专利名称：一种基于小波变换的嵌入式图像压缩技术的制作方法
技术领域：
本发明涉及一种基于小波变换的嵌入式图像压缩技术，主要对任意自然图像或者人造图像进行压缩，以极低的复杂度实现渐进式传输。
背景技术：
图像和视频的压缩，是通讯中影响图像信号的传输速率和质量的关键问题。在压缩标准PEG、MPEG系列、H.26x系列，包括最新的静止图象压缩标准JPEG2000中，都使用了一种经典的游程编码方法。也就是将一个数据序列用Run/Level表示，其中Run表示序列中两个非零值之间零值的个数，Level表示下一个非零系数的值，然后对Run/Level符号序列使用哈夫曼编码技术。同时为了提高编、解码的实时能力，易于硬件实现，标准根据对大量图像的统计，建立了一个固定的哈夫曼码表。编、解码时只需根据Run/Level符号在相应的码表中查询就可以了。这种处理方法的一个很明显的缺点就是Run符号的个数无法事先确定，而且一般会有许多，Level符号同样也有这个问题。而将Run/Level符号联合编码，更会带来庞大的符号开销，使得整个熵编码的效率下降。
在新一代的视频压缩标准H.26L中，改变了传统的将Run/Level符号对联合编码的方法，对Run和Level分别编码。但是仍然不能很好的解决大符号量的问题。
在当前一些流行的小波压缩方法中，均使用算术编码来提高熵编码的效率，改进哈夫曼编码的不足。算术编码是从整个符号序列出发，采用递推形式进行连续编码。输入符号和码字之间不存在一一对应关系。可以按分数比特逼近信源的熵，突破了哈夫曼编码中每个符号只能按整数个比特接近信源的熵的限制，通过用更少的分数比特位传送大概率的符号以达到压缩的效果。当需要编码的符号序列增加时，运用算术编码得到的码流速率可以慢慢接近信源的熵。
虽然都使用了算术编码，但是组织系数的策略不同，带来复杂性和效率的差异。例如基于零树的方法，EZW、SPIHT、SFQ，由于压缩时对各层小波系数进行反复查找，寻找零树的存在与否，所以需要耗费大量的运算时间和存储空间。而基于率失真估计理论，对已编码比特流进行后处理的方法，例如SFQ为了判断各个零树的贡献，对率失真曲线的影响，以及量化步长对零树结果的影响，需要进行多次的率失真判断，复杂性最高；EBCOT为了比较各个码块的率失真性能，也需要进行Tier-2过程组合各个码块的数据，这对其方法的性能起了关键性的作用，可以说这类方法的性能提高是以牺牲运算时间为代价来获得的。对于利用形态学膨胀分类小波系数的方法，MRWD、SLCCA，虽然提高了压缩性能，但都不同程度的利用了带间膨胀的过程，这样就提高了压缩的复杂性。
发明内容
为避免现有技术的缺陷，本发明提出了一种基于小波变换的嵌入式图像压缩技术。按照比特平面的方式编码小波变换后的系数，消除对Level的编码，而将Run以其二进制的形式算术编码，从而解决Run/Level的庞大符号量的缺点，哈夫曼编码效率不高的缺点。由于本方法没有利用带间相关性，只是记录、压缩了带内小波系数的位置，按照每个子带zig-zag的顺序对整个比特平面一次处理，没有任何的反复操作，所以在嵌入式的图像压缩算法中，复杂性是最低的。利用本方法实现的图像压缩结果是令人满意的，性能比较鲁棒，可以适用于任何类型的图像。
本发明的技术思想是由于八音阶式的小波变换后的系数具有良好的空频局部化特性、频域能量聚集性和能量衰减性、高频系数的空间聚集特性等多种良好的易于压缩的特性。所以对输入的图像先进行八音阶式的小波变换，其特征在于根据小波变换的特性，将小波变换后的子带分成低频部分和高频部分，并对低频子带进行预测编码式的独立压缩，对高频子带进行比特平面式的编码，然后将各自结果融合形成码流。
