论文部分内容阅读
随着数字通信和Internet技术的不断发展,人们对语音、图像、视频等多媒体信息的需求越来越多,同时,对多媒体质量的期望也越来越高。图像作为多媒体信息重要的组成部分,数据量极大,因此图像的海量存储以及传输技术对图像压缩技术提出了更高的要求。小波变换具有时域和频域的双重特性,基于小波变换的编码技术相对于传统的编码方法压缩效率更高,同时能够实现嵌入式的码流,因此,小波变换在图像压缩编码技术中得到广泛的应用。本文在研究小波理论和上下文模型的基础上分别改进了原有基于上下文的算术编码方法以及基于上下文模型预测的无损压缩方法,然后再利用运动补偿技术对无损压缩方法进一步的改进。主要包括以下研究内容：(1)基于离线和自适应权值上下文分类的图像压缩编码方法。针对高阶上下文模型算术编码器中上下文量化复杂度较高和样本稀疏的问题,本文提出了一种新的基于离线和自适应权值上下文分类的算术编码器。通过训练小波变换系数之间的相关性,建立上下文模型并得到代表重要性的权值；将权值作为上下文,并通过Lloyd-max量化分类器进一步减少上下文的阶数,传统的高阶上下文算术编码器可以近似为低阶。同时本文既包含离线权值上下文概率估计,同时改进后的自适应权值上下文概率估计效果与离线性能相当,而且性能上优于目前的基于上下文的算术编码器。(2)基于上下文预测的三维极光图像压缩。本文基于3D-CALIC算法,提出了一种新的自适应的上下文预测方法,本文建立的上下文模型能够根掘极光图像的帧间及帧内相关性选择合适的预测方法(帧内或者帧问),同时基于该上下文模型的预测方法能够自适应的选择模型内的像素对当前像素进行预测,解决了传统预测算法中使用固定位置和数目的像素进行预测的算法。本文提出算法的复杂度低,预测公式简单,能够实现实时性应用,而且性能高于传统的基于预测和变换的无损压缩方法。(3)基于运动补偿的极光图像无损压缩。本文基于视频的运动补偿算法,并针对极光图像非刚体的特性,提出了基于点的运动估计和运动补偿方法,该方法能克服块运动补偿给极光图像带来的预测不准确问题。该算法复杂度低,满足实时性应用需要,并且性能略高于传统预测方法和基于块的运动补偿算法。