基于三维小波变换的视频图像的压缩算法研究
基于小波变换的图像压缩算法研究
基于小波变换的图像压缩算法研究近年来，随着数字图像的广泛应用，图像处理及图像压缩技术也越来越受到重视。
而其中基于小波变换的图像压缩算法是应用最广泛的一种算法之一。
本文将从小波变换的基本原理入手，探讨基于小波变换的图像压缩算法的研究。
一、小波变换的基本原理小波分析是一种时频分析方法，其基本思想是将一段时域信号经过小波变换转换为频域信号，从而便于分析。
小波变换与傅里叶变换类似，可以将任意时域信号分解成一组基函数的线性叠加，但是小波变换所采用的基函数不是正弦、余弦函数，而是一组有限长度的小波函数。
由于这些小波函数在时域上集中在某一短时间内，因此相比于傅里叶变换，小波变换更适于分析非平稳信号及局部特征。
在进行小波变换时，需要确保基函数满足正交性和尺度变换不变性。
因此，实际应用中通常采用Daubechies小波或Haar小波作为基函数。
其中Haar小波在一维信号的分析中应用较为广泛，由于其计算简单，可以很方便地应用于数字图像的处理和压缩。
二、基于小波变换的图像压缩算法基于小波变换的图像压缩算法常用的有两种：基于小波分解的压缩算法和基于小波编码的压缩算法。
1. 基于小波分解的压缩算法基于小波分解的压缩算法主要包括以下三个步骤：分解、量化、编码。
分解：将原始图像进行小波分解，分解成多个分辨率的子带，每个子带都代表了图像中不同分辨率的特征。
在此过程中，一般采用二维离散小波变换，可以将图像分解成四个子带，分别为LL、LH、HL、HH。
其中，LL子带是图像中低频分量，而LH、HL、HH子带则是图像中高频分量。
量化：对于每个子带，将其按照一定的量化参数进行量化，使信息量减少，从而实现图像压缩。
编码：对于量化后的系数，采用一种高效的编码方式将其进行压缩，以便达到最小化压缩后数据的存储空间。
2. 基于小波编码的压缩算法基于小波编码的压缩算法则是采用小波变换将原始图像分解为不同的频率子带，然后将每个子带的小波系数进行编码，以实现图像压缩。
基于小波变换的图像压缩算法优化研究
基于小波变换的图像压缩算法优化研究近年来，随着数字化技术的快速发展和存储技术的不断进步，图像处理和压缩技术也越来越受到人们的关注。
图像压缩是一种将数据流降低，去掉一些不必要信息，从而实现数据尺寸减小的技术。
通过压缩技术，不但可以有效地节省存储空间，还可以更快速地传输数据，提高传输效率和传输质量。
本文将重点探讨基于小波变换的图像压缩算法优化研究。
一、小波变换小波变换是一种数学处理技术，它将原始信号转化为时频域信号，可以有效地描述和处理信号特征。
小波变换可以将信号分解成多个尺度和不同频率的分量，具有良好的局部特性和多分辨性。
在图像处理中，小波变换可以处理多种图像特征，如边缘、轮廓、纹理等。
基于小波变换的图像压缩技术已经成为一种常见的技术手段。
二、基于小波变换的图像压缩算法基于小波变换的图像压缩算法主要包括以下几个步骤：1. 将原始图像进行小波变换。
2. 选择一定的阈值并对小波系数进行量化。
3. 对量化后的小波系数进行编码。
4. 将编码后的数据进行解码及恢复。
