关键字 |
图像压缩、DWT DT-CWT、SPIHT、PSNR |
介绍 |
数字图像压缩是代表图像用更少的数据通过减少图像的冗余数据,以节省存储成本和传输时间的要求。没有压缩,文件的大小明显增大,通常几兆字节,但与压缩可以减少10 - 20%从原始文件大小没有明显损失质量[1]。在图像压缩的情况下,他们通常被划分为,有损或无损的。重建的图像无损压缩方案,压缩后,数值是相同的原始图像。然而无损压缩只能实现适度的压缩。等人工图像的无损压缩有时是首选的图纸或漫画。也可能优先为高价值的内容,如静态图像或扫描图像。这是因为有损压缩方法,尤其是在低比特率;介绍压缩工件[2]。 |
一个图像有损压缩后重建相对于最初的包含退化。通常这是由于压缩方案完全丢弃冗余信息。然而,有损方案能够实现更高的压缩[2]。有损方法适用于自然图像如照片,小损失的质量是可以接受的,以达到降低比特率。有损压缩产生图像视觉无损。压缩算法的性能的基本措施是压缩比。在有损压缩方案,图像压缩算法应该实现压缩比和图像质量之间的权衡。更高的压缩比会产生更低的图像质量,反之亦然[3]。质量andcompression也可以根据输入图像特征和不同内容[3]。 |
本文组织如下图:部分我给出了图像压缩的引入。第二部分描述了图像压缩流程。第三部分描述了DWT和DT-CWT用于图像分解。第四部分探讨了SPIHT图像编码方案。第五部分显示了施工性能ofproposed lastsection VI总结了纸和thereferences紧随其后。 |
图像压缩流程 |
基于DWT和DT-CWT使用进步的SPIHT编码和解码图像压缩方法是图1所示操作通过将数据删除冗余。 |
在输入图像DWT bior4.4小波或Q-shift DT-CWT用于图像分解。因为优越的能量压实与人类视觉系统特性和信件,小波压缩方法产生优越的客观和主观的结果。 |
![图像](//www.cheescube.com/articles-images/IJAREEIE-1890-g001.gif) 图1图像压缩过程 |
由于小波的基础上由函数对高频和低频,大的图像平滑区域可以用很少的比特表示。DWT & DT-CWT产生多尺度图像分解通过使用过滤和二次抽样,结果的形式二元在几个尺度的方法有效地揭示数据冗余。根据图像压缩流程,首先图像分解利用DWT或DT-CWT后跟SPIHT编码过程。SPIHT编码算法将被用来对小波系数编码。SPIHT编码器的输出压缩图像。现在反向处理进行分解的部分得到重建图像。SPIHT解码器将用于解码编码系数和逆DWT或DT-CWT用来得到重建图像 |
小波变换 |
答:DWT |
DWT的图像信号/图像可以通过分析通过分析滤波器银行紧随其后的是大量毁灭行动。分析银行由一个滤波器和高通滤波器在每一个分解阶段。当信号通过这些过滤器,它分裂成两个乐队。通滤波器,它对应于平均操作,提取的粗信息信号。高通滤波器,它对应于一个差分操作,提取信号的细节信息。过滤操作的输出然后摧毁了两个。二维变换是通过执行两个单独的一维变换[4]。 |
首先,使用滤波器在图像过滤行和摧毁两个连续获得的低频成分。但由于具有半带滤波器,输出数据包含频率只有上半年的原始频率范围。香农采样定理的,他们可以通过两个子样品或摧毁,所以输出数据只包含初始样本数量的一半。现在,高通滤波器滤波适用于同一行数据,同时高通组件分开,放置在低通组件。完成这个过程的所有行。接下来,子图像的滤波完成每一列由两个遭受灭顶之灾。的结果是二维数组系数四个乐队。此操作将图像分为四个带,即会、LH、HL和HH分别如图2所示。 |
![图像](//www.cheescube.com/articles-images/IJAREEIE-1890-g002.gif) |
尽管基于DWT的图像压缩算法提供自然(平滑)图像编码效率高,标准的DWT削弱其应用程序的有三大缺点。这些缺点比如缺乏移不变性、方向选择性差和缺乏阶段信息[4]。 |
b . DT-CWT |
DT-CWT还提高PSNR和重建图像的定义相比那些从DWT获得。DTCWT金斯伯里在1999年提出的,具有以下性能[5][6]: |
近似位移不变性 |
在二维b)良好的方向选择性 |
c)完美重建使用短的线性相位滤波器 |
d)有限冗余 |
