第八章 图像编码小波压缩应用

1、第八章 图像的编码、小波压缩应用图像通信系统模型图像信息源图像信息源图像预处理图像预处理图像信源图像信源编码编码信道编码信道编码调制调制信道传输信道传输解调解调信道解码信道解码图像信源图像信源解码解码显示图像显示图像应用图像压缩利用小波变换或小波包进行数据压缩的思想是：根据某种原则，将贡献小或没有贡献的小波系数或小波包系数去掉，只记忆其他有贡献的小波系数或小波包，以达到记忆较少的数据量的目的，即实现数据压缩。图像融合 图像融合将同一对象的两个或更多的图像合成到一幅图像中，以便它比任何原来的一幅都能更容易地为人们所理解。这一技术可应用于多频谱图像理解以及医学图像处理等领域中，在这些场合，同一物体

2、部件的图像往往是使用不同的成像机理采集得到的。 图像融合技术配准融合：ct和核磁共振的图像相融合。8.1 8.1 数据冗余的概念数据冗余的概念我们从一个互动游戏来体会数据冗余我们从一个互动游戏来体会数据冗余的概念。的概念。在下面的例子中，用一种最好的方式在下面的例子中，用一种最好的方式来发送一封电报。来发送一封电报。8.1 8.1 数据冗余的概念数据冗余的概念你的妻子你的妻子，HelenHelen，将于明天晚上将于明天晚上6 6点零点零5 5分在分在上海上海的虹桥机场接你。的虹桥机场接你。 (23(23* *2+10=562+10=56个半角字符个半角字符) )你的妻子将于明天晚上你的妻子将于

3、明天晚上6 6点零点零5 5分在虹桥机场接你分在虹桥机场接你 (20(20* *2+2=422+2=42个半角字符）个半角字符） HelenHelen将于明晚将于明晚6 6点在虹桥接你点在虹桥接你 (10(10* *2+6=262+6=26个半角字符）个半角字符）结论：只要接收端不会产生误解，就结论：只要接收端不会产生误解，就可以减少承载信息的数据量。可以减少承载信息的数据量。8.1 8.1 数据冗余的概念数据冗余的概念n描述语言描述语言1 1） “ “这是一幅这是一幅2 2* *2 2的图像，的图像，图像的第一个像素是红的，图像的第一个像素是红的，第二个像素是红的，第三第二个像素是红的，第三

4、个像素是红的，第个像素是红的，第 四个像素是红的四个像素是红的”。 2 2）“这是一幅这是一幅2 2* *2 2的图的图 像，像，整幅图都是红色的整幅图都是红色的”。由此我们知道，整理图像的描述方法可由此我们知道，整理图像的描述方法可以达到压缩的目的。以达到压缩的目的。8.1 8.1 图像中的数据冗余图像中的数据冗余图像冗余无损压缩的原理图像冗余无损压缩的原理RGBRGBRGBRGBRGBRGBRGBRGBRGBRGBRGBRGBRGBRGBRGBRGB16RGB从原来的从原来的1616* *3 3* *8=284bits8=284bits压缩为：压缩为：(1+3)(1+3)* *8=32bi

5、ts8=32bits8.1 8.1 图像中的数据冗余图像中的数据冗余图像冗余有损压缩的原理图像冗余有损压缩的原理3635343434343432343433373034343434343434343534343134 34 34 34 3434 34 34 34 3434 34 34 34 3434 34 34 34 3434 34 34 34 3425348.1 8.1 图像中的数据冗余图像中的数据冗余实际图像中冗余信息的表现（灰度图）实际图像中冗余信息的表现（灰度图）基本概念压缩分数式中，CS为压缩分数；N1为量化后的小波系数或小波包系数中数值为零的数目；N2为小波系数或小波包系数的数目。

6、21100NNCS恢复分数失真程度用恢复分数来表示，恢复分数为量化前后小波系数的L2范数的比值的100倍，即：式中，RS为恢复分数；cd为量化后的小波系数的L2范数；c为量化前的小波系数或小波包系数的L2范数。22100ccdRS 1.编码冗余设定义在0,1区间的离散随机变量sk代表图像的灰度值，每个sk以概率ps（sk）出现：其中L为灰度级数，nk是第k个灰度级出现的次数，n是图像中像素总个数。设用来表示sk的每个数值的比特数是l（sk），则表示每个像素所需的平均比特数是：1, 1 , 0),/( Lknnspkks 10)()(lkkskavgspslL2.像素间冗余可以下式来计算沿图像某

