003年5月。
- G。Sadashivappa, K.V.S. AnandaBabu”,评价小波图像压缩过滤器”世界科学院Engineeringand技术51、56 - 65页,2009年5月。
- Arnaud e . Jacquit会员,IEEE IEEE“分形图像编码:审查”,第81卷,页10,1993年10月。
- 拉斐尔·c·冈萨雷斯,理查德·e·伍兹,培生教育“数字图像处理”,2002年。
- 哈立德Sayood“介绍数据压缩”摩根Kaufmann出版商,2005.16。FaizaMekhalfa和DaoudBerkani”,应用混合波分形WeldDefects的射线图像压缩算法”,IJNCAA, pp。45 2011年5月。
- b . Sankaragomathi1 l . Ganesan2和s Arumugam”分形压缩算法中使用小波增强性能”,IJISLM,卷。2,页5 2010年12月。
- MeenuBansal Sukhjeet k . Ranade,分形图像压缩“审查”,IJACTE》卷2012年5月1日。
|
菜单
(1)
