基于SPIHT的ROI图像压缩编码新算法

合集下载

基于感兴趣区域(ROI)图像的压缩编码研究的开题报告

基于感兴趣区域（ROI）图像的压缩编码研究的开题报告一、研究背景图像压缩编码技术在数字图像处理领域中，具有重要的应用价值。

随着数字图像应用的广泛开展，人们对高清晰度、高保真、低码率的图像压缩编码需求不断增强。

基于感兴趣区域（ROI）图像的压缩编码技术因其优异的压缩性能和易于人机交互的特点，近年来备受关注。

ROI图像是指图像中特定区域，如感兴趣的目标、重要的细节和边缘等，需要高保真度和高清晰度的部分。

基于感兴趣区域的图像压缩编码技术可以将ROI图像进行特殊的处理，保证其高保真度和高清晰度，同时压缩非ROI 图像以减小数据传输的容量，提高数据的传输速率和实时性。

二、研究内容本研究旨在基于感兴趣区域（ROI）图像的压缩编码技术，对数字图像压缩编码进行研究。

具体研究内容包括：1、ROI提取与分割算法研究根据图像的特点和需要，研究ROI提取和分割算法，设计出高效的算法对图像中的ROI进行提取，实现区域分割。

本研究以常见的分割算法为基础，结合ROI的特征和分析，研究基于感兴趣区域的图像分割算法，提高ROI图像的提取效率和准确性。

2、基于ROI的图像压缩编码算法研究结合ROI提取和分割算法，研究基于感兴趣区域的图像压缩编码算法。

本研究以JPEG算法为基础，针对ROI图像的特殊处理，研究ROI 编码策略和非ROI编码策略，实现对数字图像的有效压缩。

3、实验验证通过对比实验验证本研究的ROI压缩编码技术和传统图像压缩编码技术的压缩效果和编解码时间，评估研究成果的有效性和实用性。

本研究还将通过改进和优化ROI压缩编码技术，提高图像的压缩率和保真度。

三、研究意义本研究将深入探究基于感兴趣区域的图像压缩编码技术，针对数字图像处理领域中高清晰度、高保真度、低码率的需求，提出优秀的ROI图像压缩编码技术，为数字图像处理领域的发展做出贡献。

四、研究方法本研究采用实验研究和数据分析方法，设计基于感兴趣区域的图像压缩编码算法，实现对数字图像的有效压缩和处理。

基于SPIHT的改进图像压缩算法

维普资讯
第２８卷第４期
２００７年７月
应用光学
ＪｕｎｌｆＡｐｌｄＯｐｉｓｏｒａｐｉｔｏｅｃ
Ｖｏ．２ＮＯ．１８４
Ｊ１２０ｕ．０７
文章编号：０２２８（０７０ — ３８０１０ —０２２０）４０８ —４
的改进型算法 —— 静止图像编码方法，即对变换后的小波系数高频区块进行细分，并对不同频率图像块分别设置阈值，采取新的阈值判别策略，少了链表的结点数。使用ＭＡＴＡＢ６５开发环减Ｌ，境对上述改进编码方法进行仿真。仿真结果表明：通过对原算法构架进行改进，少了内存空间减占用，降低了计算复杂度，取得了较好的压缩效果。
基于ＳＩ的改进图像压缩算法ＰＨＴ
赵米唠，陈卫东，卢晓燕
（安应用光学研究所，陕西西安７０６）西１０５
摘
要：针对渐进式图像传输算法都受限于庞大的内存空间和计算复杂度，出一种基于ＳＩ提ＰＨＴ
ｔｅｗａｌｔｃｅｆｃｅｓａｔｒｔｖｌｔｔａｎｆｒ，ｓｔｈｅｔｒｓｏｌｓｆｒｔｅｉｇｏｋｓｏｆｈｖｅｅｏｆｉｉｎｔｆｅｈｅｗａｅｅｒｓｏｍｅｓｔｈｅｈｄｉｍ．ＴｈｓｏｃｐｉｄｐｅｉＪＥＧ２０，ＴｈｉｒｖｄｏｉｇｒｍｅｒｆｈａｇｒｈｔｉｃｎｅｔｓａｏｔｄｎＰ００ｅｍｐｏｅｃｄｎ

基于改进SPIHT的医学图像压缩

基于改进SPIHT的医学图像压缩【摘要】为了满足医学数据的存储和传输的需要，在SPIHT算法的基础上，提出了一种基于改进SPIHT的医学图像压缩算法，实现了对医学图像的编码。

