信息论与编码技术毕业论文

信息论与编码技术毕业论文内容摘要：

机器人视觉、公安司法、军事制导、文化艺术等，使图像处理成为一门引人注目、前景远大的新型学科。 随着图像处理技术的深入发展，从 20 世纪 70 年代中期开始， 计算机技术和人工智能、思维科学研究的迅速发展，数字图像处理向更高、更深层次发展。 人们已开始研究如何用计算机系统解释图像，实现类似人类视觉系统理解外部世界，这被称为图像理解或计算机视觉。 很多国家，特别是发达国家投入更多的人力、物力到这项研究 当 中，取得了不少重要的研究成果。 其中代表性的成果是20 世纪 70 年代末 MIT的 Marr 提出的视觉计算机理论，这个理论成为计算机视觉领域此后十多年的主导思想。 图像理解虽然在理论方发研究上已 经 取得不小的进展，但它本身是一个比较难的研究领域， 仍然 存在不小困难，因人类本身对自己的视觉过程还了解甚少，因此计算机视觉是一个有待 于 人们进一步探索的新领域 [3]。 2 图像 信号压缩 众所周知，计算机处理的图像都是用点阵表示并且是用图像文件的形式存放的。 通常，图像文件都是大 型文件。 而在应用系统中，常常需要在不同用户之间传递和交换图像文件，这就需要设法把大型图像文件进行压缩， 以 减少存储资源和网络资源的开销。 图像信号压缩的概念与原理 图像信号压缩的概念 图像压缩编码就是图像数据的压缩和编码表示，是通过消除 信息 冗余来设法减少表达图像信息所需数据的比特数。 从统计意义上 说，就是将图像数据转化为尽可能不相关的数据集合。 图像压缩编码系统主要包括图像编码和图像解码两部分。 前者就是对图像信息进行压缩和编码，在存储、处理和传输 之 前进行，也称图像压缩。 后者是对压缩图像进行解压以重建原图像或其近似图像 [4]。 图像信号压缩的原理 首先我们通过以下 两 个例题，研究一下图像 像素 之间的相关性以及与此有关的图像信息 冗余 度问题。 例 有一线状图像，其灰度随长度坐标的变化如图 21 所示，描述这个一 5 维图像，可以用 有 顺序的七个 3bit 的二进制数表示，即 011， 011， 011， 011，101， 101， 101 共 21bit（写成十进制数即 3， 3， 3， 3， 5， 5， 5），但是，如果我们用行程 编码方法对其编码，即用三位二进制数表示灰度幅度，再用三位二进制数表示具有该灰度的顺序 像素 数，那么同时这个图像，其编码 便 变成 011， 100；101， 011（即十进制数的 3， 4； 5， 3），共用了 12bit 数，比前种编码节省了 9bit。 由此可以看出，用不同的编码方法记录同一图像信息，所用的 bit 数也不同，而且有时差别很大。 但是 ，同一编码方法，对于不同的图像，可能会节省 bit 数，也可能会增加 bit 数。 例如 图 22 所示的线状图， 直接编码 100， 011， 110， 101，010， 111， 101，需要 21bit，而 用行程 编码 则需要更多， 不仅不能节省 bit 数，反而要增加 bit 数。 图 21 图 22 对于两个图像进行比较不难发现，前者前后相接的 像素 之间有着较强的相关性，而后者却没有这种相关性。 因此直觉告诉我们， 像素 间 具有较强相关性的图像含有较多的多余信息。 反之，没有相关性的图像 一般 不含有多余的信息。 这种对于描述一幅图像所需要的最少信息以外的多余信息，便称为该图像的 冗 余度。 例 如果一幅图像完全由已知的空间正弦信号组成，那么用数 字化的方法对其采样、整量，从而形成一幅数字图像将需要记录大量数据。 例如 x， y 方向各采 1024 个点，用 8 位整量化器把灰度分成 256 层，则大 约需用 8106 bit 数来描述这幅图像，但是为了不失真地重建这幅图像，事实上并不需要全部记录这8106 bit 数，而只需要记录这一正弦信号的振幅、相位和两个方向的空间频率就足够了。 记录这四个数据便等于记录了整幅图像，于是完成了图像数据压缩。 由 此例可知，被压缩图像 像素 间存在着密切的相关性，这意味着图像数据含 6 有较高的 冗 余度，因此可以进行图像数据压缩。 另一方面，用于重建该图 像必须记录的最少信息 —— 振幅，相位，两个空间频率四个量 —— 却是彼此独立的，即其中任何一个都不能从其余三个预测出来，所以，把一个含有大量相关 像素 的图像，经过某种可逆的变换（压缩 —— 解压），变成仅含有由非相关元素组成的数据组，便可完成图像数据的压缩。 利用 函数 00( , ) s i n ( )f x y A x y    很容易重建该图像 [5]。 图像信号压缩的分类 根据不同的目的和不同的应用，图像压缩有不同的分类方法，比如可按压缩前及解压后的信息保持程度和图像压缩的方法原理来分类。 按照压缩前及解压 后的信息保持程度分 类 1） 信息保持（存）型 减少或去除冗余数据，同时保持信息不变，即压缩、解压中无信息损失，也称无失真 /无损 /可逆型编码。 