毕业设计附件

附件清单：编号附件内容页数1任务书32文献综述123外文翻译274开题报告125指导记录卡16进程安排与考核表17指导教师评语表18评阅教师评语表19答辩小组评语表110成绩评定表111答辩记录表1基于EZW的图像压缩研究与实现开题报告一、选题意义与可行性分析近年来，随着多媒体技术及计算机网络的迅速发展，图像压缩在多媒体信息的传输和存储中显得越来越重要，图像压缩技术的研究受到人们越来越多的重视。图像压缩是在满足一定图像质量条件下用尽量少的比特数来表示图像。传统的图像编码方法以信息论为基础，采用离散余弦变换为主要技术，可以较好的去除图像信息的冗余，但是在高压缩比条件下存在较明显的方块效应。小波变换、分形和神经网络作为第二代图像压缩编码方法，由于具有更高的压缩比和图像恢复质量，受到了越来越多的重视，具有广阔的应用空间。其中小波变换具有出色的时频域分析和多分辨率分析特性，克服了传统的图像压缩算法的缺点，灵活的应用于图像压缩编码领域。[1~3]目前，基于小波变换的图像压缩编码方法主要有两种：嵌入式零树编码(EZW算法)[4]和分层小波树集合分割算法(SPITH算法)[5]。EZW算法简单易实现，压缩性能较好，这种方法很好地利用了小波系数的特性使得输出的码流具有嵌入特性，既实现了高的压缩比，又保证了重建图像的质量。EZW算法采用零树量化方法，它充分利用了图像的小波变换系数各子带之间的相关性，在低码率下获得了较高的信噪比。零树量化算法的基本思想是在量化小波系数时采用了零树这种数据结构，来充分利用小波变换的优秀时频局部性和挖掘变换系数各子带之间的相关性。SPIHT针对EZW的重要系数图的表示方法，用集合的方式改变了重要系数在表中的排序信息，使重要系数表示更加精简，虽然提高压缩效率，但是实现复杂，处理含较多纹理信息的图像时会产生较大的失真，不利于硬件实现[6]。本课题拟在对EZW算法进行比较分析的基础上，用VisualC++编程实现其变换，研究算法的性能及优缺点。二、图像压缩研究现状及发展趋势2.1研究现状第一代图像压缩编码的研究工作是从上个世纪50年代提出电视信号数字后开始的，至今己有60多年的历史[7]。主要是基于信息论的编码方法，压缩比小。1966年J.B.Neal对比分析了差分编码调制(DPCM)和脉冲编码调制(PCM)并提出了用于电视的实验数据[8]。1969年进行了线性预测编码的实际实验。同年举行首届图像编码会(PictureCodiSymP0sium)，在这次会议之后，图像压缩编码算法的研究有了很大进展。由于DCT压缩算法具有编码效果较好、运算复杂度适中等优点，目前己经成为国际图像编准(JPEG)的核心算法[3,8]。为了克服第一代图像压缩编码存在的压缩比小、图像复原质量不理想等1985年Kunt等人充分利用人眼视觉特性提出了第二代图像压缩编码的概念。上世纪80年代中后期，人们相继提出了在多分辨率下表示图像的方案，主要方子带压缩编码、金字塔压缩编码等。这些方法均在不同程度上有如下优点:多分辨率的信号表示有利于图形信号的渐输，不同分辨率的信号占用不同的频带，便于引入视觉特性[3]。1987年，Mallat次巧妙地将计算机视觉领域内的多尺度分析思想引入到小波变换中，统一了在之前各种小波的构造方法之后，他又研究了小波变换的离散形式，并将相应的法应用于图像的分解与重构中，为随后的小波图像压缩编码奠定了理论基础[9]。1988年Barnsly和S1an共同提出了分形图像编码压缩方案，之后，各国学者提出各种各样的改进方法，从而掀起了分形图像编码的新高潮。但由于在分形压缩编码过程中，运算量大，从而造成编码时间过长，且提高压缩比同减小失真度之间的矛盾始终存在，从而局限了它的实用性[10]。