该算法在减少编码时间的同时，能够得到较高的压缩比，重建图像的峰值信噪比也有明显的提高。

选取几幅医学图像进行有效性的验证，试验结果表明：此算法可以更好地保留图像的客观质量，提高了编解码的效率，获得了较好的压缩效果。

【关键词】医学图像压缩；改进SPIHT算法；小波变换；峰值信噪比1.引言随着远程医疗系统的逐步成熟和发展，对于数据压缩和通信标准都提出了严格要求。

医学图像压缩的目的在于保留原始医学图像数据中蕴含的真实信息前提下，同时用较少的比特数据来表征医学图像，从而减少医学图像数据的存储空间和远程医疗中的传输时间，最终满足海量医学图像数据有效存储和实时传输的实际应用需求。

小波变换是近年来发展起来的一种新的时频分析方法，它在时域和频域同时具有良好的局部化特征，特别适合对ECG这类非平稳信号进行分析和数据压缩[2]。

1993年，J.M.Shapiro利用小波系数之间的自相似性，提出了嵌入式零树编码算法[3]（Embedded Zerotree Wavelet，EZW）。

EZW有很好的均方误差性能、适中的复杂度和嵌入式位流，引起了压缩研究界的兴趣。

1996年，由A.Said和W.A.Pearlman提出的多级树集合分裂算法[4]（Set Partitioning in Hierarchical Tree.SPIHT）是对EZW算法的改进，但是具有更高的压缩效率，在相同的比特率下，即使不需要熵编码环节，SPIHT[5]也总能取得优于EZW的量化性能。

本文结合小波变换和改进SPIHT算法来实现医学图像的编码，从而达到较优的压缩重建效果。

2.改进的SPIHT算法对于SPIHT算法，该算法需要不断重复地对小波系数进行扫描，与其阈值进行比较，才能找到重要的系数，从而提高了访问内存的次数，增加了内存的负荷；同时在进行LSP，LIP分类扫描时，对D型态和L型态进行编码时，存在着对部分重要小波系数进行冗余编码的情况，大大降低了编解码的效率。

结合Huffman编码和SPIHT算法实现高效图像压缩方法

结合Huffman 编码和SPIHT 算法实现高效图像压缩方法摘要：在低速通道中传递图像在许多领域中都非常关键。

本文阐述了一种基于SPIHT 算法对高品质图像进行压缩的方法。

该方法能给远距离无线通信应用提供递进的图像传输能力。

这和JPEG 标准非常不同。

JPEG 标准必须先将图像压缩到一定程度后再开始传送。

而我们的方法中，数据头和图片数据被从目标图像中区分开来。

头信息经过了必要的修改后先被传送。

然后图像数据使用SPIHT 压缩并传送。

实验表明我们的方法可以得到更好的压缩率和传输时间。

关键词：图像压缩；JPEG ；SPIHT ；小波；霍夫曼编码1、引言小波变换（wavelet transform ，WT ）是一种新的变换分析方法，它继承并且发展了短时傅立叶变换局部化的思想，同时又克服了窗口大小不随频率变化等缺点，能够提供一个随频率改变的“时间-频率”窗口，是进行信号时频分析和处理的理想工具[1]。

它的主要特点是通过变换能够充分突出问题某些方面的特征，能对时间（空间）频率的局部化分析，通过伸缩平移运算对信号（函数)逐步进行多尺度细化，最终达到高频处时间细分，低频处频率细分，能自动适应时频信号分析的要求，从而可聚焦到信号的任意细节，解决了Fourier 变换的困难问题，成为继Fourier 变换以来在科学方法上的重大突破[2]。

这一技术已被广泛应用于图像处理和压缩领域。

Shapiro M Jerome 将小波变换引入到图像压缩领域中来，并提出了嵌入式零树小波编码方法(Embedded Zerotree Wavelet ，EZW)，取得了良好的压缩效果。

1996年Pearlman W A 和Said A 在Shapiro 的EZW 算法的基础上，提出了SPIHT 算法[3]，解决了EZW 算法的一些缺点，但多级树集合分裂(Set Partitioning in Hierarchical Trees, SPIHT)算法依然需要大量计算和传输时间，对于在低速通道上图像的实时传送提出了挑战。

