《電子技術(shù)應(yīng)用》
您所在的位置:首頁(yè) > 通信與網(wǎng)絡(luò) > 設(shè)計(jì)應(yīng)用 > 一種基于EZW改進(jìn)算法的圖像壓縮方法研究
一種基于EZW改進(jìn)算法的圖像壓縮方法研究
來(lái)源:電子技術(shù)應(yīng)用2010年第12期
牛德智1,陳長(zhǎng)興1,王曙釗1,張明亮1, 陳 芳2
1. 空軍工程大學(xué) 理學(xué)院, 陜西 西安710051;2. 空軍工程大學(xué) 訓(xùn)練部,陜西 西安710051
摘要: 針對(duì)原EZW算法未能很好利用圖像小波系數(shù)特點(diǎn)及按照頻率特性量化小波系數(shù)的不足,提出了對(duì)圖像小波系數(shù)進(jìn)行信噪分離、閾值化處理以及對(duì)低、高頻圖像信息進(jìn)行分閾值量化的改進(jìn)算法,并給出了在保證復(fù)原圖像質(zhì)量情況下掃描終止的判別條件,以節(jié)省壓縮時(shí)間,在實(shí)時(shí)傳輸中能有效地提高圖像壓縮效率。仿真實(shí)驗(yàn)結(jié)果表明,改進(jìn)算法無(wú)論在掃描相同次數(shù)下的信噪比,還是相近信噪比下的壓縮比都獲得了較大改善,為小波變換下的圖像壓縮方法提供了新的思路。
中圖分類號(hào): TP751
文獻(xiàn)標(biāo)識(shí)碼: A
文章編號(hào): 0258-7998(2010)12-0128-04
Research on the method of image compression based on improved EZW algorithm
NIU De Zhi1, CHEN Chang Xing1,WANG Shu Zhao1, ZHANG Ming Liang1, CHEN Fang2
1.Science College, Air-Force Engineering University, Xi′an 710051, China;2.Training Department, Air-Force Engineering University, Xi′an 710051, China
Abstract: Aiming at disadvantage and insufficiency in primal EZW algorithm whose character of wavelet coefficient is not quantized according to frequency characteristic, a new improved algorithm is presented which includes signal-noise separation of wavelet coefficient , the valve disposition and different threshold quantization between low frequency and high frequency image information, in the case that make sure quality of rebuilt image, it proposes the judgment condition of stopping scanning, which saves scanning time more and can improve efficiency of image compression effectively during process of instant transmittal. The simulations show that the improved algorithm makes progress not only in PSNR of the same scanning times, but also in CR of approximate signal to noise ratio. Meanwhile, it provides new way of image compression under wavelet transform.
Key words : wavelet transform; image compression; EZW; signal-noise separation; valve disposition; different threshold quantization

    隨著通信網(wǎng)絡(luò)的迅猛發(fā)展,實(shí)際應(yīng)用中人們對(duì)信息的依賴越來(lái)越強(qiáng),通信的內(nèi)容也不再局限于文字、符號(hào)等,圖形、圖像通信[1]日益深入到人們的日常生活中。由網(wǎng)絡(luò)通信的實(shí)時(shí)性和有效性所決定,圖像要快速傳遞和存儲(chǔ),就必須進(jìn)行壓縮。如何對(duì)圖像的數(shù)據(jù)信息進(jìn)行壓縮,使其在傳輸過(guò)程中盡量傳輸短的碼流,盡量節(jié)省信道容量,進(jìn)一步節(jié)約存儲(chǔ)空間,這是圖像壓縮所要解決的問(wèn)題。圖像壓縮[2-3]就是去掉各種相關(guān)及冗余,保留重要的信息。圖像數(shù)據(jù)本身所固有的視覺冗余及統(tǒng)計(jì)冗余等,為圖像壓縮提供了基本的理論支撐。圖像壓縮的過(guò)程通常稱為編碼,而圖像的恢復(fù)則稱為解碼。因此,圖像壓縮的關(guān)鍵就是尋找有效的編碼方法,盡可能多地消除原圖像的信息冗余。
    在突破傳統(tǒng)無(wú)損圖像壓縮[4]編碼方法的基礎(chǔ)上,新興編碼方法在高效、低碼等方面有極大的優(yōu)越性。而基于DCT(Discrete Cosine Transform)變換的JPEG(Joint Photographic Experts Group)[5-6]圖像壓縮標(biāo)準(zhǔn),雖然在改善信噪比方面較以往有所提高,但其運(yùn)算復(fù)雜且不能避免方塊效應(yīng)的產(chǎn)生。分形[7]圖像壓縮編碼利用圖像整體與部分之間的自相似性,在提高壓縮比方面有著很大的潛力,但是如何正確地劃分子塊及尋找收斂的IFS(Iterated Function System)很困難。20世紀(jì)80年代在傅里葉變換[8]基礎(chǔ)上發(fā)展起來(lái)的小波變換,有效實(shí)現(xiàn)了信號(hào)、圖像的空頻轉(zhuǎn)換,圖像經(jīng)過(guò)小波分解后可以去除相關(guān)特性,實(shí)現(xiàn)能量的重新分配,使近似信息集中在低頻區(qū)域,細(xì)節(jié)信息反映在高頻區(qū)域。根據(jù)小波系數(shù)的這一特點(diǎn),很容易實(shí)現(xiàn)圖像數(shù)據(jù)的壓縮。JPEG-2000圖像壓縮標(biāo)準(zhǔn)、MPEG-4視頻壓縮標(biāo)準(zhǔn)已經(jīng)將小波變換列入其中。