上个世纪90年代后，又取得了一系列图像压缩编码研究的阶段性新成果，基于零树的编码法首先由A.5.Lewis和G.Knoes提出，其特点是根据小波系数在同方向子带中的相似性，即若一个小波系数较小，则很可能高一级(频率更高)同方向子带中相应位置的小波系数也较小，利用一种称为小波树的树形结构来组织小波系数，使其能方便地去除频域和空间域中的相关性。接着Shapiro结合比特平面编码方法设计了更好的零树编码方法[4]，Shapiro提出的嵌入式零树小波算法是迄今为止最有效的方法，它有效地利用了小波系数的特性，实现了图像的可分级编码，但是不同程度地存在算法时间复杂度和空间复杂度过高的弱点。目前，小波变换的图像压缩编码算法已成为图像压缩研究领域的一个主要方向，基于小波变换的图像编码技术正逐步显示出它的优越性，其中小波变换己被JPEG-2000国际标准采用[11]。2.2发展趋势随着数字化技术的迅速发展，数字图像也被越来越多的运用在我们的日常学习、生活、工作当中，图像压缩技术将会非常的重要。从国际数据压缩技术的发展尤其是MPEG的发展可以看出，基于内容的图像压缩编码方法是未来编码的发展趋势。它不仅能满足进一步获得更大的图像数据压缩比的要求，而且能够实现人机对话的功能。另外，任意形状物体的模型建立的关键问题还没有解决，这严重影响其应用的广泛性。因此，图像编码将朝着多模式和跨模式的方向发展。通过元数据进行编码也是今后编码的发展方向。元数据是指详细的描述音/视频信息的基本元素，利用元数据来描述音视频对象的同时也就完成了编码，因为此时编码的对象是图像的一种描述而不再是图像本身。从另一个角度来说，进一步提高压缩比，提高码流的附属功能（码流内容的可访问性、抗误码能力、可伸缩性等）也将是未来的编码的两个发展方向[12~14]。三、研究的基本内容与拟解决的主要问题本次毕业设计拟从图像数据压缩的必要性出发，阐述本课题的研究意义与可行性，先介绍数字图像处理的基本概念、主要内容及实际应用和图像小波变换的基本理论、实现技术及其在图像处理中的应用，系统地学习图像压缩理论知识。然后重点小波图像压缩编码，对嵌入式小波零树图像编码(EZW)的基本理论、算法思想、实现步骤进行着重研究。最后编写基于VisualC++的EZW算法相关程序，通过实际试验来验证所用方法的可行性和优越性。具体有以下几方面主要内容：1、掌握图像压缩的基本原理。介绍图像及图像压缩的相关知识，弄清楚图像定义、基本概念及压缩编码的基本过程，并且讨论几种传统的、在图像压缩中被广泛采用的编码方法及其基本原理；2、针对经典图像压缩算法进行分析、分类、归纳与总结。重点介绍小波变换的背景及基本理论、函数，其中包括对于传统变换方法的局限性（对瞬态和局部信号分量的分析、时频和空频局部化）的论述，通过对比分析小波变换和传统变换方法，总结出小波变换在图像压缩技术领域有哪些具体的优缺点。同时从小波基的选择、原始信号的边界延拓、小波系数的量化、熵编码、小波分解/重构级数[15~17]来逐步分析小波编码的基本思想、理论。分析小波参数的选择及其对图像压缩前后的质量的影响，以及怎样利用小波系数的分布特点和小波图像特点，对系数进行组织和编码，实现数字图像的压缩；3、学习并掌握EZW图像压缩算法的原理及实现步骤。EZW编码是一个简单的、被证明非常有效的图像编码算法，它是目前公认的静态图像变换压缩编码的最好方法之一。由这种算法得到的比特流中的比特是按照它们的重要性排序的。使用这种编码算法，编码者可以在任意一点结束编码，这样就可以使编码精确地达到一个目标比特率或者一个目标失真率，而这时仍能产生确切的图像。这种算法的特点是不要求训练，不要求预先存储格式码书，也不要求图像源的任何先验知识。[4]EZW编码基于以下三个主要思想，即：（1）利用小波变换在不同尺度间固有的相似性来预测重要信息的位置；[18]（2）逐次逼近量化小波系数；（3）使用自适应算术编码来实现无损数据压缩。