改进的SPIHT静止图像压缩编码算法

! " " #$ % % % & % % ’ ( ) #$ $ & * * * + , #
清华大学学报自然科学版 .* % % $年第 ( $卷第 >期 . =* % % $ =?@ B ( $ = #@ B > /01 2 3 4 5 6 783 2 9" : 2 ; 0< : 5 A
> , + ( * ’ & * C
码效率仍然很高= 好于 " 5 7 . 2 * @提出的嵌入式零树 * : 小波编码器 9 =; N < ,4 < 2 2 < 21 < * @ + * < </7 9 < A < + < =. 避开算术编码 = 不仅能成倍地减少编解码器的运算而且在一定程度上提高了输出码流的抗误码性量= 能N 本文所研究的 " ( ! )0 算法没有使用算术编码器 N
$ .重要像素点链表 = A 2 1 + @ 1 2 4 3 2 2 : 7 3 + . 2 > < A 1
* .不重要像素点链表 A 2 1 +@ -2 3 1 2 4 3 2 2 : 7 3 +
=? . 8 . 2 > < A 1 ! ( + .不重要像素集合链表 A 2 1 +@ -2 3 1 2 4 3 2 2 : 7 3 + =? . N 1 < + 1 ! " 所谓 K 重要像素点 L 是指小波系数的绝对值大 = 每个于等于给定的量化门限 3 的像素点 8链表中 = 元素包含 (个相邻像素 8在 ? 元素为 ! "链表中 = 称为 O 型 ? 称为 7型 = . = .@A B ! "链表 .或 C A B 链表表示了一棵空间方向树为其根节 . = == . ? ! " A B 点的坐标 N 具体的编码过程分为以下 (步 I $ .初始化

基于SPIHT的图像压缩算法研究

图１　ＳＰＩＨＴ算法编码流程图
列表编码过程的改进
SPIHT算法输出大量的0位，对LIS列表中不重要小波系数进行编码。

而改进的算法首先判断LIS
列表中有没有重要的小波系数。

将
最大的小波系数和当前阈值进行比较，如果比阈值大，说明有重要的小波系数在LIS列表中，按原来的SPIHT
编码；如果小于阈值，证明LIS列表中没有重要的小波系数，LIS列表的编码。

改进的LIS列表编码过程的流
所示（蓝色方框表示改进的部分）。

图２　ＬＩＳ列表编码流程图
2.2 LIP列表编码过程的改进
原始SPIHT算法扫描顺序，先对低频子带中的小波系
图３　ＬＩＰ列表编码流程图
３　实验结果及分析
为了验证改进的SPIHT算法的性能，本文采用bior4.4小波作为小波基，对2幅512×512的标准灰度测试图像Lena、Barbara进行试验。

图4是不同测试图像改进的SPIHT与原始算法PSNR值比较。

其中横坐标表示比特率（bpp），纵坐标表示PSNR的值，红线表示改进的SPIHT 算法的PSNR值，黑线表示原始算法的PSNR值。

（ａ）Ｌｅｎａ
（ｂ）Ｂａｒｂａｒａ
图４　不同测试图像改进算法与原始算法ＰＳＮＲ值比较
图１　拉普拉斯噪声的分布函数
拉普拉斯机制仅适用于数值型的数据查询结果，而对于非数值型的数据处理，如选择一种最好的方案，指数机制就。

无损图像编码中基于SPIHT的一种改进算法

ａｇｒｔｍｓｍｏｅｓｐｅｉｒｔａｈｏｖｎｉｎｌＳＨＴｉｂｔｒｙｃｌｎｏｏｒｉａｅ．ｌｏｉｈｉｒｕｒｏｈｎｔｅｃｎｅｔｏａＰＩｎｏｈｇｅｓａｅａｄｃｌｕｍｇｓ
Ｋｅｒｓｏｓｓｏｒｓｉｎ；ｓｔａｔｉｎｎｉｒｒｈｃｌｒｅ（ＰＨｙｗｏｄ：ｌｓｌｓｃｍｐｅｓｏｅｒｉｏｉｇｉｈｅａｃｉａｔｓＳＩＴ）ａｇｒｈｉｖｒｅｔａｓｏｍ；ｍｂｄｅｅｏｒｅｅｐｔｎｅｌｏｉｍ；ｎｅｓｒｎｆｒｅｅｄｄｚｒｔｔｅ
像或者是彩色图像，改进的算法都比传统的ＳＩＴ算法有明显的优越性。ＰＨ
关键词：无损压缩；分层树集合分割排序算法；可逆变换；嵌入零树小波中图分类号：Ｐ９．Ｔ３１４文献标识码：Ａ文章编号：０１４５（０００ — ０２０１０ — ５１２１）２０３ — ５
（ｎｔｕｏｍｎｃｔｎａｄＩｏｍｔｎＳｓｍ，ａｇｈｕＤａｚＵｉｒｔ，ａｇｈｕ３０１，ｈｎ）ＩｓｔｅｏＣｍｕｉｉｎｎｒａｉｙｔＨｎｚｏｉｎｉｎｖｓｙＨｎｚｏ１０８ＣｉｉｔｆａｏｆｏｅｅｉａＡｂｔａｔＡｍｎｔｎｒａｉｇｔｆｃｅｔｆｍｇｏｉｓｍｃｓｐｓｂｅｂｓｎｅｂｄｅｅｏｅａｅｅ（Ｚ）ｓｃ：ｉｉｇａｉｅｓｅｅｉｎｏａｅｃｄｇａｕｈａｏｓｌ，ａｅｏｍｅｄｄｚｒｔｅｗｖｌＥＷｒｃｎｈｉｉｎｉｄｒｔ

