10、基于图像恢复和系数融合的新型图像解压缩技术

基于图像恢复和系数融合的新型图像解压缩技术

1. 引言

随着数字图像变得越来越普遍且质量越来越高，处理的数据量也越来越大。为了减少存储和带宽需求，图像压缩成为了必要手段。在过去的十年里，人们提出了各种各样的图像压缩方法，其中小波变换因其能够在不同尺度和方向上分析信号，在有损图像压缩中得到了广泛应用。

图像压缩可分为无损压缩和有损压缩。无损压缩能完整保留图像质量，重建时像素强度无变化，但压缩比低；有损压缩在频域实现，通过牺牲频率系数的精度来获得更高的压缩比。由于低频分量构成图像的基础，高频分量表达图像的纹理信息，低频比高频更重要，所以高频的量化步长比低频大得多。这就导致在压缩过程中高频信息丢失，重建图像的细节也随之丢失。

为了提高重建图像的质量，本文将图像恢复和系数融合技术引入解压缩过程，提出了一种新型的图像解压缩技术。

2. 相关工作

2.1 基于小波的有损图像压缩

大多数自然图像的颜色变化较为平滑，细节表现为平滑变化之间的尖锐边缘。从技术上讲，颜色的平滑变化可称为低频变化，尖锐变化为高频变化。低频分量构成图像的基础，高频分量在此基础上细化图像，使图像更详细。因此，平滑变化比细节更重要。

可以使用离散小波变换（DWT）对图像进行分解，将图像的平滑变化和细节分离，其两层分解结构如图1所示。

由于人眼对大面积亮度的微小差异较为敏感，但对高频亮度变化的精确强度分辨能力较差，因此可以根据压缩比的要求忽略高频分量，以减少所需的信息量。变换系数量化为有限值后，可使用熵编码器进行进一步压缩。

小波编码器的一般框图如图2(a)所示，先对原始图像进行离散小波变换，然后对变