基于GPGPU的JPEG2000图像压缩方法
基于机器学习的JPEG2000图像压缩算法研究
基于机器学习的JPEG2000图像压缩算法研究摘要：JPEG2000是一种新型图像压缩算法，它采用离散小波变换和熵编码技术、支持透明度和无限次缩放等优越性能，不过因为计算复杂性大，它一直未得到广泛应用。
为了解决这个问题，本文采用机器学习算法优化JPEG2000压缩算法，提高其实用性和效率。
1. 引言图像数据量巨大，需要大量的存储空间和传输带宽。
为了减小图像数据的存储空间和传输带宽，图像压缩技术应运而生。
目前，JPEG（Joint Photographic Experts Group）是一种最常用的图像压缩算法，它利用DCT（Discrete Cosine Transform）将图像空间域转换成频域，再采用量化和熵编码技术实现压缩。
JPEG算法有诸多不足，比如严重的失真、不支持透明度等问题。
为了解决这些问题，JPEG2000压缩算法应运而生。
JPEG2000是一种新型的图像压缩算法，它在技术上有多大的提升呢？首先，不同于JPEG算法中的DCT，JPEG2000采用了离散小波变换（DWT）技术。
这种技术通过对图像进行多尺度分解，将图像分成多个低频子带和高频子带，达到了更高的压缩比。
其次，对于图像某些区域，要求保持高质量的细节信息。
JPEG算法采用固定剪切量的量化方法，而JPEG2000算法采用无损或可逆的位平面技术，对不同区域的信息进行动态量化，从而保留更多的细节信息。
然而，由于其计算复杂度大，JPEG2000压缩算法并未得到广泛应用。
如何优化JPEG2000压缩算法，提高其实用性和效率，是目前的热门研究领域。
2. 机器学习机器学习是人工智能领域的一个重要分支，它是指让机器从数据中学习，实现自我优化和智能化的过程。
机器学习分为有监督学习、无监督学习和半监督学习三种方法。
其中，有监督学习常用于分类、回归和聚类等问题，无监督学习常用于降维和聚类等问题，半监督学习则是两者的融合。
3. 基于机器学习的JPEG2000图像压缩算法研究为了优化JPEG2000压缩算法，本文探索了基于机器学习的方法。
JPEG2000图像压缩算法标准剖析
JPEG2000图像压缩算法标准摘要：JPEG2000是为适应不断发展的图像压缩应用而出现的新的静止图像压缩标准。
本文介绍了JPEG2000图像编码系统的实现过程, 对其中采用的基本算法和关键技术进行了描述，介绍了这一新标准的特点及应用场合，并对其性能进行了分析。
关键词：JPEG2000；图像压缩；基本原理；感兴趣区域引言随着多媒体技术的不断运用，图像压缩要求更高的性能和新的特征。
为了满足静止图像在特殊领域编码的需求，JPEG2000作为一个新的标准处于不断的发展中。
它不仅希望提供优于现行标准的失真率和个人图像压缩性能，而且还可以提供一些现行标准不能有效地实现甚至在很多情况下完全无法实现的功能和特性。
这种新的标准更加注重图像的可伸缩表述。
所以就可以在任意给定的分辨率级别上来提供一个低质量的图像恢复，或者在要求的分辨率和信噪比的情况下提取图像的部分区域。
1.JPEG2000的基本介绍及优势相信大家对JPEG这种图像格式都非常熟悉，在我们日常所接触的图像中，绝大多数都是JPEG格式的。
JPEG的全称为Joint Photographic Experts Group，它是一个在国际标准组织(ISO)下从事静态图像压缩标准制定的委员会，它制定出了第一套国际静态图像压缩标准：ISO 10918－1，俗称JPEG。
由于相对于BMP等格式而言，品质相差无己的JPEG格式能让图像文件“苗条”很多，无论是传送还是保存都非常方便，因此JPEG格式在推出后大受欢迎。
随着网络的发展，JPEG的应用更加广泛，目前网站上80％的图像都采用JPEG格式。