基于SPIHT算法的改进ROI图像编码

基于SPIHT算法的改进ROI图像编码
罗明凤;滕奇志;何小海
【期刊名称】《计算机应用》
【年(卷),期】2006(026)003
【摘要】将分层树集合划分算法(Set Partitioning in Hierarchcal Trees, SPIHT)引入到感兴趣区域(Region of Interest, ROI)编码中.对前n个高比特平面进行编码时,将ROI区域与背景无区分进行编码.对n个高比特平面之后的平面进行编码时,将背景区域进行清零操作,ROI区域继续用SPIHT算法进行编码.此算法的优点:位平面数减少;整个图像的基本信息能够优先被恢复出来.在解码端,依靠原有的SPIHT 解码程序就可以将其解码出来.可用于现有的SPIHT算法应用中,并且能够很好地恢复感兴趣的图像.
【总页数】3页(P624-626)
【作者】罗明凤;滕奇志;何小海
【作者单位】四川大学,电子信息学院,四川,成都,610065;四川大学,电子信息学院,四川,成都,610065;四川大学,电子信息学院,四川,成都,610065
【正文语种】中文
【中图分类】TP391.41
【相关文献】
1.基于改进SPIHT算法的医学图像ROI编码 [J], 徐向民;刘伟;邢晓芬;全晓臣
2.基于SPIHT算法的ROI编码研究 [J], 陈鑫;陈晓;蔡婷婷
3.基于医学图像ROI形状估计的改进SPIHT算法 [J], 徐向民;邢晓芬;刘伟;陈小川
4.一种适用于医学图像ROI编码的改进SPIHT算法 [J], 徐向民;邢晓芬;刘伟;全晓臣
5.基于二进制小波变换和改进SPIHT算法的图像编码方法 [J], 李晓兵;潘泓;夏良正
因版权原因，仅展示原文概要，查看原文内容请购买。