EZW是一种嵌入式编码，即从一幅空图像开始，得到逐步精确的图像。在解码器端可以根据需要在任何时刻停止解码，于是可以得到由粗略到精细的各种图像，逐渐逼近无损压缩的图像。EZW算法采用零树量化方法，它充分利用了图像的小波变换系数各子带之间的相关性，在低码率下获得了较高的信噪比。零树量化算法的基本思想是在量化小波系数时采用了零树这种数据结构，来充分利用小波变换的优秀时频局部性和挖掘变换系数各子带之间的相关性。4、编程实现EZW图像压缩算法，并对其性能进行比较分析。本次设计中将采用VisualC++编写相关程序，对编码后的结果进行分析并得出相关结论，通过实际试验来验证所用方法的优势和可行性。本次设计中关于EZW算法还有一些需要解决的问题：（1）编码过程中大量符号都用来表示不重要系数，存在反复扫描，压缩效率低的现象；（2）对所有的频域进行等同重要度的编码，不能充分利用小波变换的特点；（3）在一棵零树中包含的元素越多，则越有利于数据压缩，在EZW算法中存在这样的树间冗余；（4）在同一子带中相邻元素间有一定的相关性，尤其在高频子带存在大量的低值元素，而EZW算法并没有充分利用这种相关性。四、总体研究思路(方法与技术路线)4.1总体思路小波正变换本次毕业设计主要是学习图像压缩的基本原理及EZW算法的实现方法，在对算法进行比较分析的基础上，研究算法的性能，并完成基于EZW算法的图像压缩。拟先从小波变换在图像变换中的应用入手，学习和研究图像小波变换的分解与重构、嵌入式编码和小波系数零树编码等，相互结合，对嵌入式小波零树图像编码(EZW)进行详细地学习和研究，并使用VisualC++编写相关程序，最后对编码后的结果进行分析并得出相关结论。实验的大致流程如图1所示：小波正变换原始图像选择小波基及级数小波变换图原始图像选择小波基及级数小波变换图小波小波逆变换显示输出结果小波逆变换图选择小波基及级数显示输出结果小波逆变换图选择小波基及级数图1实验流程图4.2相关算法使用小波变换完成图像分解的方法很多，将小波变换一维推广到二维，就可以用于图像处理，实质上相当于分别对图像数据的行和列做一维小波变换。通过水平跟垂直滤波，离散小波将原图像分为4个子图：垂直和水平的低频子图、水平方向的低频和垂直方向的高频子图，水平方向的高频和垂直方向的低频子图，垂直和水平的低频子图。对低频子图再进一步的分解，有可以得到更低分辨率的4个子图、、、。如此反复，可对图像进行多级分解。其分解过程如图2所示。图2图像小波分解示意图小波变换进行图像重构实质上是相当于分别对图像数据的行和列做一维小波逆变换。对通过水平跟垂直滤波，离散小波将一级变换后图像的4个子图进行合成。对多级变换后的图像，则先对其信息集中的图进行重构，然后逐层进行。其重构过程如图3所示，先对进行合成行成；然后逐层完成。实质上小波重构是小波分解的逆过程。图3图像小波重构示意图信道熵编码量化小波变换原始图像应用小波分析进行图像压缩过程如图4所示。信道熵编码量化小波变换原始图像重构图像小波逆变换逆量化解码重构图像小波逆变换逆量化解码图4基于小波的图像压缩过程（1）原始图像经过小波变换后,图像信号由空域变换到小波域,表现为将图像像素矩阵变换成小波变换系数矩阵。由于小波变换是一种正交(双正交)变换,因此这一步骤解除了原始图像中像素点间的相关性,消除了图像信号在空域的冗余,并集中了能量。（2）图像经过小波变换后并没有被压缩,所得到的系数只是具有一定的规律性,需要经过量化编码才能得到真正的压缩.量化一般会导致更多“0”系数出现,进一步使需要表示的数据量减少,为高效编码提供便利.目前,（3）小波图像压缩编码的方案多种多样,主要是利用小波变换后的系数的分布特性来得到不同的方案。目前3个最高等级的小波图像编码是嵌入式小波零树图像编码(EZW)、分层树中分配样本图像编码(SPIHT)和小波数据形态表示图像编码(MRWD)。（4）对编码后的数据进行以上过程的逆过程,即:解码、逆量化和小波逆变换,就可以重建图像。实验拟采用VisualC++编写EZW算法的相关程序。