（计算机应用技术专业论文）多小波图像检素技术研究.pdf

习 目录 l i j ii ii iii i il li ill li ii 18 4 5 2 3 8 1 绪论1 1 1 引言1 1 2 同类工作国内外研究现状2 1 2 1 图像检索技术的发展2 1 2 2图像压缩技术的发展 4 1 2 3 压缩域图像检索技术的研究现状。5 1 3 本文的主要工作。8 2 多小波和多小波变换。9 2 1 引言。9 2 2 多小波基础9 2 2 1 多分辨率分析9 2 2 2 多小波的定义。12 2 2 3多小波的基本性质1 3 2 3 多小波的分解和重构算法1 3 2 4 几种常见的多小波及其多滤波器组1 5 2 5 本章小结18 3 基于多小波变换域的图像检索：1 9 3 1 引言。1 9 3 2 多小波图像变换的统计特征2 0 3 2 1 二维图像的多小波变换2 0 3 2 2 多小波系数的统计分析。2 2 3 3 基于多小波子带间特征的图像检索方法2 5 3 3 1 最大最小合成运算2 5 3 3 2 子带间相关性的特征提取2 6 3 3 3相似性的比较2 8 3 4 实验结果与讨论2 8 3 4 1 实验数据库2 8 3 4 2 评价标准和实验结果2 9 3 5 本章小结3 3 4 基于多小波压缩域的图像检索3 4 4 1 弓i 言3 4 4 2 s p i h t 编( 解) 码算法3 5 4 2 1s p i h t 算法的空间方向树3 5 4 2 2 s p i h t 编( 解) 码的主要步骤3 7 4 2 3s p i h t 算法举例3 9 4 3 基于多小波的s p i h t 算法4 0 4 3 1多小波系数重排4 1 4 3 2s p i h t 算法的改进。4 2 4 4 基于多小波压缩域的图像检索方法。4 3 4 4 1获取重要映射表4 3 4 4 2 重要映射表的自相关向量4 4 。4 4 3 相似性的匹配二。4 5 4 4 4 算法的流程图4 6 4 5 实验结果与讨论4 6 4 5 1 特征量的计算4 6 j 4 5 2 实验数据与分析：4 7 4 6 本章小结5 0 5 总结与展望5l 参考文献：j 5 2 作者在攻读硕士期间公开发表的论文5 6 致谢。5 7 c o n t e n t s 1i n t r o d u c t i o n l 1 1f o r e w o r d 1 1 2 刀把b a c k g r o u n do fs i m i l a rw o r ka th o m ea n da b r o a d 2 1 2 1t h ed e v e l o p m e n to f i m a g er e t r i e v a lt e c i m o l o y ：2 1 2 2 田托d e v e l o p m e n to fi m a g ec o m p r e s s i o nt e c h n o l o y 4 1 2 31 1 1 eb a c k g r o u n do fi m a g er e t r i e v a li nt h ec o m p r e s s i o nd o m a i n 5 1 3n 伧a r r a n g e m e n ta n dm a i nc o n t e n to f t h ep a p e r ：。8 2t h em u l t i - w a v e l e ta n dt h em u l t i - w a v e l e tt r a n s f o r m 9 2 1f o r e w o r d 9 2 21 f 1 圮t h e o r yo fm u l t i - w a v e l e tt r a n s f o r m 9 2 2 1m u l t i r e s o l u t i o na n a l y s i s 9 2 2 2n ed e f i n i t i o no fm u l t i - w a v e l e t 1 2 2 2 3b a s i cp r o p e r t i e so fm u l t i - w a v e l e 。13 2 3m u l t i - w a v e l e td e c o m p o s i t i o na n dr e c o n s t r u c t i o na l g o r i t h m t s 13 2 4s e v e r a lc o m m o nm u l t i w a v e l e t sa n dm u l t i f i l t e r s 15 2 5s u m m a r y 18 3i m a g er e t r i e v a lb a s e do nm u l t i - w a v e l e ti nt h et r a n s f o r md o m a i n 19 3 1f o r e w o r d 19 3 21 f 1 s t a t i s t i c a lc h a r a c t e r i s t i c so f