但是，随着多媒体应用领域的快速增长，传统JPEG压缩技术已无法满足人们对数字化多媒体图像资料的要求：网上JPEG图像只能一行一行地下载，直到全部下载完毕，才可以看到整个图像，如果只对图像的局部感兴趣也只能将整个图片载下来再处理；JPEG格式的图像文件体积仍然嫌大；JPEG格式属于有损压缩，当被压缩的图像上有大片近似颜色时，会出现马赛克现象；同样由于有损压缩的原因，许多对图像质量要求较高的应用JPEG无法胜任。
基于GPGPU的JPEG2000图像压缩方法
基于GPGPU的JPEG2000图像压缩方法李玉峰;吴蔚;王恺;崔迎炜【期刊名称】《电子器件》【年(卷),期】2013(036)002【摘要】为了进一步加快JPEG2000的压缩速度,对JPEG2000压缩标准进行研究,分析得出JPEG2000核心算法离散小波变换(DWT)部分数据之间的独立性适合并行化处理.NVIDIA最新推出的CUDA(计算统一设备架构)是非常适合大规模数据并行计算的软硬件开发平台.在通用计算图形处理器(General Purpose Graphic Process Unit,GPGPU)上使用CUDA技术实现DWT并行化加速,并针对GPGPU 存储空间的特点进行优化.得出的实验结果表明,经过CUDA并行优化的方法能够有效地提高离散小波变换DWT的计算速度.【总页数】6页(P163-168)【作者】李玉峰;吴蔚;王恺;崔迎炜【作者单位】东南大学移动通信国家重点实验室,南京210096;沈阳航空航天大学电子信息工程学院,沈阳110136;沈阳航空航天大学电子信息工程学院,沈阳110136;沈阳航空航天大学电子信息工程学院,沈阳110136;北京方天长久科技有限公司,北京100085【正文语种】中文【中图分类】TN911.73【相关文献】1.基于JPEG2000的遥感图像压缩方法研究 [J], 张宝薇;于珊珊;张晔2.基于预测和JPEG2000的红外图像无损压缩方法 [J], 杨雪;陈凡胜3.基于预测与JPEG2000的高光谱图像无损压缩方法 [J], 刘仰川;巴音贺希格;崔继承;唐玉国4.一种基于FPGA 和ADV212的遥感卫星图像JPEG2000实时解压缩方法 [J], 欧民;谭金林;张国华5.基于GPU的JPEG2000医学图像压缩方法研究 [J], 李德振;孙健永;谭斌;李冰因版权原因，仅展示原文概要，查看原文内容请购买。
JPEG2000图像压缩算法标准
JPEG2000图像压缩算法标准摘要：JPEG2000是为适应不断发展的图像压缩应用而出现的新的静止图像压缩标准。
本文介绍了JPEG2000图像编码系统的实现过程, 对其中采用的基本算法和关键技术进行了描述，介绍了这一新标准的特点及应用场合，并对其性能进行了分析。
关键词：JPEG2000；图像压缩；基本原理；感兴趣区域引言随着多媒体技术的不断运用，图像压缩要求更高的性能和新的特征。
为了满足静止图像在特殊领域编码的需求，JPEG2000作为一个新的标准处于不断的发展中。
它不仅希望提供优于现行标准的失真率和个人图像压缩性能，而且还可以提供一些现行标准不能有效地实现甚至在很多情况下完全无法实现的功能和特性。
这种新的标准更加注重图像的可伸缩表述。
所以就可以在任意给定的分辨率级别上来提供一个低质量的图像恢复，或者在要求的分辨率和信噪比的情况下提取图像的部分区域。
1.JPEG2000的基本介绍及优势相信大家对JPEG这种图像格式都非常熟悉，在我们日常所接触的图像中，绝大多数都是JPEG格式的。
JPEG的全称为Joint Photographic Experts Group，它是一个在国际标准组织(ISO)下从事静态图像压缩标准制定的委员会，它制定出了第一套国际静态图像压缩标准：ISO 10918－1，俗称JPEG。
由于相对于BMP等格式而言，品质相差无己的JPEG格式能让图像文件“苗条”很多，无论是传送还是保存都非常方便，因此JPEG格式在推出后大受欢迎。
随着网络的发展，JPEG的应用更加广泛，目前网站上80％的图像都采用JPEG格式。