7、行的自相关系数：也常称为空间冗余或几何冗余。另外在连续序列图像中的帧间冗余也是一种特例。为了减少图像中的像素间冗余，需要将2-D像素矩阵表达形式转换为映射。如果原始的图像元素从转换后的数据集合重建出来，则这种映射称为可反转的，否则就是不可反转的。 nNxynxfyxfnNnA10),(),(1)(3.3.图像中的心理视觉冗余图像中的心理视觉冗余图像的视觉冗余图像的视觉冗余 （彩色）（彩色） R G B2488822*2*2242 16,777,216(248,27,4)(251,32,15)(248,27,4)(248,27,4)数据压缩的关键点数据压缩的关键点：（1 1）压缩量。对于同样数量

8、的数据，）压缩量。对于同样数量的数据，记忆的越少，压缩量越大，节约的记忆的越少，压缩量越大，节约的存储空间就越大，效率越高。存储空间就越大，效率越高。（2 2）算法。即如何利用所记忆的少）算法。即如何利用所记忆的少量数据恢复原始信号。量数据恢复原始信号。（3 3）失真。即恢复出来的信号失真）失真。即恢复出来的信号失真要小，要精确地体现原信号。要小，要精确地体现原信号。8.2 8.2 图像的压缩编码图像的压缩编码第一代压缩编码第一代压缩编码八十年代以前，主要是根据传统的信八十年代以前，主要是根据传统的信源编码方法。源编码方法。第二代压缩编码第二代压缩编码 八十年代以后，突破信源编码理论，八十年代

9、以后，突破信源编码理论，结合分形、模型基、神经网络、小波结合分形、模型基、神经网络、小波变换等数学工具，充分利用视觉系统变换等数学工具，充分利用视觉系统生理心理特性和图像信源的各种特性。生理心理特性和图像信源的各种特性。图像的压缩编码图像的压缩编码像素编码像素编码变换编码变换编码预测编码预测编码位平面编码位平面编码增量调制增量调制熵编码熵编码算术编码算术编码DCTDCT变换变换DPCMDPCM调制调制第一代压缩编码第一代压缩编码其他编码其他编码行程编码行程编码图像的压缩编码图像的压缩编码子带编码子带编码模型编码模型编码分层编码分层编码分型编码分型编码第二代压缩编码第二代压缩编码8.3 8.3

10、行程编码行程编码(RLE(RLE编码编码) )行程编码是一种最简单的，在某些行程编码是一种最简单的，在某些场合是非常有效的一种无损压缩编场合是非常有效的一种无损压缩编码方法。码方法。虽然这种编码方式的应用范围非常虽然这种编码方式的应用范围非常有限，但是因为这种方法中所体现有限，但是因为这种方法中所体现出的编码设计思想非常明确，所以出的编码设计思想非常明确，所以在图像编码方法中都会将其作为一在图像编码方法中都会将其作为一种典型的方法来介绍。种典型的方法来介绍。 8.3.1 8.3.1 行程编码的基本原理行程编码的基本原理通过改变图像的描述方式，通过改变图像的描述方式，来实现图像的压缩。来实现图像

11、的压缩。将一行中灰度值相同的相邻将一行中灰度值相同的相邻像素，用一个计数值和该灰度像素，用一个计数值和该灰度值来代替。值来代替。8.3.2 8.3.2 行程编码方法行程编码方法 举例说明：举例说明： aaaa bbb cc d eeeee fffffff ( (共共2222* *8=176 bits)8=176 bits) 4a3b2c1d5e7f ( (共共1212* *8=96 bits)8=96 bits) 压缩率为：压缩率为：96/176=54.5%96/176=54.5%8.3.3 8.3.3 传真中的行程编码方法传真中的行程编码方法传真件中一般都是白色比较多，而黑色相传真件中一般都

