论文部分内容阅读
图像压缩在多媒体存储和传输中扮演十分重要的角色，小波变换因具有时域频域局部性、多分辨等性质在图像压缩中正在逐步取代DCT变换，并已得到广泛的应用。基于小波的图像压缩已成为图像压缩研究的主流，一些小波系数模型也随之产生，如EZW、SPIHT和用于JPEG2000的EBCOT，这三种模型都具有SNR可扩展性质，其中EBCOT还具有分辨率可扩展性质。这些可扩展性质对于在互联网上传送图像非常重要。上下文模型因能显著地提高图像的编码效率，在图像压缩中也得到广泛的应用。JPEG-LS和CALIC模型都利用了上下文模型，他们的平均无损压缩比高于EZW、SPIHT和JPEG2000。受Glicbawls、CALIC、ECECOW和 EZW编码方法的启发，本文提出了一种新的用于图像压缩的小波系数的上下文模型(PCW)。它通过量化当前系数的线性预测值形成上下文，把系数作为一个整体进行自适应的算术编码。实验结果表明，利用这种模型获得的平均无损压缩比高于SPIHT和用于JPEG2000的EBCOT。另外，这种模型充分利用了小波变换的多分辨率性质，具有分辨率可扩展性质，并且在每个分辨率下的压缩比也高于EBCOT。现在一些用于图像压缩的小波系数模型扩展到了三维小波，并应用于视频压缩。同样地，本文把经过修改的PCW也扩展到三维小波，提出了空间和时间分辨率可扩展的3D-PCW模型。它首先利用人眼视觉模型(HVS)对子带的系数进行量化；然后利用空间和时间相邻的系数对当前系数进行预测，以预测值的量化值作为上下文，对系数进行基于上下文的算术编码。由于3D-PCW把系数作为一个整体进行编码，每个系数只需要计算一次上下文，并编码一次，而EBCOT的扩展3D-ESCOT每个系数在每个平面上都需要计算一次上下文并编码一次，因而3D-PCW比3D-ESCOT算法的时间复杂度更低。实验数据也表明，对于每个量化幅度和每个空间及时间分辨率，3D-PCW不仅获得了比3D-ESCOT更高的压缩比，而且算法执行所需要的时间也更少。