基于小波变换的图像压缩算法优化研究的重点在于如何选择合适的小波基函数、阈值及量化方式，以达到最佳的压缩效果，同时尽可能保留原始图像的信息和画质。
三、小波基函数的选择小波基函数是小波变换的基础。
在选择小波基函数时，通常需要考虑到小波基函数的连续性、局部性、对称性和正交性等因素。
常用的小波基函数包括哈尔小波、Daubechies小波、Coiflets小波、Symlets小波等。
通过选择合适的小波基函数，可以有效地改善图像压缩过程中的失真问题。
四、阈值的选择及量化方式在对小波系数进行量化时，需要确定选择的阈值以及量化方式。
一般来说，阈值的选择较为关键，过低的阈值会导致失真过大的情况，反之则会导致压缩率过低。
量化方式也会对压缩效果产生重要的影响。
在选择阈值和量化方式时，可以通过实验方法和统计分析法进行确定，以达到最佳的压缩效果。
五、加权小波变换加权小波变换是一种用于图像压缩和恢复的新型算法。
基于小波变换的视频图像压缩算法研究
基于小波变换的视频图像压缩算法研究作者：刘苹妮刘晓红王志虎来源：《现代电子技术》2008年第12期摘要：提出一种时域加强并结合时间轴稳定性码率控制的三维小波变换的视频图像编码方法。
该算法根据人类视觉系统(HVS的特性对视频图像不同频率的数据进行粗细不同的量化，可以很好地解决当图像运动变化较大时所产生的大数据量的问题；该算法无运动估计和补偿环节，降低了复杂度；采用提升型变换可以节省内存空间并提高运算速度；进行了码率控制，得到了良好的时间轴稳定性，提高了视频图像的清晰度和流畅度。
关键词：小波变换；视频压缩；提升型算法；视觉阈值量化；时间轴码率控制Abstract：This thesis presents a video image compression method of 3D wavelet transformation with temporal enhancement and the rate control of temporal stability.This algorithm based on the Human Visual System (HVS performs different ranges quantification to different frequency data of video image,to solve the problem that the large number of data is created when motion isacute.Experiment shows this algorithm will become more simple,save memory space,improve operation speed,get good temporal stability and improve the articulation and fluency of videoeywords：wavelet transform;video compression;lifting scheme;HVS threshold1 引言随着网络和多媒体技术的迅速发展，特别是3G技术的逐渐普及，多媒体信息特别是视频图像信息将越来越丰富。