12、是白色比较多，而黑色相对比较少。所以可能常常会出现如下的情对比较少。所以可能常常会出现如下的情况：况： 600W 3b 570w 12b 4w 3b 3000w 上面的行程编码所需用的字节数为：上面的行程编码所需用的字节数为： 因为：因为：204830004096204830004096 所以：计数值必须用所以：计数值必须用12 bit12 bit来表示来表示 8.3.3 8.3.3 传真中的行程编码方法传真中的行程编码方法对于：对于： 600W 3b 570w 12b 4w 3b 3000w 需要的数据量为：需要的数据量为： 12*7=84 bit 因为只有白或黑，而且排版中一定要留出因为只

13、有白或黑，而且排版中一定要留出页边距，所以可以只传输计数值即可。页边距，所以可以只传输计数值即可。 8.3.3 8.3.3 传真中的行程编码方法传真中的行程编码方法现在我们就希望对其进行改善现在我们就希望对其进行改善 既然已经可以预制知白色多黑色少，可以对白色既然已经可以预制知白色多黑色少，可以对白色和黑色的计数值采用不同的位数。和黑色的计数值采用不同的位数。 以这个例子，可以定义：以这个例子，可以定义： 白色：白色：12 bit12 bit，黑色：黑色：4 bit4 bit 所需字节数为：所需字节数为： 4 4* *12+312+3* *4=60bit4=60bit 比原来的比原来的RLER

14、LE方式方式120bit120bit减少了减少了60bit,60bit,相当于又相当于又提高了压缩比为提高了压缩比为 60/120=50% 60/120=50% 。 8.4 Huffman 8.4 Huffman 编码（熵编码）编码（熵编码）行程编码要获得好的压缩率的前行程编码要获得好的压缩率的前提是，有比较长的相邻像素的值提是，有比较长的相邻像素的值是相同的。是相同的。熵是指数据中承载的信息量。熵是指数据中承载的信息量。所谓的熵编码是指在完全不损失所谓的熵编码是指在完全不损失信息量前提下最小数据量的编码。信息量前提下最小数据量的编码。8.4.1 Huffman 8.4.1 Huffman 编

15、码的基本原理编码的基本原理为了达到大的压缩率，提出了一为了达到大的压缩率，提出了一种方法就是将在图像中出现频度种方法就是将在图像中出现频度大的像素值大的像素值, ,给一个比较短的编给一个比较短的编码，将出现频度小的像数值码，将出现频度小的像数值, ,给给一个比较长的编码。一个比较长的编码。8.4.1 Huffman 8.4.1 Huffman 编码的基本原理编码的基本原理例：例： aaaa bbb cc d eeeee fffffff 4 3 2 1 5 7如果不进行特殊的编码，按照图像像如果不进行特殊的编码，按照图像像素的描述，需要的数据量为：素的描述，需要的数据量为： 22*8=176 b

16、its 8.4.1 Huffman 8.4.1 Huffman 编码的基本原理编码的基本原理 aaaa bbb cc d eeeee fffffff 4 3 2 1 5 7 按照熵编码的原理进行编码：按照熵编码的原理进行编码： f=0 e=10 a=110 b=1111 c=11100 d=11101这里的编码规则是长短不一的异字头码这里的编码规则是长短不一的异字头码 8.4.1 Huffman 8.4.1 Huffman 编码的基本原理编码的基本原理由：由： f=0 e=10 a=110 b=1111 c=11100 d=11101 aaaa bbb cc d eeeee fffffff 1

17、1011011011011111111111111100111001110110101010100000000 数据量：数据量：7*1+5*2+4*3+3*4+2*5+1*5=56 bit 压缩率为：压缩率为：56/176=31 .8%8.4.2 Huffman 8.4.2 Huffman 编码方法编码方法首先求出图像中灰度分布的灰度直首先求出图像中灰度分布的灰度直方图；方图；根据该直方图，对其按照分布概率根据该直方图，对其按照分布概率从小到大的顺序进行排列；从小到大的顺序进行排列；每一次从中选择出两个概率为最小每一次从中选择出两个概率为最小的节点相加，形成一个新的节点，的节点相加，形成一个新

18、的节点，构造一个称为构造一个称为“HuffmanHuffman树树”的二叉的二叉树；树；对这个二叉树进行编码，就获得了对这个二叉树进行编码，就获得了HuffmanHuffman编码码字。编码码字。8.4.2 Huffman 8.4.2 Huffman 编码方法编码方法例如：例如：aaaa bbb cc d eeeee fffffff分布为：分布为： a:4/22 b:3/22 c:2/22a:4/22 b:3/22 c:2/22 d:1/22 e:5/22 f:7/22 d:1/22 e:5/22 f:7/22排序为：排序为： d, c, b, a, e, fd, c, b, a, e, f

