简论渐进支持分辨率渐进码流无损图像编码策略

摘要：针对无损图像压缩编码，提出了一种新颖的图像分解去相关方法。当前的无损图像编码方法主要有CALIC和JPEG LS，两者都在空域直接作预测，导致编码码流不具有分辨率可伸缩性。结合小波提升模式与边缘自适应预测研究实现了一种比二维小波变换性能更好的分解方法。首先，对图像的每一列样值进行一维小波分解；然后，对高频子带进行边缘自适应预测，减少残留的信息。针对低频子带图像进行同样的两步操作，就完成了对图像的一次二维分解。对低频图像进行多次迭代操作后即形成了对图像的一个多分辨率分解。实验结果表明，与JPEG2000的无损模式相比，由于边缘自适应预测的引入，提出的分解模式获得了明显的编码增益。
0引言
过去的几十年里，图像压缩受到了全世界许多研究者的关注，其中很多工作是关于无损图像压缩的研究，这些压缩编码方法被广泛应用于各领域。在无损图像压缩方法当中，最具代表性的应该属基于中值边缘检测（MedianEdgeDetector

源于：毕业设计论文网www.udooo.com

，MED）的低复杂度无损图像压缩（LowComplexityLosslessCompressionforImages，LOCO I）算法和基于梯度自适应预测（GradientAdaptivePrediction，GAP）的上下文自适应的无损图像压缩编码（Context basedAdaptiveLosslessImageCodec，CALIC）算法。LOCO I算法已经被采纳作为无损图像压缩（LosslessJPEG，JPEG LS）标准。它们的结构由两部分组成，即预测器和编码器。这两种无损图像压缩算法可概括为在空域内进行预测，再对残差进行编码，因此它们被归类为预测编码法。除此之外，Li等提出了一种边缘自适应预测（Edge DirectedPrediction，EDP）方法[3]。与前两种比较，EDP性能更高但时间复杂度有所增大。文献[4-5]通过采用更加复杂的上下文模型分别提出了不同的预测方法，虽然预测性能高，但是时间复杂度过高而不太实用。文献[6]首先对局部区域进行分类，对不同的区域采用不同的预测方法，编码性能有较大提高，然而时间复杂度也很高。除了预测编码，小波变换也被应用于无损图像压缩，例如基于整数可逆小波变换的JPEG2000就可生成图像的无损压缩码流[7-8]。与预测编码方法不同的是JPEG2000生成的码流具有一个很好的特性，就是分辨率渐进性。分辨率渐进性码流具有一个显著优点，那就是解码端可以根据实际需要，只解部分码流获得一个低分辨率的图像，这给图像传输带来了方便。