基于小波变换的图像压缩方法研究
基于小波变换的图像压缩方法研究图像压缩是数字图像处理中的重要内容。
在现代社会中，随着信息技术的迅猛发展，数字图像的应用越来越广泛，因此对图像压缩算法的研究也变得越来越必要。
其中，基于小波变换的图像压缩方法是一种常用的压缩算法。
本文将着重探讨这种算法的原理和实现方式。
第一部分：小波变换理论基础在图像压缩领域中，小波变换被广泛应用。
小波变换是一种分析信号的方法，其本质是一种基于多项式的变换过程。
小波变换可以将信号分解成不同的频率分量，较高频率部分细节更加清晰，较低频率部分包含更多的整体信息。
所以，利用小波变换可以将信号从时间域转换到频率域，并对其进行分析和处理。
小波分解是小波变换的一种方法，通常可以分为两步。
首先，利用小波函数将原始信号进行分解，得到系数序列。
然后，选择合适的系数进行逆变换，还原得到原始信号。
小波变换可以在不同的尺度上对信号进行分解，因此在利用小波变换进行压缩处理时，可以在不同的尺度上对图像进行分解，以得到更合理的压缩质量。
第二部分：基于小波变换的图像压缩原理基于小波变换的图像压缩方法实现的原理可以简化为以下几个步骤：首先，将原始图像进行小波变换处理，得到小波系数表示。
然后，根据压缩要求，选择适当的小波系数进行保留或者舍弃。
最后，对经过修剪的小波系数进行逆变换，还原得到压缩后的图像。
在小波分解的过程中，利用“滤波器组”将图像分解为低频分量和高频分量。
低频分量表示图像的粗略整体信息，而高频分量则表示图像的细节特征部分。
将这些系数表示成矩阵形式，以更方便地进行数学分析和处理。
在实际应用中，我们通常只需要保留小波系数矩阵中的一部分，以降低图像的大小。
因此，在小波变换的过程中，常常采用阈值技术来实现压缩。
利用阈值将小波系数分成较强和较弱两部分，舍弃较弱的部分以达到压缩的目的。
第三部分：基于小波变换的图像压缩算法实现基于小波变换的图像压缩算法实现主要有两种方式：离散小波变换和连续小波变换。
离散小波变换使用离散小波基函数对图像进行分解，因此实现相对简单，而连续小波变换则使用连续小波基函数对图像进行分解，因此实现相对复杂。
基于小波变换的图像压缩算法研究
基于小波变换的图像压缩算法研究随着数字图像技术的迅猛发展，人们对于图像的存储和传输需求变得越来越大。
然而，由于图像数据庞大，传输和存储所需的带宽和空间成本也随之增加。
因此，图像压缩算法成为了一项重要的技术，其旨在尽可能减小图像文件的大小，同时保持图像质量。
近年来，基于小波变换的图像压缩算法得到了广泛研究和应用。
小波变换是一种多尺度分析方法，可以将图像分解为不同频率的子带。
这种特性使得小波变换在图像压缩中具有独特的优势。
首先，小波变换能够提供良好的频域局部性。
传统的变换方法，如傅里叶变换，只能提供整幅图像的频率信息，而无法在局部区域进行分析。
小波变换通过级联的低通和高通滤波器，能够将图像分解为低频和高频成分。
这种局部分解能够更好地适应图像的特征，从而提高压缩效果。
其次，小波变换能够利用图像的能量集中特性。
在图像中，低频部分通常包含了更多的能量，而高频部分则包含了图像的细节信息。
小波变换通过选择合适的小波基函数，可以将图像的能量集中在较少的系数上，从而减小图像的数据量。