m u l t i w a v e l e tt r a n s f o r mi ni m a g e s 2 0 3 2 1m u l t i - w a v e l e tt r a n s f o 咖i nt w o - d i m e n s i o n a li m a g e s 2 0 3 2 2s t a t i s t i c a la n a l y s i so f m u l t i w a v e l e tc o e f f i c i e n t s 2 2 3 31 1 圮m e t h o do fi m a g er e t r i e v a lb a s e do nb e t w e e nm u l t i - w a v e l e ts u b - b a n d s 2 5 3 3 1m a x m m c o m p o s i t i o nr u l e 2 5 3 3 2f e a t u r ee x t r a c t i o no f c o r r e l a t i o nb e t w e e ns u b b a n d s 2 6 3 3 3c o m p a r i s o no fs i m i l a r i t ：z 8 3 4r e s u l t sa n dd i s c u s s i o n s ：z 8 3 4 】【e x p e r i m e n t a ld a t a b a s e 2 8 3 4 2e v a l u a t i o nc r i t e r i aa n de x p e r i m e n t a lr e s u l t s ：z 9 3 5s u m m a r y 3 3 4i m a g er e t r i e v a lb a s e do nm u l t i - w a v e l e ti nt h ec o m p r e s s i o nd o m a i n 3 4 4 1f o r e w o r d 。3 4 l i i 4 2s p i h tc o d e ( d e c o d e ) a l g o r i t h m ：3 5 4 2 1s p a t i a lo r i e n t a t i o nt r e eo fs p i h ta l g o r i t h m 3 5 4 2 2m a j o rs t e p so fs p i h tc o d e ( d e c o d e ) a l g o r i t h m 3 7 4 2 3a ne x a m p l eo fs p i h ta l g o r i t h mm u l t i - w a v e l e t 3 9 4 3t h es p i h ta l g o r i t h mb a s e do n 4 0 4 3 1r e a r r a n g e m e n to f t h em u l t i w a v e l e tc o e 伍c i e n t s 。4 1 4 3 2s p i h ta l g o r i t h mi m p r o v e m e n t 4 2 4 4t h em e t h o do fi m a g er e t r i e v a lb a s e do nm u l t i - w a v e l e ti nt h ec o m p r e s s i o n d o m a i n 4 3 4 4 1a c q u i r i n gs i g n i f i c a n c em a p s 4 3 4 4 2a u t o c o r r e l o g r a mo fs i g n i f i c a n c em a p s 4 4 4 5 4 4 4a l g o r i t h mf l o wc h a r t 4 6 4 5 】r j e s l l ：1 1 j ；i m i id i s c u s s i o n s 4 6 4 5 1c a l c u l a t i o no ff e a t u r ev e c t o r s 4 6 4 5 2e x p e r i m e n t a ld a t aa n da n a l y s i s 4 7 4 6s u m m a r y 。5 0 5s u m m a r ya n do u t l o o k 51 r e f e r e n c e s 5 2 t h ea u t h o r so fp a p e r sp u b l i s h e dd u r i n gt h em a s t e r ：5 6 a c k n o w l e d g e m e n t s 5 7 摘要 随着宽带网络和数据存储技术提高，数字图像的数量急剧的增加。如何快速 有效从图像数据库中的找到所需的图像已经成为多媒体技术发展的关键。同时， 针对大量存在的压缩格式的文件，基于压缩域的图像检索也是图像应用领域的一 个全新的研究思路。