區塊重排於小波封包之階層式集合分割影像壓縮技術

以作者查詢圖書館館藏

、以作者查詢臺灣博碩士

、以作者查詢全國書目

、勘誤回報

、線上人數：64

、訪客IP：3.148.102.202

姓名

溫國瑋(Kuo-Wei Wen ) 查詢紙本館藏

畢業系所

電機工程研究所

論文名稱

區塊重排於小波封包之階層式集合分割影像壓縮技術
(Block Reordering Wavelet Packet SPIHT Image Coding)

相關論文

★ 運用G.729與G.723.1於多點會議系統之多聲道語音混合方法	★ 寬頻網路之即時視訊品質控制系統
★ 多層漸進式零樹小波分頻音訊壓縮技術	★ 資料隱藏技術應用於 H.263 視訊編碼之錯誤偵測
★ 無線傳輸及網際網路環境下之G.729與G.723.1語音傳輸	★ 零樹小波視訊編碼之錯誤偵測與隱藏
★ 雜訊通道中視訊編碼防錯技術之研究	★ 小波及離散餘弦域上使用子區塊分類之金匙數位影像浮水印系統
★ 資料隱藏應用於零樹小波分頻壓縮系統之音訊封包遺失回復技術	★ IP網路之MPEG-4調適性視訊品質控制
★ 動態調整緩衝區方法應用於網路延遲之VoIP語音品質改善	★ 語音編碼G.729及MELP之資料隱藏方法
★ 金匙小波域音訊浮水印系統	★ 快速多階連續消除移動預估演算法應用於H.26L視訊編碼標準
★ 視訊封包封裝與調適性自動重送於無線區域網路之研究	★ 即時性視訊訊務預測與頻寬協商機制於具服務品質保證之網路

檔案

[Endnote RIS 格式]

[Bibtex 格式]

[相關文章]

[文章引用]

[完整記錄]

[館藏目錄]

[檢視]

[下載]

本電子論文使用權限為同意立即開放。
已達開放權限電子全文僅授權使用者為學術研究之目的，進行個人非營利性質之檢索、閱讀、列印。
請遵守中華民國著作權法之相關規定，切勿任意重製、散佈、改作、轉貼、播送，以免觸法。

摘要(中)

由Said和Pearlman所提出的階層式集合分割影像壓縮技術(SPIHT)，提供了有效率的漸進式和嵌入式的影像壓縮特性。然而，對於某些除了具有大量低頻信號外，也同時擁有高頻信號的影像，SPIHT的編碼壓縮效率都會顯得低落。這是因為這樣類型的影像，並無法透過小波轉換的處理，徹底地將影像中的能量做有效率的集中，以符合SPIHT的編碼特性。本論文提出了利用小波封包以及區塊重排的方法(BRWP-SPIHT)，以達到能量的集中，使編碼效率以及影像視覺品質得以提升。區塊重排技術把影像的小波係數資訊分成許多區塊，再根據每一個區塊的重要性，重新編排這些區塊的位置。根據實驗結果顯示，BRWP-SPIHT在對於具有大量低頻信號外，也同時擁有高頻信號的測試影像，平均而言，客觀的PSNR可以比SPIHT大約提升0.6 dB，而在主觀的視覺品質上，對重建的影像品質也有一定程度的增強，特別是在影像中的條紋和材質部分。

摘要(英)

The set partitioning in hierarchical trees (SPIHT) coding algorithm, proposed by Said and Pearlman, provides effective progressive and embedding property. However, for images with high energy that is randomly dispersed throughout high frequency subbands in the wavelet domain, the SPIHT does not fully exploit energy compaction of the wavelet transform and thus becomes less efficient to represent these images. This paper presents an energy compaction method, block reordering wavelet packet SPIHT (BRWP-SPIHT) coding, to enhance the image visual quality. The block reordering technique divides the wavelet coefficients into blocks and reorders these blocks based on the significance of each block. The simulation results show that BRWP-SPIHT is superior, on average, to SPIHT by 0.6 dB for texture rich images. Subjectively, it also shows significant enhancement to the quality of the reconstructed image, particularly for images with fractal and oscillatory patterns.

