基于上下文分類的圖像壓縮方法研究.pdf

1、近年來多媒體技術與網絡應用的發(fā)展迅速,數字圖像在諸多領域得以應用,海量的數據存儲與傳輸問題使得圖像壓縮研究成為各界廣泛關注的課題。從時、頻域特性的角度上講,小波變換性能優(yōu)越。得益于嵌入式編碼的發(fā)明與發(fā)展,兩者的結合可更為高效地對圖像編碼壓縮,因此基于小波變換的圖像壓縮技術發(fā)展迅速。目前,小波系數的有效地組織與量化成為了靜態(tài)圖像壓縮編碼領域研究關注的重點與難點。
　　本文首先介紹了小波理論與集合分裂位平面編碼,在分析了小波變換后圖像

2、的特點后改進了圖像的上下文模板,并以高階熵理論為基礎提出了基于上下文量化的高階熵編碼方法。接著分別設計了兩種權值分類算術編碼器。本文的主要研究內容如下:
　　(1)對小波系數進行重要性權值訓練,優(yōu)化上下文模板?；貧w預測訓練上下文模板得到模板各個預測系數,再根據預測系數求得重要性權值。此重要性權值能夠有效表示集合分裂位平面編碼點或者編碼塊為重要的可能性程度。優(yōu)化后的上下文模板同時利用了系數子帶內與子帶間的關系,與現有的模板相比能更加

3、有效地開發(fā)利用小波變換后系數圖像的特點與系數間的聯系。
　　(2)通過對上下文進行分類,使得傳統(tǒng)的高階熵編碼器近似成為低階熵編碼器,降低了編碼復雜度。本文統(tǒng)計并分析了權值重要性概率分布,并針對存在的上下文稀疏問題,利用 K-means分類器根據實驗確定的量化級數對上下文進行量化,因而有效地減少了熵編碼器中上下文的個數,由此解決了熵編碼器中上下文量化的問題。實現了低復雜度下壓縮編碼效率的提高。
　　(3)分別設計了離線與在線權

4、值量化算術編碼器。離線權值權值量化算術編碼器利用預編碼過程得到全局權值重要性概率分布,并以此作為分類的先驗知識,權值量化后再經過算術編碼。在線權值量化算術編碼器則隨著編碼過程動態(tài)更新權值重要性概率。這兩種編碼器都能有效地提高算術編碼的壓縮效率,與最新的靜態(tài)圖像壓縮標準JPEG2000相比,相同碼率下的峰值信噪比值均可提高0.1至0.2db。其中離線權值上下文算術編碼器的時間復雜度與JPEG2000近似,進一步說明本文提出的算術編碼器是高