但是，随着多媒体应用领域的快速增长，传统JPEG压缩技术已无法满足人们对数字化多媒体图像资料的要求：网上JPEG图像只能一行一行地下载，直到全部下载完毕，才可以看到整个图像，如果只对图像的局部感兴趣也只能将整个图片载下来再处理；JPEG格式的图像文件体积仍然嫌大；JPEG格式属于有损压缩，当被压缩的图像上有大片近似颜色时，会出现马赛克现象；同样由于有损压缩的原因，许多对图像质量要求较高的应用JPEG无法胜任。
JPEG2000静态图像压缩标准
1
第一章 绪论
第一章
绪论
随着现代网络通讯和无线通讯技术的飞速发展，图像压缩技术已经得到了越 来越广泛的应用。与此同时，人们不断追求的高压缩比和尽可能小的图像信息失 真之间的矛盾也日益突出。感兴趣区域（ROI）编码处理方法为解决这一矛盾提 供了一种有效的途径，成为近年来图像处理领域的研究热点之一。 联合图像专家组 （JPEG） 为了更好地满足人们在图像压缩领域的各种应用需 求，于 2000 年 12 月推出了新一代 的静态图像压缩标准——JPEG2000（ ISO 15444）[1]。在制定 JPEG2000 图像压缩标准的过程中，联合图像专家组始终将 能否灵活有效地支持 ROI 编码处理作为衡量该标准的一个重要指标[2]，为实现 ROI 编码提供了一个良好的平台，从而推动着 ROI 编码研究不断丰富、完善， 应用更深入、广泛。
本人签名：
日期：
关于论文使用授权的说明
本人完全了解西安电子科技大学有关保留和使用学位论文的规定，即：学校 有权保留送交论文的复印件，允许查阅和借阅论文；学校可以公布论文的全部或 部分内容，可以允许采用影印、缩印或其它复制手段保存论文。 （保密的论文在 解密后遵守此规定）
本人签名： 导师签名：
日期： 日期：
摘要
感兴趣区域（ ROI ）图像编码处理，是联合图像专家组（ JPEG）新推出的 JPEG2000 静态图像压缩标准中提供的一种新特性。该编码处理方法可以将用户 感兴趣的图像区域（ROI）与背景区域区别开来，并实现对前者优先、优质的编 码操作。 本文主要研究基于 JPEG2000 图像标准的感兴趣区域图像编码的应用算法， 具体工作如下：
第五章 FOVEAL SHIFT 编码方法………..………..….…………...……………..33
基于JPEG2000的静态医学图像压缩设计方案
中 分 号 Ｐ９４ 圈 类 ｔ ３ ． Ｔ １１
基 于 Ｊ Ｅ ０ ０的静 态医学 图像压 缩设计 方案 Ｐ Ｇ２ ０
卫俊霞 ，焦 国华 ，高 晓惠
（ 院西 安光 学精密机械 研究所 ，西安 ７ ０ ６ ） 中科 １０ ８
摘
要： 针对静态医学图像 压缩 ， 绍了两种 压缩标 准 ＪＥ 介 Ｐ Ｇ与 ＪＥ ２０ ， Ｐ Ｇ ００ 通过对它们的 比较 ， 突出 ＪＥ ２０ Ｐ Ｇ ００的优势 ， 诠释了 ＪＥ ２０ Ｐ Ｇ ００
ｃ ｏｍｐ ｒｎ ｈｅ ｔ ｓａ ｄ ｄ ，Ｊ ａ ｇ ｔ ｗｏ ｔ ｎ ａ ｓ ＰＥＧ２ ０ ｓ ｓ ｐ ｒｏ ｏ Ｊ ｉ ｒ ０ ０ ｉ ｕ ｅ ｒ ｔ ＰＥＧ．Ｔｈ ｄ ｅ ｎ ｔｃ ｎ ｌ ｇ ，ｎ ｍｅｙ Ｊ ＥＧ２ ０ ｓ ｐ ｅ ｅ ｔ ｄ．Ｔｈ Ｐ ｉ ｅ ｍｏ ｒ ｅ ｈ ｏ ｏ ｙ ａ ｌ Ｐ ０ ０ ｉ ｒ ｓ ｎ ｅ ｅ Ｊ ＥＧ２ ０ ｂ ｓｃ ０ ０ ａ ｉ
ｔｃ ｎ ｑ ｅ ａ ｍｓ ａ ｅ ｕｃｎ ｈ ａ ｓ ｓ ｉ ｎ ｃ ｓ ｉ ｒ ｓ ｒ ｉ ｈ ａ ｎ ｔｃ ｉ ｔ ｇ ｔ Ｔｈ ｘ ｒｍｅ ｔ ｌ ｅ ｕ ｔ ｎ ｉ ａ ｅ ｔ ａ ｓｎ ＰＥＧ２ ０ ｅ ｈ ｉ ｕ ｉ ｔ ｄ ｉ ｇ ｔ ｅ ｔ ｎ ｍｉ ｓｏ ｏ ｔｗｈ ｌ ｐ ｅ ｅ ｖ ｎｇ ｔ ｅ ｄｉｇ ｏｓ ｎ ｅ ｒ ｙ． ｅ ｅ ｐｅ ｒ ｒ ｅ ｉ ｉ ｉ ｎ ａ ｓ ｌ ｉ ｄ ｃ ｔ ｈ ｔｕ ｉ ｇ Ｊ ｒ ｓ ００ ｓａ ｄ ｄ Ｃ ｎ ｕ ｅ ａ ｐ ｉ ｌ ｒ ｄ — ｆ ｅ ｗｅ ｎ ｔ ｅ ｉ ｇｅｒ ｃ ｎ ｔｕ ｔ ｎ ｑ ａ ｉ ｎ ｅ ｃ ｍｐ ｅ ｓ ｏ ａ ｉ ｔｎ ａ ａ ｅ ｓ ｒ ｎ ｏ ｔｍａ ａ ｅ ｏ ｆｂ ｔ ｅ ｍａ ｅ ｏ ｓｒ ｃ ｉ ｕ ｌ ｙ ａ ｄ ｔ ｏ ｒ ｓ ｉ ｎ ｒ ｔ ｒ ｎ ｔ ｈ ｏ ｔ ｈ ｏ．