EZW算法采用零树量化方法，它充分利用了图像的小波变换系数各子带之间的相关性，在低码率下获得了较高的信噪比。零树量化算法的基本思想是在量化小波系数时采用了零树这种数据结构，来充分利用小波变换的优秀时频局部性和挖掘变换系数各子带之间的相关性。根据小波变换的原理，其正变换是对图像进行分解，形成子带图像以便于压缩，实现流程图如图5所示；输入图像数据输入图像数据对图像进行行分解对图像进行行分解否判断图像行处否判断图像行处理是否完成是提取列元素是提取列元素对图像进行列分解对图像进行列分解否否否判断图像列否判断图像列处理是否完成是是提取行元素提取行元素判断阶数是否为0判断阶数是否为0输出图像数据是输出图像数据是图5图像分解流程图而小波逆变换主要作用是将分解的图像合成来恢复出原图像的基本信息，实现流程图如图6所示。输入图像数据输入图像数据对图像进行列合成对图像进行列合成判断图像列处判断图像列处理是否完成否是是提取行元素提取行元素对图像进行行合成对图像进行行合成否否判断图像行处判断图像行处理是否完成否是是提取列元素提取列元素判断阶数是否为0判断阶数是否为0是输出图像数据是输出图像数据图6图像合成的流程图五、预期研究成果本次毕业设计主要是学习图像压缩的基本原理及EZW算法的实现方法，在对算法进行比较分析的基础上，研究算法的性能，并完成基于EZW算法的图像压缩编程。设计过程中将对嵌入式小波零树图像编码(EZW)的基本理论、算法思想、实现步骤进行重点学习和研究。实验拟采用VisualC++编程实现其编码，并对编码前后的图像进行对比分析，总结出EZW编码的优点和不足，通过实际实验来验证EZW算法的可行性和优越性，并通过一定的技巧对算法进行优化，进一步提高压缩比和减少失真。六、研究工作计划2013.11.04~2013.12.21完成开题报告、文献综述、英文翻译并上交2013.12.22开题报告答辩，并对开题报告、文献综述、英文翻译修改2013.12.23~2014.03.07学习并编程实现基于EZW的图像压缩2014.03.11-2014.04.17完成实验部分，并撰写论文2014.04.18-2014.04.25学生上交毕业设计，教师评阅2014.04.26-2014.04.30评阅组教师评阅2014.05.1-2014.05.10修改并完善毕业设计2013.05.11论文答辩参考文献[1]张海燕,王东木等.图像压缩技术[J].系统仿真学报,2002,14(7):831~835[2]张春田,苏育挺,张静.数字图像压缩编码[M].北京:清华大学出版社,2006.1.9~13[3]

姚庆栋.图像编码基础[M].北京:清华大学出版社,2006.6.31~42[4]Shapiro,J.M.Embeddedimagecodingusingzerotreesofwaveletcoefficients,SignalProcessing,IEEETransactionson,vol.41,no.12,pp.3445~3462,Dec1993.[5]A.Saidand.W.A.Pearlman.Anew,fast,andeffieientimagecodebasedonSetPartitioninginhierarchicaltrees,IEEETrans.CircuitsSyst.VideoTechnol,vol.6,PP.243~250,June1996.[6]张宗平,刘贵忠等.嵌入分层聚类的小波零树图像编码[J].计算机学报,2002,25(11):23~27[7]阮秋琦.数字图像处理[M].第二版.北京:电子工业出版社,2007.1~2[8]邓炜,赵荣椿.基于自适应四叉树分块和DCT变换的大幅面图像分形压缩算法[J].计算机工程与应用,2001,17(20):45~50[9]张海燕,王东木等.图像压缩技术[J].系统仿真学报