低频子带系数的幅度值一般都比较大，占据了整个变换能量的90％以上，并且有较大的偏差，所以可以把低频子带独立压缩。由于低频子带内象素间的相关性非常高，低频子带邻近系数比高频子带有更大的相关性。因此用预测编码会更有效，也更合理。这种情况下，用邻域象素预测当前象素，仅仅处理预测象素与原始象素的差值，减少系数的偏差，可以更有效的压缩系数，提高压缩比。具体步骤为对小波变换的低频子带，用邻域象素预测当前象素，进行基于邻域剃度的预测；然后对预测差值的幅值和符号分别单独处理对预测差值的符号单独进行基于上下文内容的符号编码，幅度按照比特平面进行自适应的算术幅度编码。
高频子带系数的分布呈尖峰状的拉普拉斯分布，较少的系数有较大的幅值。但是由于自然图像千变万化，这些系数的位置呈随机分布，无法预先得知。虽然高频系数只有全部能量的一小部分，但是这部分系数主要描述了原始图像的边缘部分信息，对重构图像的清晰度有重要的影响。而且具有空间聚类性，也就是重要的系数大多分布在原始图像的边缘附近，而在其它地方成稀疏分布。所以可以利用这个特性对高频系数进行游程编码。
高频系数的每个比特平面上有两步，重要性检查过程和幅度优化过程。重要性检查过程是对重要性未知的系数压缩，将这些系数用自适应的游程编码处理，游程值以其二进制形式算术编码。由于采用比特平面量化小波系数，这样每次比特平面上，所有的系数为0或者1。所以此时的Level值必为1，不需进行编码，而只用将其符号使用基于上下文内容的符号编码处理。幅度优化过程压缩重要性已知的系数，由于重要性已知，也就是位置信息已经得到，只需要表示出该系数在当前比特平面上所呈现的值即可，所以使用使用幅度优化编码处理。
对高频系数进行游程编码由于采用比特平面量化小波系数，这样每次比特平面上，所有的系数为0或者1。所以此时的Level值必为1，不需进行编码，而只用将其符号使用基于上下文内容的符号编码处理即可。对于任意一个游程值Run，大小随机变化，根本无法事先确定。然而如果将其转换为二进制表示，则可以看成是由有限的0和1组成。将Run转换为二进制为bkbk-1...b1b0(k∈N)，其中bk是最有意义的比特(MSB)，b0是最没有意义的比特(LSB)。这样就用0、1组成的二进制序列方式表示游程值，代替对原始游程值十进制的编码。在实际处理时，只需要编码对应的二进制值0或者1即可。
对于非零的游程值，其MSB一定是1，所以虽然一共有k+1位，但实际上只需要编码k位即可，对其MSB位不需编码。而且游程值一定是非负的，所以不用编码符号。另外为了增加游程的长度，游程不用局限在一个子带内，可以跨越子带边界，记录下一个子带的系数情况。
这里编码的模型中一共有3个符号，除了0，1两个符号外，还需要一个END符号来表示当前游程值编码结束。因为如果用二进制编码一个数值，解码器无法确定何时编码结束，所以需要特殊的符号来通知解码器，表明此时该游程值的编码完成。这样自适应算术编码器一共有3个符号。具体编码游程值的流程如下，解码与此相反，只是需要在最高位添加1，才可以得到实际游程值。
For i＝k-1 to 0If bi＝1Encode 1ElseEncode 0Encode symbol END自适应的编码过程，解决了传统方法大符号量，效率不高的缺点，整个编码过程不需要额外的内存和先验知识，也不需要预先存储任何哈夫曼码表，完全可以根据输入图像的统计特性自适应的编码。另外在统计游程的时候可以不用考虑子带的限制，增加了游程长度，提高编码效率。方法的过程是将统计的游程用其二进制形式描述，仅仅编码对应的二进制符号即可，为了标志一个游程的完毕，再加上一个END结束符，建立3个模型的自适应算术编码，对游程值进行压缩。
幅度优化编码如果某些系数在上一次比特平面编码中表现的有意义，那么在以后的比特平面编码中就不需要再对这些系数进行重要性检查，而直接判断该系数在本次比特平面的扫描中是否仍然有意义。这种幅度优化过程不需要考虑位置信息，可以有效地利用以前的结果。以前一些小波压缩算法的幅度优化过程，例如EZW、SPIHT等，其幅度优化过程在每次比特平面扫描，对于每个系数的处理办法是相同的。然而实际上，这一部分也可以根据邻域的上下文信息和已压缩的信息加以分类的。实验表明幅度优化比特与当前系数已经压缩的比特有弱相关性，与邻域象素的幅度也有弱相关性。这样，压缩时就可以根据这个弱相关性建立相应的上下文模型指导压缩。
