基于spiht的改进roi图像编码算法分析.docx

摘 要
在图像信息的实际应用过程中,人们往往只对图像的某些特定区域感兴趣,这部分区域称为感兴趣区域(ROI)。而不太重要的其余部分我们称之为背景区域(BG)。我们可以在感兴趣区域采用低压缩比,甚至无损压缩编码来获得该区域图像的高质量重建。而对其他背景区域进行高压缩率的有损压缩。这类图像的压缩处理问题就是感兴趣区域编码。ROI 编码方法不仅能够在低比特率条件下,对重要的感兴趣区域图像信息实现高质量重建,而且还可以与现有的图像压缩算法结合,更好地解决传输处理过程中存在的存储空间、带宽局限等问题。
本文对基于 SPIHT 的 ROI 编码算法进行了较深入的研究,指出其中存在的不足,如 ROI 和 BG 之间的边界十分明显,两个区域之间融合不自然:以及在 SPIHT 编码的过程中统一处理所有子带,没有优化处理 ROI 的小波系数,降低了小波系数的编码效率。针对现有算法的不足,提出一种基于 SPIHT 的改进 ROI 图像编码算法。该算法对图像预处理的过程进行了改进,保持 ROI 和 BG 的数据完整性,使得重构图像中的 ROI 和 BG 之间融合更自然:对小波分解后得到的 ROI 系数进行低频优化处理,在相同的比特率下提高 ROI 的重构质量:对背景区域进行分级编码,主要是考虑到在一些特定的领域中,用户对整个背景图像的重视程度不一样。
通过理论分析和实验仿真验证了改进算法的合理性和可行性,不仅复原图像中的 ROI 和 BG 融合得更自然,ROI 的重构质量得到了提升,还实现了背景区域的分级编码传输,较好地满足了应用需求。
关键词:图像压缩编码,小波变换,SPIHT,感兴趣区域编码
Abstract
In the application of image information, sometimes people pay close attention to some regions of the image. These areas are the so called ROI (region of interest).Other parts are BG (back ground). In ROI,we can adopt low loss, or even pression coding to achieve high
quality of reconstructed image. But for BG, pression ratio is executed. In low bit rate conditions, the ROI coding method can ensure high quality reconstruction of important ROI image. Also, bination of existing image coding algorithms and ROI coding method can solve many problems in image processing, such as storage space and bandwidth limitations.
There are some defects in the pression algorithms based on SPIHT. The boundary between region of interest and back ground is too obvious, and the fusion of the two regions isn’t good enough. In the SPIHT coding process, the coding methods treat all subbands equally, without any coefficient optimization. This may reduce the wavelet coefficients coding efficiency. This thesis presents an improved ROI coding method based on SPIHT. It improves the pre-processing of image, in order that the data integrity of ROI and BG can be maintained, thus the fusion between them may be more natural. After wavelet position, coefficient optimization is employed in low frequency