与此同时，高频部分的系数可以通过量化和编码的方式进行进一步的压缩。
另外，小波变换还具有多分辨率分析的特点。
通过逐级进行小波变换，可以将图像分解为不同分辨率的子图像。
这种多分辨率的表示方式，使得图像可以通过舍弃细节信息来降低图像的数据量。
同时，在解码时，可以根据需要重建不同分辨率的图像，从而满足不同应用场景的需求。
然而，基于小波变换的图像压缩算法也存在一些挑战和问题。
首先，小波变换本身对于图像边缘信息的处理效果较差，容易导致边缘模糊和震荡现象。
其次，小波变换需要进行频域和空域的转换，计算量较大，时间复杂度较高。
此外，小波变换的选择和参数设置对于压缩效果也有一定的影响，需要进行合理的选择和调整。
为了克服以上问题，研究者提出了许多改进的小波压缩算法。
其中，基于小波分组稀疏的压缩算法成为了热点。
这种算法通过对小波系数进行分组和稀疏表示，进一步提高压缩比和图像质量。
基于小波变换的视频图像压缩算法
中ｎ＝ｏ ｍｘ／，） （Ｊ ）） ｏ ｌ ｛ａ（Ｊ 【 ，， １ ，然后从树根节点开始扫描； ｇ ．ｋ ｌ ， ） ｃ
（ 分类过程 ：利 ｝ （ ）判断 ＬＰ ２） 件式 １ Ｉ中每一系数是否重要 ， 输 出判断结 果 ．并把 重要系数的坐标 移入Ｌ Ｐｐ Ｓ ｒ ；用式 （ 】 １ 判断ＬＳ Ｉ中 各表值所 代表的集 合 的重要性 ，输 出判断 结果 对于Ａ类集 合 ．若 Ｄ ｉ ，） （Ｊ 为重要集合 ，则化此集 合分割分为 ｏ ｉ ， 和 ￡ ， ．并 判 ， （ ¨ ， ｆＪ ） ，
合在带宽变化的互联网和无线信道中使用。 ＢＪ ｉ 和ｗ． ． ｌ ｍ ｎ 等级树 集分 割编码 方法推 广到视 频编 ．Ｋ ｍ ． ＡＰ ｔ ａ把 ｅｒ ｌ 码中 ，提 出了三维 等级 树集 分割编 码方法（Ｄ Ｓ Ｉ Ｔ ，此方法 算法 ３ — ＰＨ ）
复杂度低 ，在对视频的编码过程 中不需要进行运动估计和运动补偿 ， 而是通过三维小波变换来消除帧问冗佘 。另外三维等级树集分割编码 方法所得码流是完全嵌入式 的 ，且码率分配是算法 自动完成的。因此
１ ａ － ｛ ‘ － ｚ ｍ｛１ ｘｔ ， ，） ｆ
ｏ ．
（ 。 ）
¨ ’
其 ｑ 表 示一个集合或小波 系数， “表 示小波 系数值 ， ＇ Ｔ ２ 是闭值
三维 等级树集分割编码的思路是 ： （ ） １ 初始化Ｌ Ｐ Ｉ 、 Ｓ ，汁算出编码时 的最大阂值 ２ ，其 Ｉ 、Ｌ Ｓ Ｌ Ｐ
算法简单 。但通过上 面的分析可 知，利用３ — ＰＨ 对视频序 列进行 Ｄ Ｓ ＩＴ 压缩 ，要进行三级小波变换 ．需 ｌ帧图像为一组 同时进行处理 ，一般 ６ 来说 ， 样的延迟 是实时处理 中难 以忍受的 。 这
基于小波变换的图像压缩算法研究
基于小波变换的图像压缩算法研究一、引言图像是一种重要的信息载体，其在数字通信、计算机视觉和图像处理等领域中应用广泛。
然而，由于图像数据量庞大，传输和存储成本较高，图像压缩成为了一项重要任务。
基于小波变换的图像压缩算法被广泛研究和应用，其具有良好的压缩效果和适应性。
本文就基于小波变换的图像压缩算法进行深入研究和讨论。