本文首先综述了图像检索的研究现状，主要是变换域和压缩 域的图像检索技术，在此基础上，围绕多小波理论以及多小波在图像检索方面的 应用展开研究，在多小波变换域以及压缩域提出了有利于提高识别率的特征提取 方法。具体来说，本论文的主要贡献表现在以下方面： ( 1 ) 根据多小波的特征，分析图像经三种多小波基分解后的不同子带间，以 及子带间不同分量的统计特征，选取更适合本文图像检索方法的多小波基。 ( 2 ) 从提高检索识别率的角度出发，克服只考虑子带的统计特征量的局限性， 充分利用多小波子带间的相关性，提出一种基于多小波子带间相关性的图像检索 方法。 ( 3 ) 将多小波引入多级树集合分裂( s p i h t ) 算法，分析基于多小波的s p i h t 编 码的压缩码流的特性，以及对此类压缩格式的图像文件，实现只需部分解码就可 以提取特征的图像检索方法。 本文从多小波变换域和压缩域两个方面研究了图像的检索方法。在变换域方 面，本文提出的一种新的基于多小波子带间相关性的特征提取算法，通过实验证 明，近似子带和细节子带相结合的方祛对图像检索十分有效。在压缩域方面，将 多小波替代单小波，提出一种基于s p i h t 压缩码流的特征提取方法，对于压缩 格式图像，可以在不完全解码的情况下，直接从链表中提取信息构建表征图像内 容的特性向量，这种方法的优势在于降低存储成本和计算复杂度，特别适合互联 网和动态数据库的图像查询和检索。 【关键字】多小波图像检索变换域压缩域 a b s t r a c t w i t l lt h ei m p r o v i n gb r o a d b a n dn e t w o r k sa n dd a t as t o r a g et e c h n o l o g y , t h e n u m b e ro fd i g i t a li m a g ei n c r e a s es h a r p l y h o wq u i c k l ya n de f f i c i e n t l yf i n dt h ed e s i r e d i m a g ef r o mt h ei m a g ed a t a b a s eh a sb e c o m eak e yt ot h ed e v e l o p m e n to fm u l t i m e d i a t e c h n o l o g y m e a n w h i l e ，p a r t i c u l a r l yt h e r ea r eal o to fc o m p r e s s e di m a g e ，i m a g e r e t r i e v a li nt h ec o m p r e s s e dd o m a i ni san e wr e s e a r c ha p p l i c a t i o na r e a t 1 1 i sp a p e r r e v i e w st h es t a t u so fi m a g er e t r i e v a lr e s e a r c 也i np a r t i c u l a r , i nt h et r a n s f o r md o m a i n a n dc o m p r e s s e dd o m a i ni m a g er e t r i e v a l o nt h i sb a s i s ，w ec o n d u c tr e s e a r c ha r o u n d t h em u l t i - w a v e l e tt h e o r ya n dm u l t i - w a v e l e t si ni m a g er e t r i e v a la p p l i c a t i o n s i nt h e m u l t i - w a v e l e tt r a n s f o r md o m a i na n dc o m p r e s s e dd o m a i n , t h ep a p e rb o 也p r o p o s e d c a ni m p r o v et h er e c o g n i t i o nr a t e 。o ff e a t u r ee x t r a c t i o nm e t h o d s s p e c i f i c a l l y , t h em a i n c o n t r i b u t i o no ft h i st h e s i si nt h ef o l l o w i n ga s p e c t s ： ( 1 ) a c c o r d i n gt ot h ec h a r a c t e r i s t i c so fm u l t i - w a v e l e t , w ea n a l y s i st h es u b b a n d a n dt h es t a t i s t i c a lc h a r a c t e r i s t