图1嵌入式图像压缩技术的原理框2八音阶式的小波变换的示意3分别是“Barbara”图像、“Lena”图像、“Mandrill”图像图4测试图像的R-D曲线实线是Barbara图像，虚线是Lena图像，点划线是Mandrill图像
具体实施例方式现结合附图对本发明作进一步描述图1是嵌入式图像压缩技术的原理框图，图2是对512×512的标准测试图像“Lena”进行八音阶式的小波变换的示意图。而这些特点都可以作为先验知识很好的指导压缩。所以本发明的第一步是对输入图像信号进行八音阶式的小波变换。然后根据变换的特性将系数分成低频部分和高频部分，分别采用不同的处理方法。
经过小波变换后，子带的低频部分和高频部分的统计特性出现了很大的差别。低频子带呈现出与原始图像类似的统计特性，而高频子带与原始图像呈现很大的差别。对低频子带进行预测编码式的独立压缩，对高频子带进行比特平面式的游程编码，然后将各自结果融合形成码流。低频子带单独编码的好处是即使没有收到任何高频子带的信息，通过将低频子带插值，也可以产生粗糙的原始图像，供接收方观看。
对高频子带进行比特平面式的游程编码中，采用自适应游程编码算法，这种技术带来的好处是1、可以用较少的符号有效地表示不同的游程值虽然两个十进制数间的差可能很大，但是转化为二进制，长度可能只会有轻微的不同，不会带来很大的变化，例如4和15相差11，表示成二进制时长度只差1，而4和31、63、127之间长度只差2、3、4，但值却差27、59、123，也就是只需多编很少几个符号就可以表示很大的一个数值，而很大的一个数值只用很少的几个符号就可以表示。所以这种自适应游程编码算法对于游程值长的序列，也就是零值较多的序列很适合。2、不需要任何先验知识，完全根据图像内容自适应的编码与传统的游程编码相比，这里的自适应游程编码算法不需要额外的内存和先验知识，也不需要预先存储任何哈夫曼码表，完全可以根据输入图像的统计特性自适应的编码。3、游程长度跨边界统计由于编、解码有相同的扫描顺序，所以在统计游程的时候可以不用考虑子带的限制，增加了游程长度，提高效率。
图4对512×512的3个标准测试的灰度图像(如图3，分别是“Barbara”图像、“Lena”图像、“Mandrill”图像)进行了实验。使用9/7双正交小波，分解5层，使用对称延拓。失真性能使用在文献中经常出现的峰值信噪比(PSNR)作为质量评价标准，定义为PSNR=10log102552MSEdB]]>MSE=1M×NΣm=0M-1Σn=0N-1(f(m,n)-f^(m,n))2]]>其中f(m，n)和 分别是图像中第(m，n)个象素的灰度值和重构图像中相应象素的灰度值。从图3可以看出任何一幅测试图像的R-D曲线都非常平坦光滑，没有出现跳跃现象。这是由算法的特点决定的，整个算法是按照比特平面进行顺序扫描执行的，可以在任何截断点以最好的质量恢复，所以不会出现突变。另外一个特点是对于复杂纹理的图像有较强的鲁棒性，例如对“Barbara”图像和“Mandrill”图像，没有太大的变化斜率。
综上所述，本发明具有以下特点●离散小波变换提供图像的紧支多分辨率特性；●占变换系数绝大多数能量的低频分量优先完全压缩；●逐次逼近量化提供重要系数的紧支多精度表示，并简化嵌入式算法；●基于上下文内容的符号编码可以更有效的利用小波变换系数的符号相关性；●自适应的游程编码可以用较少的符号表示较长的游程值；●自适应多模型的算术编码提供对符号序列快速有效的熵编码方法，它不需要训练及预先存储任何码表；●幅度优化过程的多模型的算术编码更有效地分类优化比特；●达到目标比特率或失真度时，编、解码就立即停止，可以精确达到预期的比特率。