二、小波变换小波变换是一种多尺度分析方法，可以将信号分解为低频和高频成分。
在图像处理中，小波变换将图像在时间和频率两个维度上进行分解，得到图像的不同频率分量。
小波变换具有良好的局部性和多尺度分析能力，可以更好地捕捉图像的细节信息。
三、基于小波变换的图像压缩算法基于小波变换的图像压缩算法主要分为编码和解码两个过程。
编码过程中，首先将图像进行小波分解，得到图像的低频和高频分量。
然后，利用熵编码方法对高频分量进行压缩，利用量化方法对低频分量进行压缩并进行编码。
解码过程中，首先对编码结果进行解码，然后重建图像。
四、小波选择小波选择是基于小波变换的图像压缩算法中一个重要的环节。
常用的小波函数有Haar、Daubechies、Symlets等。
选取适合的小波函数可以更好地捕捉图像的特征信息，并提高图像压缩的效果。
不同小波函数对不同类型的图像表现出不同的优势，因此选择合适的小波函数对于图像压缩的效果至关重要。
五、实验与分析本文通过实验对比不同小波函数在图像压缩算法中的表现。
实验使用了包含不同类型图像的数据集，并使用基于小波变换的图像压缩算法对这些图像进行压缩和解压缩。
实验结果显示，不同小波函数对不同类型的图像表现出不同的压缩效果。
对于纹理复杂的图像，使用Haar小波可以获得更好的压缩效果；对于边缘和轮廓明显的图像，使用Daubechies小波可以获得更好的压缩效果。
六、改进方法在基于小波变换的图像压缩算法中，可以通过进一步改进算法来提高压缩效果。
一种改进方法是采用自适应小波分解，根据图像的特点选择不同的小波尺度。
基于小波变换的图像压缩算法及其应用研究
基于小波变换的图像压缩算法及其应用研究一、引言随着现代科技不断发展，图像在我们的日常生活中越来越重要。
如今，我们每天都会接触到大量的图像，比如社交网络上的图片、公司文档中的图表、手机相册中的照片等等。
然而，由于图像数据的庞大，存储和传输成本往往十分高昂，因此图像压缩成为了一个十分重要的问题。
在过去的几十年中，人们已经提出了很多种图像压缩算法，例如JPEG、JPEG2000、GIF等等。
其中，小波变换作为一种新兴的图像压缩方法，因其出色的压缩效果和适用范围而备受瞩目。
本文将围绕基于小波变换的图像压缩算法展开讨论，并探讨其在实际应用中的研究现状和未来发展方向。
二、小波变换原理小波变换是一种基于信号分解的技术，可将信号分解成一系列具有不同频率和时间范围的小波子带。
这些小波子带可以表示信号的不同特征，使得信号可以更好地被理解和处理。
在图像处理领域中，小波变换通常被用于图像压缩。
具体来说，可以将图像分成不同尺度的分辨率层，然后分别进行小波变换。
在保证图像质量的前提下，可以通过舍弃某些尺度层或者某些小波系数来实现图像压缩。
三、基于小波变换的图像压缩算法基于小波变换的图像压缩算法通常可以分为以下几个步骤：1. 将图像分成不同尺度的分辨率层，分别进行小波变换。
2. 压缩小波系数：丢弃某些系数，用近似系数来代替具有较小权值的细节系数。
3. 反小波变换：将压缩后的图像进行反变换，得到压缩后的图像。
其中，第二步是图像压缩的关键，通常使用基于阈值的方法进行系数的舍弃。