19、1/22 2/22 3/22 4/22 5/22 7/221/22 2/22 3/22 4/22 5/22 7/228.4.2 Huffman 8.4.2 Huffman 编码方法编码方法cbafe7/227/225/225/224/224/222/222/2210f=11 e=01 a=00 b=101 c=1001 d=1000d1/221/223/223/226/226/2222/2222/2213/2213/229/229/223/223/22101010108.4.3 Huffman 8.4.3 Huffman 编码效率编码效率对这个例子，计算出经过对这个例子，计算出经过Huffma

20、nHuffman编码后的编码后的数据为：数据为： 1010101010001001001000100010000111111111101010101010101 共共 7*2+5*2+4*2+3*3+2*4+1*4=53 bit比前面我们给出的编码得到的比前面我们给出的编码得到的5656bitbit的数据的数据量还小，压缩率为量还小，压缩率为30.1%30.1%。8.4.4 8.4.4 图像压缩中的图像压缩中的Huffman Huffman 编码编码HuffmanHuffman编码在图像压缩中的实现编码在图像压缩中的实现 我们知道，对一幅图像进行编码我们知道，对一幅图像进行编码时，如果图像的大

21、小大于时，如果图像的大小大于256256时，这幅时，这幅图像的不同的码字就有可能是很大，图像的不同的码字就有可能是很大，例如极限为例如极限为256256个不同的码字。个不同的码字。 这时如果采用全局这时如果采用全局HuffmanHuffman编码编码则压缩效率不高。甚至与原来的等长则压缩效率不高。甚至与原来的等长编码的数据量相同。编码的数据量相同。 8.4.4 8.4.4 图像压缩中的图像压缩中的Huffman Huffman 编码编码常用的且有效的方法是： 将图像分割成若干的小块，对每块进将图像分割成若干的小块，对每块进行独立的行独立的HuffmanHuffman编码。例如：分成编码。例如：

22、分成 的子块，就可以大大降低不同灰的子块，就可以大大降低不同灰度值的个数（最多是度值的个数（最多是6464而不是而不是256256）。）。88Huffman编码效率示例8 8* *8 8分块的编码分块的编码效率为效率为47.27%47.27%1616* *1616分块的编分块的编码效率约为码效率约为61%61%全图的编码效全图的编码效率为率为91.47%91.47%8.5 DCT变换编码问题的提出：问题的提出： 行程编码与行程编码与HuffmanHuffman编码的设计思想编码的设计思想都是基于对信息表述方法的改变，属于都是基于对信息表述方法的改变，属于无损压缩方式。无损压缩方式。 虽然无损压

23、缩可以保证接收方获得的虽然无损压缩可以保证接收方获得的信息与发送方相同，但是其压缩率一定信息与发送方相同，但是其压缩率一定有一个极限。有一个极限。 因此，采用忽略视觉不敏感的部分进因此，采用忽略视觉不敏感的部分进行有损压缩是提高压缩率的一条好的途行有损压缩是提高压缩率的一条好的途径。径。 8.5 DCT变换编码DCTDCT变换编码的设计思想：变换编码的设计思想： DCTDCT变换是希望在接收方不产生变换是希望在接收方不产生误解的前提下进行一定的信息丢失。误解的前提下进行一定的信息丢失。 由前面所讲到的频域变换得到由前面所讲到的频域变换得到的启示，就是将低频与高频部分的的启示，就是将低频与高频部

24、分的信息，分别按照不同的数据承载方信息，分别按照不同的数据承载方式进行表述。式进行表述。8.5 DCT变换编码复习复习DCTDCT变换：变换：1010222) 12(cos) 12(cos),()()(),(MxNyMNMNcyxyxfccF正变换：正变换：1010222) 12(cos) 12(cos),()()(),(MNMNcMNyxFccyxf1)(21xc0 x1,.,2 , 1Nx逆变换：逆变换：其中：其中：8.5 DCT变换编码DCTDCT变换编码方法：变换编码方法：DCT变换变换DCTDCT逆变换逆变换原图像原图像除以量化矩阵除以量化矩阵取整取整1 1）编码过程：）编码过程：2