基于JPEG2000的遥感图像分级量化压缩
Ｅｌｅｃｌｒｏｌｌｉｃ ｓｃｉ．＆Ｔｅｃｈ／Ｄｅｃ．１５．２００９
基于ＪＰＥＧ２０００的遥感图像分级量化压缩
刘立
（华北电力大学电子与通信工程系，河北保定０７１００３）
分析摘 ，要 得介 出绍 遥感了图ＪＰ像ＥＧ的２０特００．静最态。图针像对压其缩特标点准，的设基计本了情基况于；ＪＰ对Ｅ咖遥无感损图压像缩的的相高关频性子以带及分小级波量变化换高域保统真计压特缩性方进 案行 。了 实
验结果表嚼，此方案在对遥感图像进行压缩时取得了较好的效果。
关键词遥感图像；图像压缩；小波变换
中图分类号’聃儿．７３ 文献标识码Ａ
文章编号１００ｒ７—７８２０（２００９）１２一０５５一０３
Ｓｕｂ－ｂａｎｄ Ｑｕａｎｔｉｆｉｃａｔｉｏｎ Ｃｏｍｐｒｅｓｓｉｏｎ ｏｆ Ｒｅｍｏｔｅ Ｓｅ砸ｉｎｇ Ｉｍａｇｅ Ｂａｓｅｄ ｏｎ ＪＰＥＧ２０００
在解码器端，由于采用本方法压缩后，码流组织 为ＪＰＥＧ２０００码流结构，可以将其直接进行ＪＰＥＧ２０００ 解码，获取恢复图像旧】。 ２．２ 关于阈值和量化步长的选取
（１）阈值％，Ｌ的选取。 阈值的选取可以有两条途径：一是通过对遥感图 像进行实验可以获得各个阈值与压缩系统性能指标峰 值信噪比和压缩比的关系，由用户根据需要交互地给 出，或由系统给出一个较优的缺省值；另一种方法是 通过对小波分解子图进行统计分析后自适应 获得旧’４１。 （２）量化步长的选取。 量化步长的选取可以根据子带的统计特性和最 小失真，计算出量化步长的最优值；实际应用中可 先选取初始量化器，根据实际图像压缩过程，验证 各量化步长与压缩性能指标ＰＳＮＲ和ＣＲ（峰值信噪 比和压缩比）的关系，经过多次调整量化步长最终 确定较优值。
（２）
基于GPU的JPEG2000高速图像解压缩研究
解码系统框架
码流发送客户 端 压缩码流 网络或者 SCSI 解码服务器 恢复图像数 据 网络方式 图像显示客户 端
解码服务器上有6块高性能显卡，每个显卡都可以 独立地完成解码，可以根据需要的解码速度，启 动相应数量的显卡。码流发送客户端可以通过网 络向解码服务器提供JPEG2000压缩码流，因此解 码服务器可以解远程码流。图像显示客户端的功 能是显示解码服务器恢复后的图像数据。
解码服务器硬件平台： CPU: 两个6核cpu，软硬件配置：
型号 Inter® Xeon® E5645 主频 2400.144GHz 缓存 12288KB 内存 40GB 硬盘 1.8TB 操作系统 CentOS 64bit
GPU: 6块C2075显卡，软硬件配置：
显卡名称 CUDA驱动版本/运行版本 C2075 4.0/4.0
在进行小波变换时，数据时按行存储在全局存储器 中，因此在进行行处理时，block中的各线程访问 的数据是连续的，通过合并访问，通过一次读取全 局存储器就可以得到所需要的数据。在进行列处理 时，各线程访问的数据不连续，无法使用合并访问， 访问数据速度很慢。为了加快速度，可以借助共享 存储器使用矩阵转置，把列转为行，这样就可以连 续访问。
55.90
37.29 44.02 49.65
21.16
39.69 32.30 25.00
单GPU解码速度测试结果分析： 解码速度（M像素点/s）指的是用28图像总的像素点除以Total的时间， 反映的是像素点的吞吐率；解码速度(MB/s)指的是用28幅图像码流的大 小除以Total的时间，反映的是压缩码流的吞吐率。从每秒解多少像素点 来反映解码速度，可以看出压缩倍数高，解码速度快；比特精度越小， 解码速度越高。从每秒解多少字节的压缩码流来反映解码速度，可以看 出对于同样宽度和高度的图像，压缩倍数小和比特精度高，码流吞吐率 高。