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)。

ＡｂｓｒｃＲＯＩｃｄｉｇｃｎｎｔｏｌｒｖｄｏｄｓｌｔｎｔａｗｉｔｏｔｅｅｋａｄｓｏａｅｓａｅｌｍ－ｔａｔ：ｏｎａｏｎｙｐｏｉｅａｇｏｏｕｉｏｂｎｄｄｈｂｔｌｎｃｎｔｒｇｐｃｉｏｉａｉｎｉｏｔｔｏｎｃｍｍｕｉａｉｎ，ｔａｓｅｇｑａｉｅｏｓｒｃｉｎｆｒＲｅｉｎｏｎｅｅｔａｏｂｔｒｔｎｃｔｏｂｕｌｏｍｅｔｈｉｈ— ｕｌｙｒｃｎｔｕｔｏｇｏｆＩｔｒｓｔｌｗ— ｉ－ａｅｔｏ
ｃｄｎｗｉｈｔｅｃｍｂｎｔｏｆｉｇｏｒｓｉｎａｇｒｔｏｉｇ，ｔｈｏｉａｉｎｏｍａｅｃｍｐｅｓｏｌｏｈｍ．ｎｗｌｏｉｍａｅｎＳＨＴｓｐｏｉＡｅａｇｒｔｈｂｕｌｙａｄｏｊｃｖｕｌｙａｔｅｓｍｅｂｔｏｉｇａｄｉｏｉｇｔｅｄ－ｏａｃｂｔｓｂｅｔｅｑａｉｎｂｅｔｅｑａｔｔｈａｉｃｄｎ，ｎｓｃｄｎｍｅｒｎｈｖｔｉｉｔｉ
ｃｅｅｏｒａｓｓｔｏ．
输特性。它与ＲＩ码的结合成为了研究的热点。Ｏ编ＪＥ２０准给出了两种ＲＩ码技术：ＰＧ００标Ｏ编一般移位
法（ｃｌｇｂｓｄｍｔｏ）Ｓａｎａｅｅｄ和最大位移法（ＡｓｉｉｈＭＸｈｆｉ
Ｖ０．１Ｎｏ１１３．
Ｆｅ．２０１ｂ１
基于ＳＩＰＨＴ的Ｒ图像压缩编码新算法ＯＩ
刘号，育宁董
（南京邮电大学通信与信息工程学院，江苏南京２００）１０３
摘
要：Ｏ编码可以与图像压缩算法结合，决通讯过程中的带宽瓶颈、ＲＩ解存储空间有限等问题，并且可以在低比
Ｋｅｒｓ：ｏｂｔｒｔｏｉｇ；ｍａｅｃｍｐｅｓｏＲＯＩｃｄｎＳＨＴｙｗｏｄｌｗｉａｅｃｄｎｉｇｏｒｓｉｎ；ｏｉｇ；ＰＩ
０引言
图像压缩是多媒体通信的核心技术。在实际的
图像传输系统中，户只对图像中的部分区域感兴用趣，背景区域则相对不重要。感兴趣区域（ｅｉ而ＲｇｏｎｏＩｔｅｔＲＩ编码就是保证感兴趣区域较之背景ｆｎｅｓ，Ｏ）ｒ区域得到优先的编码处理。它不仅能满足低比特率下，重要图像信息的高质量重构，还可以与图像压缩
ＡｗｅｈｄｆｒＲＯＩＣｏｎｓｄｏＰＩＮｅＭｔｏｏｄｉｇＢａｅｎＳＨＴ
ＬＩＨａＤＯＮＧＵｏ，Ｙｕ— ｎｇｎｉ
（ｏｅｅｏｅｃｍｍｎｃｔｎＣｌｇｆＴｌｏｕｉｉｓ＆ＩｆｒｔｎＥｇｅｒｇＮｎｉｇＵｉｒｔｏｏｔａｄＴｌｃｍｕｉｔｎ，ａｎ１０３．ｈｎ）ｌｅａｏｎｍａｏｎｉｅｉ，ａｊｎｖｓｙｆｓｎｅｏｍｎｃｉｓＮｍｉｇ２００ＣｉａｏｉｎｎｎｅｉＰｓｅａｏ
ｐｓｄｆｒＲＩｃｄｎ，ｈｃａｄｕｔｈｕｌｙｂｔｅｎｒｉｆｉｅｅｔａｄｂｃｇｏｎ，ｉｏｔｏｅ０Ｏｏｉｗｉｃｎａｊｓｔｅｑａｔｅｗｅｅｏｏｔｒｓｎａｋｒｕｄｗｔｕｇｈｉｇｎｎｈ
ｃｄｎｏｏｉｇｆｒＲＯＩｓａｅＣｏａｅｔｔｅｈｐ．ｍｐｒｄｗｉｏｈｒＲＯＩｃｄｎｌｏｔｍｓ，ｈｒｐｓｄａｇｒｔｍａｅｔｒｐｒｈｏｉｇａｇｒｈｉｔｅｐｏｏｅｌｏｈｈｓｂｔｅ — ｉｅ
活调整。实验结果表明，与现有的ＲＩＯ编码算法相比，在相同比特率编码条件下，本算法主观和客观质量上都有较好的表现，而且编码时间有所降低。关键词：比特率编码；低图像压缩；Ｏ编码；ＰＨＲＩＳＩＴ
中图分类号：Ｎ１．１Ｔ９９８文献标识码：Ａ文章编号：６３５３（０１０－００６１７－９２１）１７－４００
特率条件下，足人们对重要图像信息实现高质量恢复的要求。提出了一种基于ＳＩＴ的ＲＩ满ＰＨＯ图像编码的新算
法，算法在无需对感兴趣区域形状信息进行编码的情况下，该实现了对感兴趣区域与背景区域重构图像质量的灵
第３１卷第１期
２１年２月０１
南京邮电大学学报（自然科学版）
ＪｕｎｌｆａｊｇＵｉｅｉｆｏｔａｄＴｌｃｍｕｉｔｎ（ａｒｃｎｅｏｒａｏＮｎｉｎｖｒｔｏｓｎｅｏｍｎｃｉｓＮｔａＳｉｃ）ｎｓｙＰｓｅａｏｕｌｅ