01-拉普拉斯金字塔压缩图像编码.doc

拉普拉斯金字塔压缩图像编码摘要: 我们描述一种图像编码技术,以与多尺度运算相同形状的算子作为基本函数。与已建立的技术不同,该表示方法的代码元素在频域和空域同时建立。像素间的相关性,通过从图像自身减去一个通过了低通滤波器的该图像党的副本而去除。由于差异或误差的存在,结果是一个净数据压缩,图像具有较低的方差、熵,低通滤波过的图像可能代表了减少后的采样密度。进一步的数据压缩是通过对差分图像的量化获得的。重复这些步骤对通过低通滤波器的图象进一步压缩。在迭代的过程适当地对尺度进行扩大就得到了金字塔数据结构。该编码过程相当于对图像进行拉普拉斯多尺度运算抽样, 因此, 该代码往往加强显著的图像特征。另外一个优点是现在的编码适合许多图像分析任务,对图像压缩同样适用。文中也给出了该算法的快速算法的编解码过程。简介图像一个共同的特点就是相邻像素间具有很强的相关性。因此,用像素值来表示图像效率是非常差的。大部分的编码信息是多余的。首要的任务就是设计一个高效的、压缩编码就是要找到一种表示方,有效地去除图像像素间的相关性。这通过预测编码和变换技术已经达到。在预测编码中,在一个栅格格式里像素采用顺序编码。然而,每一个像素编码之前,先对它的编码值进行预测,而这种预测是通过前述的同一栅格线中先前的预测编码的像素得到的。预测的像素值代表了冗余信息,实际像素减去该预测的像素值,只对差异或者是预测误差进行编码。因为以前只有编码像素用于预测每个象素的值,这个过程被说成是因果关系。限制因果预测解码便捷行的因素是:给定像素其预测像素值是由已经编码了的相邻像素反复计算得到的,增加了存储的预测误差。非因果预测中, 基于相邻像素的对称性, 每个像素均为中心, 应该得到更加准确的预测值和更大的数据压缩量。然而, 这种方法不允许简单的顺序编码。非因果预测图像编码方法通常涉及到图像变换或是解决大数量的联立方程。与顺序编码方式不同,该技术采用一次性编码或是分块编码。预测和变换技术都具有自己的优点。前者的实现相对简单,适应当地的图像特征。后者通常适用于大的数据压缩,但是计算量相当的大。这里我们将描述一种新的用于去除图像特征相关性的技术,该技术结合了预测和变换方法的特点。这项技术是非因果的, 但计算相对简单一般。每个像素值的预测值的计算由加权平均法计算,该方法集中在像素本身使用单峰类高斯(或双峰相关)权函数。首先对图像和权重函数进行卷积得到了所有像素的预测值。结果得到一个低通滤波图像,然后从源图像中减去。设),( 0jig 为原始图像, ),( 1jig 是),( 0jig 应用了适当的低通滤波器后的结果,预测误差),( 0jiL 可由下式得到: ),().(),( 100jigjigjiL??我们不对),( 0jig 进行编码,而对),( 0jiL 和),( 1jig 进行编码。结果得到的是净数据压缩原因:a)),( 0jiL 是大范围不相关的,所以描述像素比),( 0jig 所用的比特数少;b)),( 1jig 是经过低通滤波的,所以采用了降低了的采样速率来进行编码。数据的进一步压缩是通过迭代过程获得的。 1g 通过低通滤波产生 g2 同时得到第二个误差图像),(),(),( 212jigjigjiL??。重复这些步骤, 我们获得了一个二维序列 nLLLL...,, 210 。由于采样密度的减小,我们实现的