[发明专利]基于小波模极大值重建的改进SPIHT图像编码和解码方法

说明书

本发明公开一种基于小波模极大值重建的改进SPIHT图像编码和解码方法，将小波模极大值重建引入到图像可分级编码中，发现对小波变换后的最高频子带进行模极大值重建能取得较高的重构质量，并利用最高频子带系数的方向梯度模长，选取适合模极大值重建的子带；对需要进行模极大值重建的子带施加二次小波变换，将那些具有幅值相关性的高幅值系数的能量进一步集中到少量系数上，在增加了空间方向树高度的同时，增大了局部模极大值的幅值，有利于改善局部模极大值在中、低码率下的解码精度和交替投影的重建质量；利用父子系数间的幅值衰减规律，对模极大值重建后的小波系数幅值进行约束。

技术领域

本发明涉及图像处理领域，尤其是一种边缘解码精度高、主观质量好的基于小波模极大值重建的改进SPIHT图像编码和解码方法。

背景技术

图像可分级编码方法能够根据空间分辨率、网络带宽或终端计算能力的实际情况对码流的一部分进行解码且解码图像具有较高的重构质量，能够很好地适应网络的异构特性、带宽的动态波动及终端计算能力的多样性，并满足图像的渐进传输、多质量服务以及图像数据库浏览等应用要求。由于其优良的执行效率和压缩比，被广泛应用在高光谱图像压缩、视频压缩、指纹图像压缩、医学图像压缩和图像加密等领域。

图像可分级编码由三个阶段组成，即变换、量化扫描和熵编码。其中，量化扫描阶段是可分级编码的核心步骤，决定了其整体编码效率和渐进逼近效率，其目的是在可接受的数据失真范围内，通过减少像素值或变换系数的值域区间，降低待编码图像的信息熵，进而实现图像压缩。国内外的研究人员提出了多种有效的量化扫描方法，如嵌入式零树方法(Embedded Zerotree Wavelet,EZW)、多级树集合分裂方法(Set Partitioning inHierarchical Trees,SPIHT)、集合分裂嵌入块方法(Set Partitioned Embedded Block,SPECK)和优化截断的嵌入块方法(Embedded Block Coding with Optimized Truncation,EBCOT)等。

在面向静态图像的众多可分级编码方法中，SPIHT是应用范围最广泛、受到关注最多、改进最全面的方法之一。目前，关于SPIHT的研究和改进主要集中在以下三个方面。

第一，基于变换方式改进的SPIHT算法。