i c sb e t w e e nt h ed i f f e r e n tc o m p o n e n t sb yt h r e ed i f f e r e n t w a v e l e tt oi m a g e ，a n ds e l e c tm u l t i - w a v e l e t sb a s i sw h i c hi sm o r es u i t a b l ef o r t h ei m a g e r e t r i e v a lm e t h o d ( 2 ) f r o mi m p r o v i n gr e c o g n i t i o nr a t ep e r s p e c t i v e ，w eo v e r c o m et h es u b - b a n d o n l yc o n s i d e rt h el i m i t a t i o n so ft h es t a t i s t i c a lf e a t u r e s ，a n df u l lu s eo fm u l t i - w a v e l e t s u b - b a n dc o r r e l a t i o n t h ep a p e rp r o p o s e san e wi m a g er e t r i e v a lm e t h o d sb a s e do nt h e c o r r e l a t i o nb e t w e e nm u l t i w a v e l e ts u b b a n d s ( 3 ) t h ep a p e ri n t r o d u c e st h em u l t i - w a v e l e tt os e tp a r t i t i o n i n gi nh i e r a r c h i c a lt r e e s ( s p i h t ) a l g o r i t h m , a n da n a l y s i so nt h ec o m p r e s s e ds t r e a mo ff e a t u r e so fs p i h t c o d i n gb a s e do nm u l t i - w a v e l e tm o r e 1 1 伧m e t h o dt h a te x t r a c t sf e a t u r e sf r o mt h e s e c o m p r e s s e di m a g e sa c h i e v e si m a g er e t r i e v a lo n l yp a r to ft h ed e c o d e r t h ep a p e rf r o mt h em u l t i w a v e l e tt r a n s f o r md o m a i na n dt h ec o m p r e s s e dd o m a i n t w oa s p e c t sr e s e a r c hi m a g er e t r i e v a lm e t h o d s i nt h et r a n s f o r md o m a i n , t h ep a p e r p r o p o s e s an e wf e a t u r ee x t r a c t i o n a l g o r i t h mb a s e do nm u l t i w a v e l e ts u b - b a n d c o r r e l a t i o n t e s t ss h o wt h a tc o m b i n i n gs u b - b a n da p p r o x i m a t i o n 、i t l ld e t a i ls u b - b a n d i m a g er e t r i e v a lm e t h o di sv e r ye f f e c t i v e i nt h ec o m p r e s s e dd o m a i n , m u l t i - w a v e l e t i n s t e a do fw a v e l e t 1 1 1 ep a p e rp r o p o s e san e wf e a t u r ee x t r a c t i o nm e t h o d sb a s e do n s p i h tc o m p r e s s e ds t r e a m f o rc o m p r e s s i o ni m a g e s ，y o uc a ne x t r a c ti n f o r m a t i o n 2 d i r e c t l yf r o mt h el i s t si nt h en o tf u l l yd e c o d ec i r c u m s t a n c e s t h i sm e t