關鍵字(中)

★ 區塊重排
★ 小波封包
★ 小波轉換
★ 階層式集合分割影像壓縮技術

關鍵字(英)

★ block reordering
★ SPIHT
★ wavelet packet
★ wavelwe transform

論文目次

第一章緒論 1
1.1前言 1
1.2研究動機 1
1.3論文架構 3
第二章靜態影像壓縮編碼技術 4
2.1小波轉換 4
2.1.1小波轉換簡介 4
2.1.2小波轉換係數之對應關係 6
2.2 SPIHT之編碼壓縮系統 7
2.2.1 SPIHT簡介 7
2.2.2 SPIHT的系統架構 8
2.2.3 SPIHT編碼之範例解說 17
2.3算數編碼 25
2.3.1在SPIHT上算術編碼的運用 27
2.4實驗結果 27
第三章 SPIHT靜態影像壓縮編碼技術之改良 33
3.1 SPIHT存在的問題 33
3.2 Sorting Pass部分的改良 34
3.3高頻部分的能量集中與處理 37
3.3.1小波封包的應用 38
3.3.2區塊重排的改良方法 40
3.3.3可變動區塊重排的改良方法 45
3.3.4各頻帶的位元配置 48
第四章實驗結果與討論 52
4.1 Sorting Pass改良之成果數據 52
4.2使用小波封包之各項成果數據 55
4.3區塊重排之各項成果數據 57
4.4可變動區塊重排之各項成果數據 66
第五章結論與未來展望 76

參考文獻

[1]A. Said and W. A. Pearlman, “A new fast and efficient image codec based on set partitioning into hierarchical trees,” IEEE Trans. on Circuits and Systems for Video Technology, vol.6 pp.243-250, June 1996.
[2]J. M. Shapiro, “Embedded image coding using zerotrees of wavelet coefficients,” IEEE Trans. Signal Processing, Spec. Issue Wavelets Signal Processing, vol. 41, pp. 3445-3462, Dec. 1993.
[3]S. A. Martucci, I. Sodagar, T. Chiang, and Y. Q. Zhang, "A Zerotree Wavelet Video Coder," IEEE Trans. on Circuits and System for Video Technology, vol. 7, no. 1, pp.109-118, Feb 1997.
[4]S. D. Servetto, K. Ramchandran and M. T. Orchard, “Wavelet based image coding via morphological prediction of significance,” in Proc. IEEE Int. Conf. Image Processing, pp. 530-533, Oct. 1995.
[5]S. D. Servetto, K. Ramchandran and M. T. Orchard, “Image coding based on a morphological representation of wavelet data,” IEEE Transactions on Image Processing, Vol. 8, pp. 1161-1174, Sept. 1999.
[6]B. B. Chai, J. Vass and X. Zhuang, “Significance-linked connected component analysis for wavelet image coding,” IEEE Transactions on Image Processing, Vol. 8, pp. 774-784, June 1999.
[7]R. M. Rao and A. S. Bopardikar, “Wavelet Transform,” 1998.
[8]A. Gersho and R. M. Gray, “Vector quantizatioin and signal compression,” Kluwer Academic Publishers. Feb. 1992.
[9]I. H. Witten, R. M. Neal, and J. G. Cleary, “Arithmetic coding for data compression,” Communications of the ACM, Vol. 30, No. 6, Jun. 1987.
[10]D. A. Huffman, “A method for the construction of minimum-redundancy codes,” Proc. Inst. Electr. Radio Eng. 40, pp. 1098-1101, Sep. 1952.
[11]M. Antonini, M. Barlaud, P. Mathieu, and I. Daubechies, “Image coding using wavelet transform,” IEEE Trans. Image Processing, vol. 1, pp. 205-220, Apr. 1992.
[12]http://www.ipl.rpi.edu/research/SPIHT/
[13]S. G. Mallat, “A theory for multiresolution signal decomposition: The wavelet representation,” IEEE Trans. Pattern. Analysis and Machine Intell., vol. 11, pp. 674-693, July 1989.
[14]R. R. Coifman and M. V. Wickerhauser, "Entropy-based algorithms for best basis selection," IEEE Trans. Information Theory, vol. 38, pp. 713-718, March, 1992.
[15]D. Taubman, “High performance scalable image compression with EBCOT, ” Proce. IEEE Int. Conference on Image Processing(ICIP), pp. 24-28, October 1999, Kobe, Japan.
[16]D. Taubman, “High performance scalable image compression with EBCOT, ” IEEE Transactions on Image Processing, Vol. 9, pp. 1158-1170, July. 2000.
[17]F. G. Meyer, A. Z. Averbuch, “Fast adaptive wavelet packet image compression,” IEEE Transactions on Image Processing, Vol. 9, pp. 792-800, May 2000.
[18]N. M. Rajpoot, F. G. Meyer, R. G. Wilson and R. R. Coifman, “On zerotree quantization for embedded wavelet packet image coding,” in Proc. Int. Conf. Image Processing, 1999.

指導教授

張寶基(Pao-Chi Chang)

審核日期

2001-7-6

推文