图像编码技术的研究和应用

图像编码技术的研究和应用

一幅二维图像可以表示为将一个二维亮度函数通过采样和量化而得到的一个二维数组。这样一个二维数组的数据量通常很大,从而对存储、处理和传输都带来了许多问题,提出了许多新的要求。为此人们试图采用对图像新的表达方法以减少表示一幅图像需要的数据量,这就是图像编码所要解决的主要问题。压缩数据量的主要方法是消除冗余数据,从数学角度来讲是要将原始图像转化为从统计角度看尽可能不相关的数据集。这个转换要在图像进行存储、处理和传输之前进行,而在这之后需要将压缩了的图像解压缩以重建原始图像或其近似图像.图像压缩和图像解压缩,通常也分别称为图像编码和图像解码。

图像编码系统模型模型主要包括2个通过信道级连接的结构模块 :编码器和解码器。当一幅输入图像送入编码器后 ,编码器根据输入数据进行信源编码产生一组信号。这组信号在进一步被信道编码器编码后进入信道。通过信道传输后的码被送入信道解码器和信源解码器 ,解码器重建输出的图像。一般来说 ,输出图是输入图的精确复制 ,那么系统是无失真的或者信息保持型的 ;否则 ,称系统是信息损失的。

现代编码方法

这里介绍了几种比较热的编码方法:第二代编码方法、分形编码、模型编码、神经网络编码、小波变换编码。

1.第二代图像编码方法

第二代图像编码方法是针对传统编码方法中没有考虑人眼对轮廓、边缘的特殊敏感性和方向感知特性而提出的。它认为传统的第一代编码技术以信息论和数字信号处理技术为理论基础 ,出发点是消除图像数据的统计冗余信息 ,包括信息熵冗余、空间冗余和时间冗余。其编码压缩图像数据的能力已接近极限 ,压缩比难提高。第二代图像编码方法充分利用人眼视觉系统的生理和心理视觉冗余特性以及信源的各种性质以期获得高压缩比,这类方法一般要对图像进行预处理，将图像数据根据视觉敏感性进行分割。

2．分形图像编码

分形图像编码是在分形几何理论的基础上发展起来的一种编码方法。分形理论是欧氏几何相关理论的扩展,是研究不规则图形和混沌运动的一门新科学。它描述了自然界物体的自相似性,这种自相似性可以是确定的,也可以是统计意义上的。这一理论基础决定了它只有对具备明显自相似性或统计自相似性的图像,例如海岸线，云彩，大树等才有较高的编码效率。而一般图像不具有这一特性,因此编码效率与图像性质学特性有关 ,而且分形图像编码方法实质上是通过消除图像的几何冗余度来压缩数据的 ,根本没有考虑人眼视觉特性的作用。

3.基于模型的图像编码

基于模型的图像编码技术是近几年发展起来的一种很有前途的编码方法。它利用了计算机视觉和计算机图形学中的方法和理论 ,其基本出发点是在编、解码两端分别建立起相同的模型 ,针对输入的图像提取模型参数或根据模型参数重建图像。模型编码方法的核心是建模和提取模型参数,其中模型的选取、描述和建立是决定模型编码质量的关键因素。为了对图像数据建模, 一般要求对输入图像要有某些先验知识。目前研究最多、进展最快的是针对可视电话应用中的图像序列编码。这类应用中的图像大多为人的头肩像。

4.神经网络图像编码

在图像编码的各种方法中, 除信息保持型编码方法外,其余所有方法始终没有解决好如何充分利用人的视觉特性这个问题。神经网络图像编码试图在此有所突破,现在直接用于图像压缩的神经网络主要有B P 网络和自组织映射神经网络。采用 B P 网络实现数据压缩好比是强迫数据通过细腰型网络的瓶颈,并期望在网络的瓶颈处能获得较紧凑的数据表示。

5.小波图像编码

一维连续小波变换可看成原始信号和一组不同尺度的小波带通滤波器的滤波运算，从而可把信号分解到一系列频带上进行分析处理,将其离散化后即为离散小波变换。

小波变换图像编码压缩的核心问题是要对子带图像进行小波分解系数的量化和编码。低频子带图像包含原图像的大部分能量,即包含图像的基本特性。它在图像重构算法中起主导作用，对重建图像的质量有很大影响，因此这部分信号应精确保留。

高频子图像的系数分布符合广义高斯分布,对其系数进行粗量化编码较为

有效。这也完全符合人的视觉特性,根据对人眼视觉系统的研究可知,人眼视觉灵敏度具有明显的低通特性,而且对不同方向上的敏感度也不一样,尤其是对倾斜方向的刺激不太敏感,如人眼对对角线方向子图像系数误差敏感度较低,因此可对对角线方向子图像进行粗量化高压缩。

小波变换后的能量主要集中在低频系数分量，而其他高频系数分量大多为零值这为高倍率压缩提供了可能。通过选择合适的具有平滑特性的小波基，就可消除重建图像中出现的方块效应，减小量化噪声，获得较好的重建图像质量。

小波变换图像编码压缩方法可分为如下两大类：基于传统的图像编码方法、基于分形理论的小波变换图像编码方法。

基于传统的图像编码方法包括：零树小波编码、基于塔式网格矢量量化的小波变换编码、基于LB G 算法的小波变换编码、基于标量量化的小波变换编码等。

由于不同分辨率子图像之间存在着相似性，因此，利用此相似性可提高压缩比。J . M . Shapiro采用零子树自嵌套编码方法，对小波分解系数进行压缩，在PSN R = 27 . 54dB 的情况下，获得的压缩比为128∶1。这是最著名的一种小波变换图像编码压缩方法。该方法的优点是：与传统的DC T 编码相比，它既可以克服方块效应，又可以在低比特率下获得较好的图像主观质量。缺点是：由于它对各子带采用相同的门限量化，因此不能充分利用人眼的视觉特性，限制了图像压缩比的进一步提高。对此， A . Said 等人提出了改进算法。

针对分形图像编码尚存在的缺点,如编码算法的耗时、自然图像不一定具有严格的分形结构而无法达到预期的高压缩比、高压缩倍率时的方块效应等，有人提出了基于小波变换的分形编码。它具有以下特点：其一，采用平滑小波可去除传统分形变换中存在的方块效应；其二，小波表示使图像的四叉树分割十分自然；其三，可将零树算法看成是该算法的一个特例。图像经过金字塔形离散小波变换后的系数在小波域内可组成分层树状数据结构———小波树，这些跨越不同分辨率的小波树之间存在一定的相似性，可通过分形变换来描述。基于小波变换的分形压缩过程就是一个由分层树状结构的顶部开始一层层地向下预测其余系数的过程，而这个由上至下、由粗至细的预测过程是通过分形编码来实现的。

基于小波变换的图像编码压缩的特点是，压缩比高，压缩速度快，压缩后能保持信号与图像的特征不变，且在传递过程中就可以抗干扰。从现在的研究结果