基于上下文的靜止圖像和極光圖像壓縮.pdf

1、隨著數(shù)字通信和Interact技術的不斷發(fā)展，人們對語音、圖像、視頻等多媒體信息的需求越來越多，同時，對多媒體質(zhì)量的期望也越來越高。圖像作為多媒體信息重要的組成部分，數(shù)據(jù)量極大，因此圖像的海量存儲以及傳輸技術對圖像壓縮技術提出了更高的要求。小波變換具有時域和頻域的雙重特性，基于小波變換的編碼技術相對于傳統(tǒng)的編碼方法壓縮效率更高，同時能夠?qū)崿F(xiàn)嵌入式的碼流，因此，小波變換在圖像壓縮編碼技術中得到廣泛的應用。本文在研究小波理論和上下文模型的基

2、礎上，分別改進了原有基于上下文的算術編碼方法以及基于上下文模型預測的無損壓縮方法，然后再利用運動補償技術對無損壓縮方法進一步的改進。主要研究內(nèi)容包括：
　　 ⑴基于離線和自適應權(quán)值上下文分類的圖像壓縮編碼方法。針對高階上下文模型算術編碼器中上下文量化復雜度較高和樣本稀疏的問題，本文提出了一種新的基于離線和自適應權(quán)值上下文分類的算術編碼器。通過訓練小波變換系數(shù)之間的相關性，建立上下文模型并得到代表重要性的權(quán)值；將權(quán)值作為上下文，并

3、通過Lloyd-max量化分類器進一步減少上下文的階數(shù)，傳統(tǒng)的高階上下文算術編碼器可以近似為低階。同時本文既包含離線權(quán)值上下文概率估計，同時改進后的自適應權(quán)值上下文概率估計效果與離線性能相當，而且性能上優(yōu)于目前的基于上下文的算術編碼器。
　　 ⑵基于上下文預測的三維極光圖像壓縮。本文基于3D-CALIC算法，提出了一種新的自適應的上下文預測方法，本文建立的上下文模型能夠根據(jù)極光圖像的幀間及幀內(nèi)相關性選擇合適的預測方法(幀內(nèi)或者幀

4、間)，同時基于該上下文模型的預測方法能夠自適應的選擇模型內(nèi)的像素對當前像素進行預測，解決了傳統(tǒng)預測算法中使用固定位置和數(shù)目的像素進行預測的算法。本文提出算法的復雜度低，預測公式簡單，能夠?qū)崿F(xiàn)實時性應用，而且性能高于傳統(tǒng)的基于預測和變換的無損壓縮方法。
　　 ⑶基于運動補償?shù)臉O光圖像無損壓縮。本文基于視頻的運動補償算法，并針對極光圖像非剛體的特性，提出了基于點的運動估計和運動補償方法，該方法能克服塊運動補償給極光圖像帶來的預測不準