1、近年來多媒體技術(shù)與網(wǎng)絡(luò)應(yīng)用的發(fā)展迅速,數(shù)字圖像在諸多領(lǐng)域得以應(yīng)用,海量的數(shù)據(jù)存儲與傳輸問題使得圖像壓縮研究成為各界廣泛關(guān)注的課題。從時、頻域特性的角度上講,小波變換性能優(yōu)越。得益于嵌入式編碼的發(fā)明與發(fā)展,兩者的結(jié)合可更為高效地對圖像編碼壓縮,因此基于小波變換的圖像壓縮技術(shù)發(fā)展迅速。目前,小波系數(shù)的有效地組織與量化成為了靜態(tài)圖像壓縮編碼領(lǐng)域研究關(guān)注的重點與難點。
　　本文首先介紹了小波理論與集合分裂位平面編碼,在分析了小波變換后圖像

2、的特點后改進了圖像的上下文模板,并以高階熵理論為基礎(chǔ)提出了基于上下文量化的高階熵編碼方法。接著分別設(shè)計了兩種權(quán)值分類算術(shù)編碼器。本文的主要研究內(nèi)容如下:
　　(1)對小波系數(shù)進行重要性權(quán)值訓(xùn)練,優(yōu)化上下文模板?；貧w預(yù)測訓(xùn)練上下文模板得到模板各個預(yù)測系數(shù),再根據(jù)預(yù)測系數(shù)求得重要性權(quán)值。此重要性權(quán)值能夠有效表示集合分裂位平面編碼點或者編碼塊為重要的可能性程度。優(yōu)化后的上下文模板同時利用了系數(shù)子帶內(nèi)與子帶間的關(guān)系,與現(xiàn)有的模板相比能更加

3、有效地開發(fā)利用小波變換后系數(shù)圖像的特點與系數(shù)間的聯(lián)系。
　　(2)通過對上下文進行分類,使得傳統(tǒng)的高階熵編碼器近似成為低階熵編碼器,降低了編碼復(fù)雜度。本文統(tǒng)計并分析了權(quán)值重要性概率分布,并針對存在的上下文稀疏問題,利用 K-means分類器根據(jù)實驗確定的量化級數(shù)對上下文進行量化,因而有效地減少了熵編碼器中上下文的個數(shù),由此解決了熵編碼器中上下文量化的問題。實現(xiàn)了低復(fù)雜度下壓縮編碼效率的提高。
　　(3)分別設(shè)計了離線與在線權(quán)

4、值量化算術(shù)編碼器。離線權(quán)值權(quán)值量化算術(shù)編碼器利用預(yù)編碼過程得到全局權(quán)值重要性概率分布,并以此作為分類的先驗知識,權(quán)值量化后再經(jīng)過算術(shù)編碼。在線權(quán)值量化算術(shù)編碼器則隨著編碼過程動態(tài)更新權(quán)值重要性概率。這兩種編碼器都能有效地提高算術(shù)編碼的壓縮效率,與最新的靜態(tài)圖像壓縮標(biāo)準(zhǔn)JPEG2000相比,相同碼率下的峰值信噪比值均可提高0.1至0.2db。其中離線權(quán)值上下文算術(shù)編碼器的時間復(fù)雜度與JPEG2000近似,進一步說明本文提出的算術(shù)編碼器是高