四、小波变换的优势和应用相较于其他传统的图像压缩算法，基于小波变换的图像压缩算法具有以下几个优点：1. 优秀的压缩效果：小波变换可以更好地适应信号的局部细节特征，因此可以获得更好的压缩效果。
2. 多尺度分析：通过小波分解可以得到不同尺度的信号分量，可以更好地进行多尺度分析和处理。
3. 良好的鲁棒性：小波变换对于一些不稳定因素，如噪声、失真等，具有较好的鲁棒性。
- 1、下载文档前请自行甄别文档内容的完整性，平台不提供额外的编辑、内容补充、找答案等附加服务。
- 2、"仅部分预览"的文档,不可在线预览部分如存在完整性等问题,可反馈申请退款(可完整预览的文档不适用该条件!)。
- 3、如文档侵犯您的权益，请联系客服反馈,我们会尽快为您处理(人工客服工作时间：9:00-18:30)。
算法根据人类视觉系统 的特性对视频图像对不同频率的
数 据进行粗 细不 同的量化 ， 特别 是 以均方误 差 （ Ｅ） ＭＳ 为准
务 中起着 至关 重要 的作 用 。传 统 的视 频编码 方 法 是 运动
补偿 加帧 内 Ｄ ＣＴ变换 编码 。该方 法 已被各 种编码 标 准所 采用 ． Ｈ，６ ／Ｉ２ ３ ＭＰ Ｇ１ 如 ２ １ Ｉ、 ６ ， Ｅ ，ＭＰ Ｇ － Ｅ ２及 近几 年 才 制
３ —ｗａｅｅ ｒｎ ｆｒ ｔ ｎ，ｈ ｌｏｒ ｈ ｕ ｎ ｉ ｄ ｖ ｒ ｕ ａａａｃ ｒ ｉｇｔ ｕ ｎ ｖｓａ ｙｔ ． ｐ ｃａｌ ｔｅｑ ａ ｔ ｉｇｍ ｅｈ ｄＵ － Ｄ ｖ ｌｔｔａ ｓｏ ｍａ ｉ ｔ ｅａｇ ｉｍ ｑ ａ ｔ ｅ ａｉ ｓｄ ｔ ｃｏ ｄｎ ｏ ｈ ｍａ ｉ ｌ ｓｅ Ｅｓｅ ｉｌ ｏ ｔ ｚ ｏ ｕ ｓ ｍ ｙ，ｈ ｕ ｎ ｉｎ ｔｏ Ｓ ｚ
ｗｈ ｎ ｍｏｔ ｎ ｉ ａ ｕ ｔ Ｆｕ ｔ ｅ ｍｏ ｅ ｔ ｅ ａ ｐ ｏ ｃ ｌ ｎ ｔｂ ｏ ｃ ｒ ｅ ｔ ｅ ｉ ｓ ｃ ｉ ｏ ｙ． ｒｈ ｒ ｒ ， ｈ ｐ ｒ ａ ｈ ｗｉ ｏ ｅ ｃ ｎ ｅ ｎ ｄ ｗｉ ｍｏｔ ｎ ｅ ｔｍ ｔ ｎ ａ ｄ ｍ ｔ ｎ ｃ ｍ ｐ ｎ ａ ｉｎ． ｅ ｓｍｕ ａ ｉｎ ｌ ｈ ｉ ｓ ｉ ｉ ｎ ｏ ａ ｏ ｏ ｉ ｏ ｏ ｅｓｔ ｏ Ｔｈ ｉ ｌｔ ｏ ｅ ｐ ｒ ｎ ｈ ｗｓ ｉ ａ ｉｉｙ ａ ｄ ｆ ａ ｉ ｉｔ ， ｘｅｉ ｍｅ ｔｓ ｏ ｓｖ ｄ ｔ ｅ ｓｂ ｌ ｙ ｔ ｌ ｎ ｉ Ｋｅ ｒ ｓ ｗａ ｅｅ ； Ｄ —ｗａ ｅｅ ｒ ｓｏ ｍａ ｉｎ； ｉｅ ｍａ ｅ； ｕ ｔ ａ ｉ ｎ ｙ ｗｏ ｄ ： ｖ ｌｔ ３ ｖ ｌｔｔ ａ ｆ ｒ ｔ ｎ ｏ ｖ ｄ ｉ ｇ ｑ ａ ｉ ｔｏ ｏ ｎ ｚ
ＭＡ ａ ＭＡ ｉ ， ＨＯＵ ｉ Ｘｕ ｎ， Ｈａ— ｗｕ Ｚ ｌｅ
（ ｐ ｒｍｅ ｔｏ ｏ Ｄｅ ａｔ ｎ ｆ ｍｍｕ ｉａｉｎａ ｄＡｕｏ ｔ ｎ， ’ｎ Ｕｎｖ ｒｉｙｏ Ｃ ｎｃ ｔ ｎ ｔｍａｉ Ｘｉａ ｉｅｓｔ ｆ ｏ ｏ
Ａ ｃｉｃｕｅ ｄＴｅｈ ｏ ｇ ， ｉａ １０ ５ Ｃ ｉａ ｒｈｔ ｔｒ ｃｎ ｌ ｙＸ ’ ７ ０ ５ ， ｈ ） ｅ ｎ ａ ｏ ｎ ｎ
中图分 类号 ： Ｐ ０ ． Ｔ ３ １６ 文献标 识码 ： Ａ 文章 编号 ： ７ — ２ Ｘ ２ ０ ） ０ ０ ８ — ２ １ ３ ６ ９ （０ ６ １ — ０ ９ ０ ６