25、 2）解码过程：）解码过程：压缩图像压缩图像乘以量化矩阵乘以量化矩阵取整取整压缩压缩图像图像解压解压图像图像8.5 DCT变换编码Huffman:42bits； 编码效率编码效率32.8%Huffman:16bits;编码效率：编码效率：12.5%29221714241613141914121216111116C例：例：56606159586059625759596157586059F原图像为：原图像为：DCTDCT变换变换除以量化矩阵，取整除以量化矩阵，取整236.254.51692.47491.56361.05920.17681.17130.78031.76780.43872.251.71

26、251.00310.28030.86780.1768D15000000000000000D8.5 DCT变换编码原图原图解压图解压图8.6 8.6 混合编码混合编码设计思想：设计思想： 每一种编码方式都有其擅长的一每一种编码方式都有其擅长的一点，以及局限的一点，混合编码点，以及局限的一点，混合编码的思想就是将两种以上的编码方的思想就是将两种以上的编码方式的优点进行综合，达到提高编式的优点进行综合，达到提高编码效率的目的。码效率的目的。8.6 8.6 混合编码混合编码混合编码实现的可能性及有效性分析混合编码实现的可能性及有效性分析回顾一下讲过的几个内容的特点：回顾一下讲过的几个内容的特点：1 1

27、）行程编码：）行程编码： 擅长于重复数字的压缩。擅长于重复数字的压缩。2 2）HuffmanHuffman编码：擅长于像素个数分布不均匀情编码：擅长于像素个数分布不均匀情 况下的编码。况下的编码。3 3）DCTDCT变换：变换： 擅长分离视觉敏感与不敏感的擅长分离视觉敏感与不敏感的 部分。部分。8.6 8.6 混合编码混合编码例：例： aaaa bbb cc d eeeee fffffff （共共2222* *8=176 bits)8=176 bits) 4 3 2 1 5 7 行程编码：行程编码：4a3b2c1d5e7f 4a3b2c1d5e7f ( (共共6 6* *（8+38+3）= 6

28、6Bits = 66Bits ) ) 176 668.6 8.6 混合编码混合编码 aaaa bbb cc d eeeee fffffff （共22*8=176 bits) 4 3 2 1 5 7 HuffmanHuffman编码：编码： f=01 e=11 a=10 b=001 c=0001 d=0000 1010101010001001001000100010000111111111101010101010101 (共共 7*2+5*2+4*2+3*3+2*4+1*4=53 bits) 176 66 538.6 8.6 混合编码混合编码 aaaa bbb cc d eeeee ffffff

29、f （共22*8=176 bits) 4 3 2 1 5 7 HufmanHufman与行程编码混合：与行程编码混合： 41030012000110000511701 (共：共：3+2+3+3+3+4+3+4+3+2+3+2=35 bits) 176 66 53 35 100%37.5%30.1% 9.9%8.7 图像的小波压缩小波变换通过多分辨率分析过程将一幅图像分成近似和细节两部分，细节对应的是小尺度的瞬变，它在本尺度内很稳定。因此将细节存储起来，对近似部分在下一尺度上进行分解，重复该过程即可。数据压缩的步骤（1）小波分解或小波包分解。选择一种小波和分解的最高层N，计算被压缩信号在各尺度上

30、的小波系数或小波包系数。（2）量化各尺度细节部分的小波系数或小波包系数。自1N各层，利用相同的或不同的阈值对细节小波系数或小波包系数进行量化。（3）恢复信号。对于小波，利用第N层上的近似部分的小波系数和自1N各层上被量化的细节的细节小波系数来恢复信号；对于小波包，利用第N层上各节点被量化的小波包系数来恢复信号。小波系数或小波包系数的量化阈值：硬阈值和软阈值。硬阈值：将信号的绝对值和阈值比较，小于或等于阈值的点置零，大于阈值的点保持不变。软阈值：将信号的绝对值和阈值比较，小于或等于阈值的点置零，大于阈值的点变为该点值与阈值的差值。数据压缩采用硬阈值。小波系数或小波包系数经过量化，产生大量的零值，