h o dh a st h e a d v a n t a g eo fr e d u c i n gs t o r a g ec o s t sa n dc o m p u t a t i o n a lc o m p l e x i t y , e s p e c i a l l yf o rt h e i n t e r n e ta n dd y n a m i cd a t a b a s eq u e r ya n dr e t r i e v a lo f i m a g e s k e yw o r d s m u l t i w a v e l e ti m a g er e t r i e v a l t h et r a n s f o r md o m a i nt h ec o m p r e s s e dd o m a i n 3 1 绪论 1 绪论 1 1引言 在数字图像、宽带网络、数据存储方面的技术提高正促使数字图像数据库和 其他多媒体数据库数量急剧的增长。在图像处理领域，获取，存储，传输图像已 是微不足道的，但困难的是操作、索引，排序，筛选，总结，或通过他们的搜索。 现代搜索引擎和他们图像视频搜索产物在视觉内容附带文本描述领域有重要进 步，但他们仅分析元数据，不是图像本身，因而在实际情况当中有限制的使用。 目前，g o o g l e 、百度、搜狗等搜索引擎都有图像搜索功能，但是主要的是通过图 像的文件名实现查询功能，并不是真正意义上的基于内容的图像检索。鉴于迫切 的困难，需要解决的的是如何从这些数据库中快速找到所需要的图像，所以在这 样的现实背景下给基于内容的图像检索技术( c b 琥，c o n t e n t b a s e di m a g e r e t r i e v a l ) 逐渐发展起来。计算机对图像进行自动分析，它通过分析图像的颜色、 纹理、形状等内容，建立特征索引来查询，依据图像内容的相似程度给出图像检 索的结果。 近年来，由于数字图像和多媒体技术的普及，许多图像的采集大小也迅速增 加。为了适应这一变化，一系列国际压缩标准已开发，并广泛实施以更加有效的 存储信息。在这些标准中，y p e g 2 0 0 0 压缩技术是在这些标准中最流行的。通常， 为了得到图像的内容，特征提取在由像素点组成的空域产生。然而，压缩格式的 图像的特征提取若按照同样的方式，必须先对压缩图像解码，这将会带来更多的 计算需求【1 2 】。目前，结合现有技术研究，图像压缩编码和查询检索研究是相互分 离的：大多数图像压缩方法主要涉及的信号失真、比特率、编码的复杂度等方面1 3 j 。 压缩算法的设计和实现是仅仅考虑在保证= 定重构质量的前提下以尽量少的比特 数来表示图像内容，并未对可能存在的后续的分析处理、查询检索操作提供支持。 而基于内容的图像检索技术主要是针对原始图像数据进行的，对于现在普遍存在 的压缩格式的图像视频文件，必须先解码后才能提取特征，实现检索技术，这样 的处理方式在很大程度上影响了各类应用系统的实用性和灵活性。对于一些大型 的图像检索应用系统，这样传统的模式已经难以支撑。在这样的研究背景下，压 缩域的图像处理技术迅速发展起来，已逐渐成为多媒体技术的研究热点之一【4 卯。 2 0 世纪8 0 年代后期，小波变换成为信号处理的工具，它主要的思想是多分辨 分析的概念。小波变换在数学、工程领域得到了广泛的应用，最突出的领域之一 是图像编码应用。在图像编码技术中，小波编码不仅继承了传统编码的优点，即 可很好的清除图像中的冗余信息，同时小波变换的多分辨率分析的特点使得人眼 视觉系统特征可到更好的发挥。在小波理论的基础上，多小波逐渐发展起来，与 多小波图像检索技术研究 单小波相比，多小波可同时拥有对称性、短支撑性、正交性以及高阶消失矩等良 好性质。正是在这样的研究背景下，本文主要从两个方面讨论多小波的图像检索 技术的研究，其中包括基于多小波变换域和压缩域。 1 2 同类工作国内外研究现状 1 2 1图像检索技术的发展 随着数据库技术、计算机网络覆盖以及存储技术的迅猛发展，纯粹的文字描 述已满足不了人们的需求，图像视频检索技术不仅仅是主要的信息传输媒介，同 时也是多媒体应用技术的关键。随着数字图像数量的日趋增加，如何快速、有效 的从大量的数据库图像中检索出所需的图像已经成为目前研究的焦点。 图像检索经历了两个阶段，第一个阶段是2 0 世纪7 0 年代末，基于文本的图像 检索，传统的数据库使用关键字作为标签来快速访问大量的文本数据。然而，标 签代表的视觉与文本数据需要手工处理大量的和需要额外的存储。更严重的问题 是，检索结果可能不理想的，因为查询不是基于特征，可能无法反映视觉信息【6 j 。 首先，图像包含的信息较多，数据量也比文字信息大，所以很难用文字来完全表 达图像中所包含的信息，所以简单的对图像关键字的检索本身就存在缺陷。其次， 用来检索的关键字都是人为提取出来的，所以带有很强的主观因素，同一副图片 不同的人有不同的理解。并且如果每幅图的关键字都由人提取的，网络中各种图 像信息是海量的，那么这种工作量将无法衡量。 为了克服这些问题，9 0 年代初期，基于内容的图像检索技术逐渐发展起来， 这是图像检索的第二个阶段。