    圖像的小波變換就是以原始圖像為初始值,不斷將上一級(jí)圖像分解為4個(gè)子帶的過(guò)程,每次得到的4個(gè)子帶圖像,分別代表頻率平面上不同的區(qū)域,它們分別含有上一級(jí)圖像中的低頻和垂直、水平及對(duì)角線方向的邊緣信息。其中,子帶HLn表示了水平方向的高頻、垂直方向的低頻成分,子帶LHn表示了水平方向的低頻、垂直方向的高頻成分,而子帶HHn則表示了水平和垂直方向的高頻成分。從多分辨率分析出發(fā),一般每次只對(duì)上一級(jí)的低頻子圖像進(jìn)行再分解。圖像小波變換示意如圖1所示。

2 EZW算法
    在圖像的小波系數(shù)矩陣中,用“零樹”來(lái)描述這種依頻率特性遞減的數(shù)據(jù)分布特性。在“零樹”中,通過(guò)區(qū)分零樹根(ZTR)、孤零(IZ)、正重要系數(shù)(POS)和負(fù)重要系數(shù)(NEG)這幾種不同性質(zhì)小波系數(shù)的方法,來(lái)實(shí)現(xiàn)變換編碼的過(guò)程,具體可參考文獻(xiàn)[9]。
 嵌入式小波零樹編碼EZW(Embedded Zero tree Wavelet)算法[9],就是利用零樹的一種高效的小波圖像壓縮算法。實(shí)際中采用零樹與逐次逼近量化技術(shù)SAQ(Successive Approximation Quantization)相結(jié)合,構(gòu)成EZW編碼算法。其主要步驟如下:

  對(duì)圖像小波變換的研究表明,一些較小的高頻系數(shù)幾乎應(yīng)該不再包含圖像信息,可以對(duì)這些信息進(jìn)行噪聲抑制[12],而不會(huì)對(duì)圖像的重構(gòu)質(zhì)量有大的影響。所以當(dāng)逐次逼近的閾值落入這一相關(guān)區(qū)域時(shí),可以停止對(duì)小波系數(shù)的掃描。量化編碼前將這一部分系數(shù)作為噪聲進(jìn)行濾波處理,這也是對(duì)原算法可以進(jìn)行改進(jìn)的地方。
    基于以上分析,提出EZW的改進(jìn)算法如下:
    (1)圖像小波系數(shù)的重新排列。為便于將圖像小波系數(shù)轉(zhuǎn)化到信號(hào)處理領(lǐng)域,并通過(guò)對(duì)信號(hào)的噪聲分離來(lái)求得原圖像中的噪聲冗余,需要對(duì)代表原圖像的小波系數(shù)矩陣進(jìn)行矢量排列,使其轉(zhuǎn)化為一個(gè)新的信號(hào)向量C。具體方法是:首先對(duì)最低子頻帶LLn的小波系數(shù)矩陣按列排列成一個(gè)一個(gè)新的列向量c1,然后按照HLn,LHn,HHn,…,HL1,LH1,HH1的順序依次生成列向量c2,c3,c4,…,c3n-1,c3n,c3n+1,最后令C=[c1;c2;c3;c4;c3n-1;c3n;c3n+1],則生成信號(hào)向量C。
    (2)信號(hào)分解。將信號(hào)C進(jìn)行小波分解,進(jìn)而將其分離為近似信息與噪聲細(xì)節(jié)。令C=S+U,其中S為近似信息,U為噪聲細(xì)節(jié),則WTC=WTU+WTS。WTC為小波變換算子;WTU對(duì)應(yīng)小波基中低通濾波部分,其還原的為近似信息;WTS對(duì)應(yīng)小波基中低通濾波部分,其還原的為噪聲細(xì)節(jié)。此處的噪聲細(xì)節(jié)不能直接從信號(hào)C中直接去除,而是應(yīng)該利用其參數(shù)作為下一步閾值處理的依據(jù)。