31、通常有成组连续的零值，采用适当的编码方法，只记忆非零值，来实现数据压缩。二维小波图像压缩的方法方法一：对图像做小波分解后，可得到一系列不同分辨率的子图像（它们所对应的频率不相同）。而对于图像来说，表征它的最主要部分是低频部分，而高频部分大部分点的数值均接近于0，而且频率越高，这种现象越明显。因此去除高频，保留低频是一种最简单的图像压缩方法。二维小波图像压缩的方法方法：用wavedec2函数对图像进行小波分解后，再用appcoef2函数提取低频系数，最后用wcodemat函数进行量化编码。方法二：利用小波工具箱中专用的阈值图像压缩函数wdencmp。信号降噪一个含有噪声的信号模型如下：式中，s(

32、n)为含有噪声的信号；f(n)为有用信号；e(n)为噪声；n为等间隔的时间；为噪声水平。在最简单的含有噪声的信号模型中， e(n)为高斯白噪声，并且噪声水平为1。)()()(nenfns小波或小波包降噪方法降噪的目的是抑制信号s中的噪声部分，再现信号f。降噪步骤：（1）小波或小波包分解。选择小波和分解的最高层次N，计算信号s在第N层的小波系数或小波包系数。（2）设定各层细节的阈值。对第1层到第N层的各层，选择阈值，对各层细节的小波系数或小波包系数用软阈值进行处理。小波或小波包降噪方法（3）重构信号。对于小波，利用第N层近似部分小波系数和从第1层到第N层经过处理的各细节小波系数重构信号；对于小波

33、包，利用第N层各节点的小波包系数重构信号。小波或小波包降噪采样软阈值来量化小波系数。四种阈值原则：无偏似然估计原则，固定阈值原则，启发式阈值原则和极值阈值原则。其他的免费软件工具：Wavelab David Donoho在斯坦福大学开发的Matlab程序库，最新版本为Wavelab 0.802，有1200多个文件。LastWave 小波信号和图像处理软件，用C语言编写，可在Unix和Macintosh上运行。值得关注的几个发展方向：提升小波变换（Lifting scheme wavelet transform)多小波变换（Multiwavelet transform) 线调频小波变换(chir

34、plet transform)。提升小波变换（Lifting scheme wavelet transform)传统的第一代小波变换是在欧氏空间内通过基底的平移和伸缩构造小波基的，不适合非欧氏空间的应用，因此小波提升方案应运而生，它是构造第二代小波变换的理想方法。提升小波在1996年由Sweldens提出后，在信号处理领域得到了广泛的应用。在静态图像处理中，提升小波已被选做JPEG2000的变换核。在视频领域，使用提升小波方法自适应地对任意形状的物体进行编码，显著地提高了编码效率。提升算法相对于Mallat算法而言，被誉为第2代小波变换。使我们能用一种简单的方法去解释小波的基本理论，而第一代小

35、波变换都可以找到等效的提升方案。提升方案把第一代小波变换过程分为以下三个阶段：分解（Split）、预测（Predict）和更新（Update）。提升算法的分解和重构如图。算法实现方法（1）分解。将输入信号 分为2个较小的子集 和 ， 也称为小波子集。最简单的分解方法是将输入信号 根据奇偶性分为2组。（2）预测。在基于原始数据相关性的基础上，用偶数序列 的预测值 去预测（或内插）奇数序列 ，即将滤波器P对偶数信号作用以后作为奇信号的预测值，奇信号的实际值与预测值相减得到残差信号。is1is1id1idis1is)(1isP1id算法实现方法（3）更新。为了使原信号集的某些全局特性在其子集 中继续

36、保持，必须进行更新。更新的思想使要找到一个更好的子集 ，使得它保持原图的某一标量特性 （例如均值、消失矩等不变），即有 。可以利用已知计算的小波子集 对 进行更新，使得后者保持特性 ，即要构造一个算子U去更新 。定义如下： 1is1is1is1is1is)()(1iisQsQ)(xQ)(xQ)(111iiidUss多小波变换：在图像处理和信号分析的实际应用中，我们需要小波具有正交性和对称性。可是，实数域中，紧支、对称、正交的非平凡单小波是不存在的，这使人们不得不在正交性与对称性之间进行折衷。Goodman等提出多小波的概念，其基本思想是将单小波中由单个尺度函数生成的多分辨分析空间，扩展为由多个尺度函数生成，以此来获得更大的自由度。1994年，Geronimo,Hardin和Massopus构造了著名的GHM