与基于文本的图像检索不同，它是直接从图像信息 中提取特征，如颜色、纹理、空间特性等- p 不需要人工的手动标记，更加客观的 挖掘人眼无法识别的图像信息。实际上，图像本身就包含丰富的信息，是否可以 考虑直接从图像中提取信息，而不用通过关键字作为中介，这就是图像检索的第 二个阶段一基于内容的图像检索。与第一阶段的基于关键字的图像检索相比，基 于内容的图像检索有以下几个特点。 ( 1 ) 直接对图像数据进行分析，抽取特征和语义。基于内容的图像检索避免了 手工对图像进行标注所需的工作量太大，并且具有注释的主观性。 ( 2 ) 基于内容的图像检索匹配实质上是一种近似值的匹配。在返回的查询结果 中有相似的图像，也会出现不相关的图像。 。 ( 3 ) 特征提取和索引的建立以及完成查询整个过程可由计算机自动实现，不需 要人工的干预。 最常见的基于内容的图像查询方法可以分为四下四类： 2 1 绪论 ( 1 ) 外部图例查询：外部图例查询中的查询图像是来自系统数据库外部，由用 户自己提供。 ( 2 ) 内部图例查询：内部图例查询中的查询图像是从系统数据库的内部图像中 选出来。 ( 3 ) 草图查询：图查询是图例查询的一种形式，其中的示例图像是用户使用系 统提供的画图工具画出希望查询物体的草图，系统的查询的结果是与之相似的图 像序列。 ( 4 ) 综合以上三种查询方法。大多数图像检索系统都支持前三种查询方法或者 将前三种方法随机的组合，并将查询和用户反馈相互结合，提高查询结果的精度。 像素域的图像视频数据的检索技术是直接从像素中提取，内容特征主要是纹 理，形状，草图，直方图，颜色j 力矩等。颜色是图像检索中广泛应用的基本特 征，1 9 9 1 年，s w a i n 和b a l l a r d 提出在图像检索中，用颜色直方图【| 7 】作为颜色特征， 它是统计不同颜色在整幅图像的颜色空间所占的概率。匹配的过程是采用相似性 的测量方法。优点是简单描述一幅图像中颜色的全局分布，缺点是无法描述图像 的局部分布，每种颜色的空间位置。在此基础上，s t r i c k e r 和o m n g o 等提出另一种 简单而有效的颜色矩【8 】，主要表示颜色位置的分布，图像的颜色分布采用的是一阶 矩，二阶矩、三阶矩。在实际应用中，颜色矩通常和其他特征结合使用，并在其 他特征使用前起到过滤缩小范围的作用。例如，c h u n 等人在文献t 9 j q ，提出逆向机 率的块差异( b d i p ，b l o c kd i f f e r e n c eo fi n v e r s ep r o b a b i l i t i e s ) 和局部关联系数的块 差异( b v l c ，b l o c kv a r i a t i o no f l o c a lc o n e l a t i o nc o e 伍c i e n t s ) 特征能够有效地统计 图像的局部差异和局部纹理的平滑度。在此基础上，作者进一步研究，在h s v 颜 色空间下h ( h u e ，色相) 和s ( s a t u r a t i o n , 饱和度) 分量的颜色相关作为图像的颜色特 征_ 而v ( v a l u e ，亮度值) 分量的b d i p b v l c 的矩是图像的纹理特征【lo 】这种在小 波压缩域的提取图像颜色和纹理的特征方法可以达到更好的检索率。 纹理是一个重要的空间特征，对识别图像中的对象或区域非常有用。图像纹 理分析是图像分析与处理研究中的一个重要组成部分，在场景分析、医学图像研 究、遥感图像处理、图像数据库的检索以及其他一些领域中均有着重要的应用， 是近几年人们研究的一个重要课题【l 卜1 2 】。灰度共生矩阵是一种有效地纹理图像分 析方法，文献【1 3 】提出一种基于四像素共生矩阵的纹理检索方法，先在r g b 颜色空间 中计算彩色梯度，然后利用四像素( 两个像素对) 的共生矩阵来描述图像特征。 该算法适应于表面粗糙、边缘丰富的彩色图像，但对表面精细的图像效果不佳。 m u r a l a 等人一种颜色和纹理相结合的图像检索方法【1 4 j ，在该方法中运用颜色直方 图的方法统计每个颜色带的特征，以及g a b o r 小波分解得到不同的子带特征，用 于图像检索。r a o 等人【”】采取的识别方法是将纹理图像和纹理词分开，然后研究 3 多小波图像检索技术研究 被识别的分类与词之间存在的关系。这些关系定义为关系矩阵，建立视觉纹理空 间和词汇纹理空间的映射。目前纹理特征并没有得到统一的定义，加上纹理特性 具有复杂性，如何比较纹理特征之间的相似性仍是一个难题。 1 2 2 图像压缩技术的发展 在图谢视频的传输、存储与检索系统中，图像压缩编码得到广泛应用。一幅 图像的数字化需要大量的比特数，图像编码的目的是在一定保真度的要求下，尽 可能的减少比特数来表示图像，以便图像的存储和传输。压缩编码技术可分为无 损压缩和有损压缩编码技术两种。无损压缩是利用数据信息的统计冗余进行压缩， 在不引起任何失真的情况下，完全还原原始数据，但压缩率受到统计冗余度理论 限制，一般为2 ：1 到5 ：1 。