Ｒｅ ｅ ｒ ｈ ｏ ｍ ｐ ｅ ｓｎ ｇ ｒ ｔ ｍ ｏ ｄ ｏ Ｃｏ ｉ ｓ ａ ｃ ｆＣｏ ｒ ｓ ｉ ｇ Ａｌ ｏ ｉｈ ｆ ｒ Ｖｉ ｅ ｄ ｎｇ Ｂａ ｅ ｎ ３ － Ｗ ａ ｅ ｅ ａ ｆ ｒ ａ ｉ ｎ ｓｄ ｏ Ｄ － ｖ ｌ ｔＴｒ ｎｓ ｏ ｍ ｔｏ
ｉｇＭＳ （ ａ ｕｘ ｒ ｒａ ｒｅｉ ｕｎｉ ｅ ｏｒｌ ｉｈ ｒｑｎｅ ｓｌｉｇｔｅｍａｔｒ ｈｔ ｈ ｒｅｎｍｂｒ ｆ ａａｉｃｅｔ ｎ Ｅ ｍｅｎ８ ａｅｅｒ ）ｓ ｉ ｒ ｎｔ ｑ ａｔｅｔｍｐ ａ ｈｇ —ｆ ｅｃ ， ｖｎ ｈ ｔ ａ ｔｅｌ ｇ ｕ ｅ ｔ ｓ ｒ ｅ ｑ ｏ ｃｔ ｏ ｏ ｚ ｅ ｏ ｅｔ ａ ｏ ｄ ａ ｄ
Ａｂ ｔａ ｔ Ｐｒｓ ｎｓａ ｌｏｒ ｈ ｆｒｖｄｏ ｃ ｄｎ ａ ｅ ｎ ３ —ｗａ ｅｅ ｒｎ ｆｒ ｔ ｎ ｗｉ ｅ ｏ ａ ｎ ｅ ｃ ｍｅ ｔ Ｃ ｍ ｐ ｒｄ ｔ ｏ ｍａ ｓｒ ｃ ： ｅｅ ｔ ｎ ａｇ ｉ ｍ ｏ ｉｅ ｏ ｉｇ ｂ ｓｄｏ Ｄ ｔ ｖ ｌｔｔａ ｓｏ ｍａｉ ｔ ｔｍｐ ｒｌｅ ｈ ｎｅ ｎ ． ｏ ａｅ ｏ Ｎ ｒ ｌ ｏ ｈ
Ｖｏ ． ６ ＮＯ １ １１ ．０ Ｏｃ ． ２ ０ ｔ ０６
基 于 三维 小 波变 换 的视 频 图像 缩 算 法研 究 的压
马 宣 ， 海 武 ， 马 周 杰
（ 西安 建筑科 技 大学 信控 学院 ， 西 西 安 ７ ０ ５ ） 陕 １０ ５
摘 要 ： 中提 出 了一种时 域加 强的基 于三 维小波 变换 的视频图 像序列 的编 码 。同一般 的三维小 波变换 编 码相 比， 文 该算 法
根 据人类 视觉 系统的 特性 对视频 图像 对不 同频率 的数据进 行粗 细 不 同的量 化 ， 特别 是 以均方 误差 （ Ｅ 为准 则 的 阚值 量 Ｍｓ ） 化 方法对 时间 高频域 的量 化 ， 决了 当图像 运动变化 较大 时所产 生 的大数据 量 的问题 。该 算法无 运动估 计 和补 偿 环节 ， 解 降 低 了算法 的复 杂度 。仿真实 验表 明该 算法 的有效性 和可行 性 。 关 键词 ： 小波 ； 三维小 波变换 ； 频图像 ； 视 量化
０ 引 言
随着通信 技术 的极速 发展 ， 视频 编码技术 也越来 越显 示 出其 重 要 性 。 视 频 编 码 技 术 在 多 媒 体 、 清 晰 电 视 高
（Ⅱｒ ）可视 电话 、 ｝ ］ｖ 、 Ｉ 视频 点播 （ Ｄ） 电视 会议 等视 频服 ＶＯ 、
文 中提出 了一种时 域加 强 的基 于 三维 小 波 变换 的 视 频 图像序列 的编码 。同一般 的三维 小波 变换 编码相 比， 该
则 的 阈值 量化方法 对时 间高频域 的量 化 ， 好 地解 决 了 当 很 图像 运动变 化较大 时所 产 生 的大 数 据量 的 问题 。该 算 法 无 运动估计 和补偿 环节 ， 了算法 的复 杂度 。 降低
维普资讯
第 ｌ ６巷
２ 技 术 与 发 展
【 ） ＰＵ ｔ１ ｌ 、 Ｉ ） 』 ２Ｙ ’ Ｉ ｙ ￣１ ’ ｌ ｆ Ｉ Ａ ｒ ＤＥＶＦｌ ｌ、ｎ ＮＴ （ ２ Ｆ（ — ０（ ］ 』）’ ｊ