主要用于图像存档，其特点是信息无失真，但压缩比有限。 无失真压缩编码利用图像信息源概率分布的不均匀性，通过变长编码来减少信息源数 据冗余，使编码后的图像数据接近其信息熵而不产生失真，因而也通常称为熵编码。 常用的无失真编码主要有 Huffman编码、算术编码和游程编码。 近年来，在无失真编码中一种被称为 “ 通用编码 ” 的编码方法受到很大关注。 该编码方法不像其他无失真编码方法那样对信息源的 统计特征十分敏感，因而特别适合于活动视频图像这类统计特征变化较大的信息源。 但该方法目前仍处于研究阶段，尚不能使用。 2） 信息损失型 以牺牲部分信息为代价，来获取高压缩比，也称有损压缩。 解压后得到原图像的近似 图像。 数字电视、图像传输和多媒体等应用场合常用这类压缩。 其特点是通过忽略人的视觉不敏感的次要信息来提高压缩比。 有限失真编码则是根据人眼视觉特征，在允许图像产生一定失真的情况下（尽管这种失真常常不为人眼所觉察），利用图像信息源在空间和时间上具有较大的相关性这一特点，通过某一种信号变换来消除信息源的相关性、减少 信号方 7 差，达到压缩编码的目的。 常用的有限失真编码方法主要有预测编码、变换编码和矢量量化编码以及运动检测和运动补偿技术。 在实际应用中，往往是综合利用上述各种编码方式以达到最佳压缩编码效果。 3） 特征抽取型 在图像分析、分类与识别中，仅对于实际需要的（提取）特征信息进行编码，而丢掉其他非特征信息，可大大压缩数据量。 这实际属于信息损失型。 其中的第三类是针对特殊的应用场合。 比如心向量图像中只关心其特征值，军事目标图像中只需要目标的轮廓信息等。 因此，一般就将图像压缩编码分成无损和有损两大类。 按照图像压缩的 方法原理 分 类 1） 像素编码 所谓像素编码就是无论像素之间的相关性如何，编码时只对每个像素单独处理。 如脉冲编码调制（ pulse code modulation， PCM），熵编码（ entropy coding），行程编码（ run length coding）等。 2） 预测编码 像素的灰度是连续的，通常在一片图像区域中，相邻像素的灰度值之间具有很大的相关性，即相互之间差别可能很小。 通过去除相邻像素之间的相关性和冗余性，而只对新的信息进行编码，这就是预测编码。 常用的预测编码是差分脉冲编码调制（ differential pulse code modulation， DPCM）。 3） 变换编码 所谓变换编码是指，对给定图像采用某种变换，使得大量的信息能用较少的数据来表示，从而达到压缩的目的。 变换编码中通常采用的变换包括：离散傅里叶变换（ discrete fourier transform， DFT），离散余弦变换（ discrete cosine transform，DCT）和离散小波变换（ discrete wavelet transform， DWT）。 4） 其他方法 其他方法包括早期的编码，如混合编码（ hybrid coding）、 矢量量化（ vector quartzite， VQ）、 LZW 算法。 近些年来也出现了很多新的压缩编码方法，如使用人工神经元网络（ artificial neural work， ANN）的压缩编码算法、分形（ Fractal）、小波（ Wavelet）、基于对象（ Object Based）的压缩编码算法、基于模型 8 （ ModelBased）的压缩编码算法等。 压缩技术的性能指标 在数字图像通信系统中压缩比、平均码字长度、编码效率、冗余度是 衡量 数据压缩的性能的重要指标。 为了表明某种压缩编码的效率 ，通常引入压缩比这一参数， 设 1n 和 2n 代表用来表示相同信息的两个数据的容量，那么压缩比可以定义为 12RnC n 一般的情况下压缩比总是大于等于 1 的， RC 愈大则压缩程度愈高。 例 图 23为压缩前的图像 ，图 24为压缩后的图像 ，压缩比的计算可以由以下程序实现。 运行完成后， 工作 区各数值见 附录 A。 clear。 fi=imread(39。 39。 )。 imwrite(fi,39。 39。 )。 info1=dir(39。 39。 )。 b1=。 info2=dir(39。 39。 )。 b2=。 ratio=b1/b2。 imshow(39。 39。 )。 figure。 imshow(39。 39。 )。 9 图 23 图 24 设 ()klc 为数字图像 的 第 k 个码字 kC 的长度（ kC 编码成二进制码的位数）。 其相应出现的概率为 ()kpc ，则该数字图像所赋予的平均码字长度（单位为 bit）为： 1 ( ) ( )mkkkL p c l c 在一般情况下，编码效率往往可用下列简单公式表示： HL 其中， H 是原始图像的熵； L 是实际编码图像的平均码字长度。 如果编码效率 100% ；这说明还有冗余信息；因此冗余度 R 可由下式表示： 1R  R 越小，说明可 压缩的余地越小 [6]。 3 信息论在图像信号压缩中的应用 要进行。