有损压缩相对无损压缩来讲，压缩比大得多，在压缩的 过程中会丢失一定的数据量，不能完全还原原始数据，但是丢失的那部分数据对 原始数据影响很小。有损压缩广泛应用于语音、图像和视频数据的压缩。 传统的压缩编码技术是以香农提出的信息论为基础，用概率统计特征来描述 信源，也被成为第一代编码技术。传统的压缩编码技术包括熵编码、变换编码和 预测编码等。熵编码是基于信号统计的编码技术，是一种无损压缩编码。解码后 的图像和原始图像一样。熵编码的理论是根据信源出现的不同概率的分布特性。 常用的熵编码方法有游程编码、霍夫曼编码、算术编码等。有损的压缩编码主要 有预测编码、变换编码、矢量量化等。原始图像中存在大量的信息冗余，如空间 冗余、视觉冗余、统计冗余等。这些有损压缩编码的目的是清除图像中的存在的 信息冗余，用尽量少的比特数来表示图像信息。目前，已普通应用的图像和视频 压缩标准，如j p e g 1 6 1 的m p e g 1 7 】和h 2 6 1 1 8 】等，采用的是第一代编码技术。 2 0 世纪8 0 ，年代中后期，。随着许多新兴科技的不断进步，图像编码进入快速发 展阶段，许多新型的编码技术相继提出。k t m t 认为第一代编码技术主要是基于信 息源的统计特性，图像的压缩率已经接近饱和极限，难以提高。而且，信息理论 和编码理论并没有充分的考虑接收器的性能、人眼视觉系统。1 9 8 5 年，k u n t 提出 利用人眼视觉体现的第二代编码技术【1 9 j 。因为人眼是图像信号的最终接受者，第 二代编码技术充分考虑到人眼视觉系统、神经心理特征以及信源的性质，在高压 缩率下，产生高质量的图像。第二代图像编码技术是基于图像内容的，不是力图 清除信息冗余，而是除去图像内容的冗余。 2 0 世纪9 0 年代，随着信息通讯的迅猛发展，互联网在全球范围的日益普及， 网络传输以及各种新兴多媒体业务向图黼视频编码提出了新的要求，图像视频编 码的研究已逐渐从面向存储转向面向传输。除了传统的良好压缩性能与重建质量 外，人们还要求压缩编码算法能够灵活地提供关于质量、分辨率和信噪比等的分 级 向 1 2 3 压缩域图像检索技术的研究现状 随着大规模集成技术、宽带网、图像视频压缩标准的发展，数字图像和视频 检索技术正变得越来越重要。目前基于内容的图像检索技术主要是以像素域数据 为对象，对于目前大量存在的压缩格式的图像视频需先压缩后，再进行处理。基 于压缩域的图像检索方法是研究在不解码或者尽量少解码的情况下，直接对图像 压缩码流迸行特征提取以实现图像处理，这是基于内容图像检索的一个全新的研 究思路。与传统模式并比较，压缩域图像处理技术具有以下特点【2 0 j ： ( 1 ) 与传统的图像处理模式相比，基于压缩域的图像检索省略了压缩和再压缩 的附加环节，系统处理时间大大减少。 ( 2 ) 压缩域的多媒体数据相对于原始数据其数据量大大减少，对于应用系统总 体处理效率的提高是个有利因素，尤其对一些超大容量的多媒体数据处理系统以及 要求实时性处理的系统而言，在少量压缩数据上进行分析处理是唯一的解决办法。 ( 3 ) 某些压缩算法在一定程度上适应了多媒体数据分析处理的要求，如d c t 系 数对于某些频率域的操作，以及运动预测估计对运动矢量的计算等等。 ( 4 ) 对于多媒体的业务和应用，压缩数据格式作为多媒体数据的主要存储和传 输格式具有普遍性。 压缩域与传统的像素域图像检索的对比示意图1 1 所示，对采集来的图像( 原 始图像) 的图像检索是非压缩域的图像处理，传统的图像检索技术一般都是基于 非压缩域的。如果对原始压缩，并且在部分解码缩或者完全解码缩前进行图像检 索，- 贝0 属于压缩域的图像处理。 图1 1 传统的和基于压缩域的图像检索处理位置示意图 压缩域的图像检索分为两大类：变换域检索技术、空间域检索技术。变换域 检索技术包括基于离散傅里叶变换( d f t , d i s c r e t ef o u r i e rt r a n s f o r m ) 、k l 变换 多小波图像检索技术研究 ( k a r h u n e n - l o e v et r a n s f o r m ) 、离散余弦变换( d c t , d i s c r e t ec o s i n et r a n s f o r m ) 以 及离散小波变换( d w ld i s c r e t ew a v e l e tt r a n s f o r m ) 的图像检索方法。空间域检索 技术包括基于矢量量化( v q ，v e c t o rq u a n t i z a t i o n ) 和分形变换的图像检索方法。 本文研究的基础是压缩域的图检索方法，所以下面重点讨论基于小波多小波压缩 域的图像检索技术的研究发展现状。 早期的压缩标准主要集中在d c t 域，所以大部分基于压缩域的图像检索都是 在d c t 压缩域。但是随着小波变换的发展，人们逐渐发现小波在图像压缩的重构 质量方面明显优于d c t 变换，小波变换在图像编码和检索领域已经得到了广泛的 应用。因此，基于小波多小波压缩域的图像检索技术的研究更具有意义。 m a n d a l 等人【2 1 1 中提出一种方向性子带的直方图匹配的图像检索方法，它表明 相似图像的小波子