通用DWT的缺点之一是转变方差。然而DT-CWT克服了这一缺点近似位移不变性。另一方面,它也有更好的方向选择性。有两个滤波器进行一维DT-CWT,所以DT-CWT实现了两个真正的dwt并行在相同的信号,如图3所示。上树给复杂的变换而降低树的实部虚部[7]。 |
![图像](//www.cheescube.com/articles-images/IJAREEIE-1890-g003.gif) |
![图像](//www.cheescube.com/articles-images/IJAREEIE-1890-b001.gif) |
SPIHT编码 |
SPIHT代表分区分层树集合。SPIHT算法,介绍说,最终于1993年,是一个高度先进的版本的EZW算法[8]。设置分区是指这些四叉树分裂或分区和小波变换在给定阈值 |
![图像](//www.cheescube.com/articles-images/IJAREEIE-1890-g004.gif) 图4 spiht算法 |
SPIHT算法作用于一个wavelet-transformed形象以同样的长度和宽度2的整数次幂。它编码的小波系数,采用分层结构的系数。这种编码发送高阶位系数的低阶位。这是一个非常快速的编码/解码(近对称)算法[9]。 |
SPIHT多级编码过程采用三组列表和将用于跟踪重要的像素[10]: |
(a)的微不足道的像素(唇)包含个体大小小于阈值的系数。 |
(b)的微不足道的集列表(LIS)包含的小波系数集,是由树结构和发现震级小于阈值(无关紧要的)。 |
(c)列表(LSP)是一种重要的像素像素发现震级大于阈值(重要)。 |
在图4中显著像素这个词是用来表示一个像素的大小超过或等于当前阈值。一个微不足道的像素像素的大小小于当前阈值。一个微不足道的设置可以两种类型ofsets之一。H集包含所有的像素在过去的水平进行小波变换,包括粗和细节系数。集可以表示相应的树表示:O (i, j):设置坐标的节点的后代(i, j)、D (i, j):设置坐标的节点的后代(i, j), H (i, j):所有树根(节点在金字塔的最高级别)非(i, j): D (i, j) - O (i, j)。 |
一个通用的程序代码如下[8]- [11]: |
步骤1:初始化阈值和订单列表 |
所有根节点的分配系数低通子频带唇,所有的树(指定为D-tree)分配给LIS系统和LSP是初始化是一个空集。 |
步骤2:排序 |
其目的是当前的重要系数进行编码。有两个主要步骤: |
)检查唇的所有小波系数来确定他们是否重要的系数: |
•如果它是肯定的,那么输出“1”和符号位,积极或消极的信号的小波系数由“1”和“0”,然后把系数从嘴唇和添加的订单列表LSP。 |
•如果不是,我们不需要从列表中移除它的唇,给“0”的直接输出。 |
b)根据树的类型,我们将检查所有重要的树木LIS: |
•d型树:如果这棵树是非常重要的,我们需要给输出“1”,然后sub-node编码系数。如果子节点的系数是非常重要的,我们需要让输出“1”和符号位,然后把它移到LSP。如果子节点不重要系数,输出应当“0”,然后把它在嘴唇。如果子节点的后代,把树的LIS列表,并将其视为L-tree。如果树是不重要的,那么我们需要输出的“0”。 |
•l型树:如果这棵树很重要,然后输出“1”,每个子节点的LIS D-tree,然后从LIS)删除父树。如果树不重要,那么输出应当“0”。算法规定,可以进行检查,如果有系数系数的SPIHT必须检查唇;如果没有系数检验在嘴唇,然后把未经处理的系数从LIS和嘴唇。 |
步骤3:细化 |
其目的是输出而不是提高位置扫描的过程中产生的重要因素。为每个节点(i, j)太阳能发电,如果(i, j)不仅仅是添加在扫描过程中,然后绝对值| Ci, j |这个节点的输出系数可以传播。 |
步骤4:更新阈值衰减n 1,进行下一阶段的编码(回到步骤2)。 |
结果 |
我们进行了数次模拟一组图片为了测试编码算法的影响。结果大多是通过PSNR MSE的计算测量。通过改变比特每像素(bpp)图像压缩比和PSNR测量“女孩的脸,女人”的形象维度512×512像素。深度的测量进行了分解3,使用bior4.4小波对DWT和Q-shift DT-CWT在第一阶段和14/14 13/19抽头滤波器抽头滤波器超出一级。这项研究的结果发表在表我和表II.Fig。5and Fig.6 shows the reconstructed image at various bit rates respectively. |