 (6)主掃描。
 (7)副掃描。
    對(duì)于(6)、(7)中的掃描問(wèn)題,保持原算法(2)、(3)中的掃描及逐次逼近量化方式。另外,考慮圖像小波系數(shù)的零樹結(jié)構(gòu)特性,對(duì)每一次掃描中出現(xiàn)的零樹根節(jié)點(diǎn),與其對(duì)應(yīng)位置的更高頻帶的小波系數(shù)就不再參與掃描編碼,這樣可以顯著地提高掃描編碼的效率。所以,每次掃描的過(guò)程實(shí)質(zhì)上就是對(duì)重要系數(shù)的不斷量化細(xì)化的過(guò)程。

 (9)送熵編碼。
4 仿真實(shí)驗(yàn)結(jié)果及分析
 為驗(yàn)證算法的有效性,本文中采用的是256×256的lena圖像,以Matlab 7.1為實(shí)驗(yàn)仿真平臺(tái)。首先由函數(shù)命令imread讀入圖像信息,讀入后得一個(gè)大小為256×256的像素矩陣;用wavedec2函數(shù)對(duì)所讀取的二維圖像信息進(jìn)行小波分解(這里取分解層數(shù)為N=3),選取小波基為“db1”小波。圖2為圖像小波分解后各層信息。對(duì)于本文設(shè)定的具體小波分解參數(shù),可以得到由最低頻到各個(gè)方向高頻的共10個(gè)小波系數(shù)矩陣,按照第3節(jié)中第(1)步所述的原則將其轉(zhuǎn)化為一新的信號(hào)向量C。用離散信號(hào)的分解函數(shù)dwt對(duì)其進(jìn)行信噪分離。圖3顯示的即為分解出的噪聲信息。

    由噪聲樣本計(jì)算標(biāo)準(zhǔn)差,得σ=14.28,按照式(4)可求得閾值δ=17.98。對(duì)小波系數(shù)進(jìn)行硬閾值化,可以得到優(yōu)化以后的小波系數(shù)Cg,其中置零系數(shù)百分比perf0=86.36%。為進(jìn)一步確定Cg是否對(duì)原始圖像產(chǎn)生了失真,可以通過(guò)小波逆變換重構(gòu)出圖像的灰度信息。圖4為原始圖像和閾值化處理后的重構(gòu)[14-15]圖像。

    由圖4可以看出,兩幅圖像在視覺效果上已經(jīng)沒(méi)有區(qū)別,說(shuō)明了閾值化處理的可行性。
    然后,針對(duì)圖像小波域系數(shù)存在“零樹”結(jié)構(gòu)的特點(diǎn),通過(guò)編寫逐次逼近量化的Matlab程序,分別應(yīng)用原有算法和改進(jìn)算法對(duì)lena圖像進(jìn)行壓縮處理。圖5為經(jīng)過(guò)相同的掃描次數(shù),兩種算法圖像壓縮后所重構(gòu)的復(fù)原圖像。

    表1給出了對(duì)應(yīng)情況下的圖像質(zhì)量評(píng)價(jià)標(biāo)準(zhǔn)[16]:峰值信噪比(PSNR)和壓縮比(CR)。在仿真中,掃描終止時(shí)低頻閾值為TL=32,高頻閾值為TH=16。

