SPIHT图像编码算法研究及改进 (2009年)

提出一种改进的SPIHT算法，通过避免对部分重要系数的冗余扫描、采用更小的初始根节点子集以及对原始图像进行偏移处理，明显提高编码效率。实验结果表明，与标准SPIHT算法相比，本改进算法在不同码率下重构图像的PSNR提高了约0.3～6db。 ### SPIHT图像编码算法及其改进研究 #### 一、引言 自从Shapiro提出嵌入式零树小波（Embedded Zerotree Wavelet, EZW）图像编码算法以来，小波图像编码技术得到了显著的发展。SPIHT（Set Partitioning in Hierarchical Trees）算法作为一种高效的图像编码方法，在图像压缩领域具有重要的地位。该算法通过对小波系数进行空间方向树结构的组织，有效地提高了编码效率。然而，SPIHT算法仍存在一定的局限性，如冗余扫描、初始根节点选择不当等问题。因此，针对这些不足，本文提出了一种改进的SPIHT算法。 #### 二、SPIHT算法概述 SPIHT算法的核心思想是通过一系列重要位图来逐步逼近每个小波系数。它利用了折半递减的阈值序列来生成这些位图，并且通过以下三个关键集合来组织数据： 1. **O(i, j)**：表示节点(i, j)的直接后继节点的坐标集合。除了特定的节点类型外，每个节点的直接后继都是其四个子节点。 2. **D(i, j)**：节点(i, j)的所有子孙节点坐标集合。 3. **L(i, j)**：节点(i, j)除直接后继外的所有子孙节点坐标集合。 4. **H**：所有树根的坐标集合，通常包含LLN（低频）、LHN、HLN、HHN等不同频率分量的系数坐标。 #### 三、SPIHT算法的局限性及改进措施 ##### 1. 冗余扫描问题 SPIHT算法在LIS（不重要集合列表）扫描过程中，存在对部分重要小波系数的冗余编码。这是因为算法在进行LIS扫描时可能会多次检查同一系数是否重要，导致计算资源的浪费。 **改进方案**：避免对已知重要的系数进行重复扫描，从而减少不必要的计算。 ##### 2. 初始根节点选择不当 SPIHT算法在初始阶段使用了较大的根节点子集，这可能导致根子集中存在不重要的系数，从而影响编码效率。 **改进方案**：使用更小的初始根节点子集，仅包含更可能重要的系数，这样可以进一步提高编码效率。 ##### 3. 缺乏偏移处理 原始图像中的直流成分如果没有经过适当的处理，会在编码过程中引入额外的冗余。 **改进方案**：对原始图像进行偏移处理，以减少对图像直流成分的冗余编码，提高整体编码效率。 #### 四、改进后的SPIHT算法效果 通过实施上述改进措施，新提出的改进SPIHT算法能够在不同码率下重构图像时显著提高PSNR（峰值信噪比）。根据实验结果，与标准SPIHT算法相比，改进算法在不同码率下的PSNR提高了大约0.3dB至6dB，这表明改进后的算法在保持或提高图像质量的同时能够显著提高编码效率。 #### 五、结论 SPIHT算法作为一项高效的小波图像编码技术，在图像压缩领域有着广泛的应用前景。然而，其本身存在的局限性限制了其在实际应用中的性能表现。通过对SPIHT算法进行改进，不仅能够解决现有的局限性问题，还能够在不同码率下提供更高的图像重构质量。因此，对于图像编码领域的研究人员来说，不断探索和改进现有算法是非常重要的。未来的研究可以继续探索更多优化策略，进一步提升SPIHT算法的性能，使其在图像编码领域发挥更大的作用。