![图像](//www.cheescube.com/articles-images/IJAREEIE-1890-t001.gif) “GIRLFACE.BMP”表我压缩性能 |
![图像](//www.cheescube.com/articles-images/IJAREEIE-1890-t002.gif) 表2压缩性能的“WOMAN.BMP” |
结论 |
在本文中,我们提出了一个使用DWT的图像压缩系统或与SPIHT DT-CWT进步的编码技术。DT-CWT与SPIHT编码重构图像70%的压缩比而DWT与SPIHT编码重建图像压缩比的40%。DT-CWT提高PSNR和压缩比的价值远比DWT。这意味着它可以提高压缩和编码的性能。但计算复杂度的成本使用DT-CWT大约是DWT的两倍。必须出现在未来更加努力为了使程序员更更好的视觉质量在高压缩比使用dual-tree复杂的小波变换与传统SPIHT略有修改。 |
承认 |
我们要感谢公元Jadhav博士头(PG项目),E&TC称,SCOE,浦那和s . d . Lokhande博士(主要),SCOE,浦那提供必要的指导和基础设施完成工作。 |
![图像](//www.cheescube.com/articles-images/IJAREEIE-1890-g005.gif) |
图5重建girlface图像DWT(一)和(b) DTCWTFig。6女人形象(一)DWT和(b) DTCWT |
引用 |
- j . Shukla m . Alwani和A . k . 2010年女子,“无损图像压缩方法的调查”,2日IEEE ComputerEngineering技术国际会议(ICCET)》第六卷,第141 - 136页,2010年。
- r . Sudhakar r . Karthiga女士和美国Jayaraman“图像压缩编码的小波系数a调查”,ICGST-International Journalon图形、视觉和图像处理(GVIP),5卷,空间站。6,pp。25-38,2005年。
- 拉贾s P。,Prasanth N. N., Rahuman S. A., Jinna S. K. and Princess S. P. 2009, “Wavelet Based Image Compression: A Comparative Study”,IEEEInternational会议上的进步计算、控制和通信技术,545 - 549页。
- Esakkirajan和t . s . Jayaraman Veerakumar,“数字图像处理”,印度塔塔·麦克洛希尔出版第一版,2009年。
- Selesnick我。,Baraniuk R. and Kingsbury N., “The dual - tree complex wavelet transform”,IEEE信号处理杂志,空间站。6日,第22卷,第151 - 123页,2005年。
- n . g .金斯伯里“移不变的复小波分析和过滤信号”,杂志的应用和计算谐波分析,Vol.10, 3号,第253 - 234页,2001。
- 李辉,苗族GuoFeng XuHouJie,“使用双树复小波变换图像压缩”,IEEE国际会议信息科学和管理工程559 - 562年,2010页。
- A和w·A·普尔曼说,“一个新的、快速和高效的图像编解码器基于分区分层树”,IEEE Circuitsand系统视频技术,6卷,硕士论文,1996页。
- Jianxiong Wang和梅红色,“基于SPIHT图像压缩算法的研究”,IEEE国际会议IntelligentComputing和认知信息(ICICCI),130 - 133年,2010页。
- Hualiang朱,ChundiXiu上官东恺杨”,一种改进的SPIHT算法基于小波系数块图像编码”,IEEEInternational计算机应用与系统建模会议(ICCASM),2卷,第649 - 646页,2010年。
- ChundiXiu Hualiang朱,“改进的SPIHT算法基于小波系数块的鲁棒图像传输NoisyChannel”,IEEE信息科学与工程国际研讨会(ISISE),58 - 61、2010页。
|