图像压缩技术的综述教学提纲

题目：图像压缩技术的综述

学生姓名：徐欢学号：070110117

系别：计算机与信息学院专业：计算机科学与技术

入学年份：2010年9月

导师姓名：陈蕴谷职称/学位：讲师/硕士研究生

导师所在单位：中国科学院合肥物质研究院

完成时间:2014年4月

1.引言

随着多媒体技术和通讯技术的不断发展，多媒体娱乐、信息高速公路等不断对信息数据的存储和传输提出了更高的要求，也给现有的有限带宽以严峻的考验，特别是具有庞大数据量的数字图像通信，更难以传输和存储，极大地制约了图像通信的发展，因此图像压缩技术受到了越来越多的关注。图像压缩的目的就是把原来较大的图像用尽量少的字节表示和传输，并且要求复原图像有较好的质量。利用图像压缩，可以减轻图像存储和传输的负担，使图像在网络上实现快速传输和实时处理。

图像数据是用来表示图像信息的，如果不同的方法为表示相同的信息使用了不同的数据量，那么使用较多数据量的方法中，有些数据必然代表了无用的信息，或者是重复的表示了其他数据表示的信息，前者成为数据冗余，后者成为不相干信息。图像压缩编码的主要目的，就是通过删除冗余的或者是不相干的信息，以尽可能地的数码率来存储和传输数字图像数据。

图像压缩编码技术可以追溯到1948年提出的电视信号数字化，到今天已经有50多年的历史了。在此期间出现了很多种图像压缩编码方法，特别是到了80年代后期以后，由于小波变换理论，分形理论，人工神经网络理论，视觉仿真理论的建立，图像压缩技术得到了前所未有的发展，其中分形图像压缩和小波图像压缩是当前研究的热点。本文对当前最为广泛使用的图像压缩算法进行综述，讨论了它们的优缺点以及发展前景。

图像编码基础

图像编码压缩是指在满足一定图像质量的条件下，用尽可能少的数据量来表示图像。编码技术比较系统的研究始于Shannon信息论，从此理论出发可以得到数据压缩的两种基本途径。一种是联合信源的冗余度也寓于信源间的相关性之

中，去除他们之间的相关性，使之成为或基本成为不相干信源，如预测编码，变换域编码，混合编码等，但也都受信息熵的约束。总体上可以概括为熵编码，预测编码，变换编码，也成为三大经典编码方法。另一种是设法改变信源的概率分布，使其尽可能地非均匀，再用最佳编码方法使码长逼近信源熵。使用此途径的压缩方法其效率一般以其熵为上界，压缩比饱和于10：1，如Huffman编码，算术编码，行程编码等。

随着人们对传统压缩编码方法的深入研究和应用，逐渐发现了这些传统方法的许多缺点。如高压缩比时回复图像会出现方块效应，人眼视觉系统（HVS）的特性不易被引入到算法中等。为了克服这些缺点，1985年M.Kunl等人提出了第二代图像压缩编码的概念。经过近20年的发展，在这一框架下，人们踢出了鸡枞新的编码方法：分形编码，小波变换编码和基于模型的编码方法等。于是，对数据压缩技术的研究就突破了传统Shannon理论的框架，使得压缩效率得以极大提高。

图像编码基本原理

数字图像的冗余主要表现为以下几种形式：空间冗余，时间冗余，信息熵冗余，结构冗余和知识冗余。图像数据的这些冗余信息为图像压缩编码提供了依据。图像编码的目的就是充分利用图像中存在的各种冗余信息，特别是空间冗余，时间冗余以及视觉冗余，以尽量少的比特数来表示图像。利用各种冗余信息，压缩编码技术能够很好地解决在将模拟信号转换为数字信号后所产生的带宽需求增加的问题，它是使数字信号走上实用化的关键技术之一，虽然表示图像需要大量的数据，但是图像数据是高度相关的，或者说存在冗余信息，去掉这些信息后可以有效压缩图像，同时不会损害图像的有效信息。

2.常用的编码方法及其分类

图像压缩分为无损压缩和有损压缩，有损压缩分为预测编码，变换编码，混合编码，有损编码分为：JPEG,MPEG,P*64，无损编码分为：Lempd Zew,Huffman 编码，行程编码，算数编码。

