论文部分内容阅读
随着信息高速公路、数字地球概念的提出以及Internet的广泛使用,信息传输量急剧增长,其中图像信息以其信息量大等一系列优点使其成为人类获取信息的重要来源以及利用信息的重要手段。大量的图像信息需要存储和传输,仅依靠提高信道带宽和计算机的处理速度,不能满足人们对图像信息存储和传输的需要,这就需要结合图像的压缩编码技术来满足人们的要求。当前图像压缩技术在生物医学应用、无线通信、计算机图形图像处理等许多方面有着广泛的应用。 本论文以湖北省科技厅项目“智能运输系统视频信号采集系统识别算法研究”为背景,针对图像信号采集和实时传输中的图像压缩问题,基于图像编码理论、人工神经网络理论和小波变换理论对静态图像的有损压缩技术进行了较深入的分析、比较和研究,提出了静态图像的有损压缩方案。方案首先利用小波多分辨分析性质,对图像进行小波分解,对分解后各子图的小波系数进行了统计分析,针对各子图的小波系数特点,对不同的子图分别采用不同的压缩方法,低频子图采用基于神经网络的自适应预测编码,高频子图采用基于神经网络的矢量量化编码,从而实现对图像数据的压缩处理。 本论文第一章介绍了数字图像压缩处理的国内外当前的概况以及其技术标准和分类。在第二章,介绍了数字图像的矢量量化技术的数学思想和过程,对LBG算法和基于SOFM神经网络的矢量量化进行了阐述、分析。第三章论述了无损和有损预测编码,分析了自适应预测编码中的BP神经网络,论述了神经网络在图像压缩中的算法评估。第四章讨论了数字图像变换域技术在图像压缩中的应用并做了相应的实验,同时对图像变换编码的策略进行了讨论。第五章用小波变换对图像进行分解和表述,讨论了小波函数在图像压缩中的性质和影响,对图像变换后的小波系数进行了分析。建立在前面各章的理论和分析的基础上提出了静态图像的有损压缩方案,并给出了实验结果。实验结果证明了方案的可行性,同时该方案能更好的与图像的局部内容相匹配,去除冗余,获得较好的图像压缩效果。