由上述分析可知，本发明的复杂度极低，计算量小，占用的存储空间少。受图像统计特性的影响较小，尤其适于复杂纹理的图像。以二进制形式直接编码游程的方法可以与其他任何使用游程编码的算法相结合，改进编码效果。所以本发明有望大量应用于硬件实现等对复杂度要求严格的场合，发挥出重大的经济效应。
权利要求
1.一种基于小波变换的嵌入式图像编码技术，对输入图像进行八音阶式的小波变换，其特征在于根据小波变换的特性，将小波变换后的子带分成低频部分和高频部分，并对低频子带进行预测编码式的独立压缩，对高频子带进行比特平面式的游程编码，然后将各自结果融合形成码流。
2.根据权利要求1所述的一种基于小波变换的嵌入式图像编码技术，其特征在于对于低频子带的预测编码式的独立压缩是对小波变换的低频子带，用邻域象素预测当前象素，进行基于邻域剃度的预测；然后对预测差值的幅值和符号分别单独处理对预测差值的符号单独进行基于上下文内容的符号编码，幅度按照比特平面进行自适应的算术幅度编码。
3.根据权利要求1所述的一种基于小波变换的嵌入式图像编码技术，其特征在于对高频子带的比特平面式游程编码是先对小波变换的高频子带进行比特平面量化，每个比特平面上有两步，重要性检查过程和幅度优化过程分为三种处理对重要性未知的系数压缩，将这些系数用自适应的游程编码处理；对符号使用基于上下文内容的符号编码处理；对重要性已知的系数使用幅度优化编码。
4.根据权利要求3所述的一种基于小波变换的嵌入式图像编码技术，其特征在于自适应游码编码将任意一个游程值Run转换为二进制bkbk-1…b1b0(k∈N)表示，其中bk是最有意义的比特(MSB)，b0是最没有意义的比特(LSB)，由有限的0和1组成的二进制序列方式表示游程值，代替对原始游程值十进制的编码，只需要编码对应的二进制值0或者1即可。
5.根据权利要求4所述的一种基于小波变换的嵌入式图像编码技术，其特征在于自适应算术编码器一共有3个符号，除了0，1两个符号外，还需要一个END符号来表示当前游程值编码结束。
6.根据权利要求4所述的一种基于小波变换的嵌入式图像编码技术，其特征在于对于非零的游程值，其MSB＝1，只需要编码k位即可，MSB位不需编码。
7.根据权利要求3所述的一种基于小波变换的嵌入式图像编码技术，其特征在于幅度优化编码根据幅度优化比特与当前系数已经压缩的比特有弱相关性，与邻域象素的幅度也有弱相关性，建立相应的上下文模型指导压缩，使用2符号的3个上下文模型建立的2符号的3个模型是模型1对应已经有过一次幅度优化的系数；模型2对应还没有过幅度优化的系数，但是其周围3×3邻域内的8个象素中至少有一个系数是重要的；对应还没有过幅度优化的系数，但是其周围3×3邻域内的8个象素中没有一个系数是重要的，也就是该象素是孤立的重要象素。
8.根据权利要求7所述的一种基于小波变换的嵌入式图像编码技术，其特征在于模型2和3都是对应第一次幅度优化的系数，但是需要根据邻域的重要性状态来选择相应的算术编码模型。
全文摘要
本发明涉及一种基于小波变换的嵌入式图像压缩技术，技术思想是由于八音阶式的小波变换后的系数具有良好的空频局部化特性、频域能量聚集性和能量衰减性、高频系数的空间聚集特性等多种良好的易于压缩的特性。所以对输入的图像先进行八音阶式的小波变换，其特征在于根据小波变换的特性，将小波变换后的子带分成低频部分和高频部分，并对低频子带进行预测编码式的独立压缩，对高频子带进行比特平面式的编码，然后将各自结果融合形成码流。本发明的复杂度极低，计算量小，占用的存储空间少。受图像统计特性的影响较小，尤其适于复杂纹理的图像。所以本发明有望大量应用于硬件实现等对复杂度要求严格的场合，发挥出重大的经济效应。
文档编号H04N7/32GK1571514SQ0313442
公开日2005年1月26日 申请日期2003年7月23日 优先权日2003年7月23日
发明者郭雷, 王琪 申请人:西北工业大学