    通過(guò)分析實(shí)驗(yàn)結(jié)果可以得出,改進(jìn)算法無(wú)論是在相同掃描次數(shù)下復(fù)原圖像的信噪比,還是在相近信噪比下圖像的壓縮比(體現(xiàn)為相鄰斜對(duì)角參數(shù)的比較),較之原算法都獲得了較大改善,這說(shuō)明算法改進(jìn)是成功的。不足之處在于編碼過(guò)程中增加了小波系數(shù)的再處理,對(duì)低頻和高頻分閾值量化,這對(duì)編、解碼設(shè)備都提出了更高要求。但從縮短碼流和節(jié)約信道資源方面,這些都是可以接受的。
    本文在分析和研究EZW圖像壓縮算法的基礎(chǔ)上,提出了小波系數(shù)噪聲分離、閾值化小波系數(shù)、分閾值量化低頻和高頻信息的EZW改進(jìn)算法。實(shí)驗(yàn)結(jié)果表明,改進(jìn)算法性能和壓縮比都有了提高,不失為一種行之有效的圖像壓縮算法,同時(shí)它也為小波變換應(yīng)用于圖像壓縮編碼提供了一種新的思路。
參考文獻(xiàn)
[1] DYCK W, SMODI R, HUFNAGL H, et al. High-speed  JPEG coder implementation for a smart camera[J]. Journal  of Real-time Image Processing,2006,1(1):63-68.
[2] 安曉東,陳靜.圖像壓縮方法綜述[J].電腦開發(fā)與應(yīng)用,2006,19(12):24-26.
[3] BARANIUK R. A lecture on compressive sensing[J]. IEEE Signal Processing Magazine(S1053-5888), 2007,24(4):118-121.
[4] 蘇令華,呂韶昱,萬(wàn)建偉.基于多預(yù)測(cè)器的高光譜圖像無(wú)損壓縮[J].國(guó)防科技大學(xué)學(xué)報(bào),2007,29(1):44-48.
[5] 趙楠楠,孫紅星,徐心和.基于小波變換和SVM的圖像壓縮仿真研究[J].系統(tǒng)仿真學(xué)報(bào),2006,18(11):3034-3037.
[6] ROBINSON J, KECMAN V. Combining support vector machine learning  with the discrete cosine transform in image  compression [J]. IEEE Transactions on Neural Networks (S1045-9227), 2003,14(4):950-958.
[7] 李明水,歐珊瑚,張珩.分形圖像壓縮方法的新進(jìn)展[J]. 工程圖學(xué)學(xué)報(bào),2004(2):143-150.
[8] 陳長(zhǎng)興,高曉光,劉昌云.基于傅立葉變換的積分算法研究[J].系統(tǒng)仿真學(xué)報(bào),2004,16(4):817-819.
[9] 張春田,蘇育挺,張靜.數(shù)字圖像壓縮編碼[M].北京:清華大學(xué)出版社,2006.
[10] 張帆,朱國(guó)仲.基于泛Fibonacci的Web圖像快速呈現(xiàn)[J].現(xiàn)代電子技術(shù),2009(16):103-106.
[11] CHENG A M K, SHANG Feng. Priority-driven  coding and transmission of progressive JPEG images for realtime application[J]. Journal of VLSI Signal  Processing System for Signal, Image and Video Technology(S0922-5773),2006,79(12):1744-1753.
[12] 甘俊英, 李春芝. 基于小波變換的二維獨(dú)立元在人臉識(shí)別中應(yīng)用[J]. 系統(tǒng)仿真學(xué)報(bào), 2007,19(3):612-616.
[13] 程正興.小波分析與應(yīng)用實(shí)例[M].西安:西安交通大學(xué)出版社,2006.
[14] 石光明.壓縮感知理論及其研究進(jìn)展[J]. 電子學(xué)報(bào),2009,37(5):1070-1081.
[15] TROPP J A, GILBERT A C. Signal recovery from randommeasurements via orthogonal matching pursuit [J]. IEEE Transactions on Information Theory (S0018-9448), 2007,53(12):4655-4666.
[16] 楊春玲,高文瑞.基于結(jié)構(gòu)相似的小波域圖像質(zhì)量評(píng)價(jià)方法的研究[J].電子學(xué)報(bào),2009,37(4):845-849.

此內(nèi)容為AET網(wǎng)站原創(chuàng),未經(jīng)授權(quán)禁止轉(zhuǎn)載。