目前常用的数字图像压缩编码方法可分为两大类：一是冗余压缩发，也称为无损压缩发；另一无损压缩的算法删除的仅仅是冗余的信息，因此可以在解压缩时精确的恢复原图像。有损压缩的算法把不相干的信息也删除了，解压缩时只能对图像进行类似的重构，而不能精确的复原，所i有损压缩算法可以达到更高的压缩比。

对于多数图像来说，为了达到更高的压缩比，保真度的轻微损失是可以接受的；有些图像不允许进行任何修改，只能对他们进行无损压缩。无损压缩利用数据的统计特性进行数据压缩，其压缩率一般为2：1至5：1。有损压缩不能完全恢复数据，而是利用人的视觉特性（人的眼睛好比是一个“积分器”）使解压缩后的图像看起来与原始图像一样。压缩比随编码方法的不同差别较大。

2.1 预测编码

在图像中，相邻像素通常在灰度上存在较大的相关性，因此，图像中某一像素的灰度可以用邻近的若干个像素灰度来估计。只对实际值和预测值的差进行编码和传输。因为预测编码是根据信号的一些已知情况，预测信号可能发生的情况，所以预测时有误差，如果预测比较准确，误差就较小，预测编码就能达到压缩数据的目的。典型预测编码的压缩算法有：DPM(差分脉冲调制)和ADPCM（自适应差分脉冲调制）。

2.2 Huffman编码

无失真编码方法中，Huffman编码是一种较有效的编码方法。Huffman编码是一种长度不均匀的，平均码率可以接近信息熵值的一种编码。他的编码思想是：对于出现概率较大的信息，采用字短的码，对于出现概率低的信息采用字长的码，以达到缩短平均码长，从而实现数据的压缩。Huffman编码小变字长编码方法是最佳的，其码字平均长度很接近信息符号的熵值。Huffman编码的最高压缩效率可达到8：1.

2.3 行程编码

在一个逐行存储的图像中，具有相同灰度值的一些像素组成的序列称为一个行列。在编码时，对于每个行程只存储一个灰度值的码，再紧跟着存储这个行程码的长度。这种按照形成进行的编码被称为行程编码。

行程编码是相对简单的一种编码，是指一行扫描的像素中，比较相邻像素的幅度（如：亮度），当幅度有一显著变化时，就说有一行程存在。随终点位置标记方法不同，行程编码可分为“行程终点编码”和“行程长度编码”。行程编码对于仅包含很少几个灰度级的图像，特别像二值图像，比较有效。

变换编码的原理框图如图所示，在发送端，原始图像被分成若干个相同大小的子图像，对每个子图像做变换，采用“区域采样”的方法，只取变换系数中幅度较大的元素，即变换结果阵列中的一些主要阵元进行编码，然后进行传输，而把其他幅度较小的大部分变化系数当作零，不予编码。在接收端，解码器将收到的信号进行解码，以零补足所有未被传输的阵元，然后对每个子阵进行相应的反变换，将每个反变换阵列拼起来便得到重建图像。

只取变换阵列中的一些主要阵元进行编码和传输，本身就已经达到了一定程度的数据压缩效果，在辅以非线性量化，可以进一步压缩数据率。DCT变换，傅里叶变换和HARR变换等。

2.5 矢量量化压缩方法

前面说的预测编码，变换编码等都属于标量量化，即先将图像经某种映射变换变成一个数的序列，然后一个数一个数地进行量化编码。矢量量化（简称VQ）在近几年发展很快，它与标量量化方法不同，他把图像数据分成很多组，每组看成为一个矢量，然后逐个矢量进行量化编码。在VQ算法中，图像中的各种相关信息（如：各像素点见，各块之间以及相邻编码地址间等）可通过有效的码书设计得以充分地去除，矢量量化是限失真压缩编码方法，压缩比可达到40：1。

2.6 统计编码

统计编码是根据消息出现的概率分布特性而进行的压缩编码。其宗旨在于：在消息和编码之间找到明确的一一对应关系，以便在回复是能准确无误地再现出