基于小波变换的图像压缩的SPIHT改进算法的中期报告.docx

基于小波变换的图像压缩的SPIHT改进算法的中期报告 一、研究背景 随着数字图像处理技术的不断发展，图像的压缩成为了研究的热点之一。图像压缩可以节省存储空间和传输带宽，提高传输效率。其中，基于小波变换的图像压缩算法因其良好的压缩效果和可控的失真率，受到广泛关注。其核心思想是将图像转换到小波域，由此可得到图像的频率信息和空间信息。通过对小波系数进行量化和编码，达到压缩图像的目的。 在基于小波变换的图像压缩算法中，SPIHT算法是一种典型的分层编码算法。该算法通过划分图像的小波系数为不同的子集，每个子集都有不同的编码方式，可以对图像进行逐层压缩。SPIHT算法不仅可以提高压缩比，同时还能够具有可逆性和容错性等优点，适用于不同类型的图像。 然而，SPIHT算法仍然存在一些问题：1）编码时间过长，不适合实时应用；2）在高压缩比下，失真率增高。 为了解决上述问题，许多学者对SPIHT算法进行了改进。本项目旨在探究基于小波变换的图像压缩的SPIHT改进算法，提高压缩效率和性能，从而更好地适应各种应用场景。 二、研究内容 1. SPIHT算法的原理和流程 2. SPIHT算法的优点和缺点 3. SPIHT算法改进的研究现状 4. 提出改进算法的思路和方案 5. 实现改进算法并进行测试和分析 6. 结果分析和总结 三、预期成果 本项目预期完成以下工作： 1.掌握基于小波变换的图像压缩的SPIHT算法的原理和流程，了解其优缺点； 2.分析SPIHT算法的改进算法研究现状，提出一种新的改进方案； 3.实现该算法并进行实验测试，对比分析改进前后的压缩效率和失真率等指标； 4.总结研究成果，对该算法的应用前景和研究方向进行展望。 四、进度计划 第一周：研究小波变换和SPIHT算法的原理和流程 第二周：分析SPIHT算法的优缺点和改进算法研究现状 第三周：提出改进算法的思路和方案，展开实现准备工作 第四至六周：实现改进算法并进行测试和分析 第七周：分析实验结果，总结研究成果 第八周：撰写报告并进行修改 五、参考文献 1. Said A, Pearlman W. A new, fast, and efficient image codec based on set partitioning in hierarchical trees[C]//IEEE Data Compression Conference. IEEE, 1996: 473-482. 2. Yang Y, Tsaig Y, Osher S. Fast TV compressed sensing/restoration of greyscale and color images[C]//International Conference on Scale Space and Variational Methods in Computer Vision. Springer, Berlin, Heidelberg, 2009: 423-434. 3. Wu H, Zhou Q, Wang F, et al. A Fast SPIHT Image Compression Algorithm Based on GPU[C]//2017 14th International Computer Conference on Wavelet Active Media Technology and Information Processing (ICCWAMTIP). IEEE, 2017: 224-230. 4. Kamath C, Mukherjee D P. On numerical issues and performance evaluation of spiht for image compression[J]. Signal Processing, 2003, 83(5): 1001-1019. 5. Zhang Y, Zhou S, Wang S, et al. Image Compression based on Over-complete Sparse Representation and Multi-scale Tree-structured Image Decoder[C]//2017 IEEE International Conference on Computer and Communications (ICCC). IEEE, 2017: 1410-1413.