基于DCT的图像压缩及质量评价方法研究

发布时间：2017-09-28 11:31

  本文关键词：基于DCT的图像压缩及质量评价方法研究

  更多相关文章： 压缩 离散余弦变换(DCT) 均方误差(MSE) 峰值信噪比(PSNR) Blockproc块分析

【摘要】：在过去的十年可以看到,数字图像和视频内容生成和分享的数量得到了爆炸式的增长。这种发展归因于图像和视频采集,压缩,存储和通信技术取得了巨大的进步。现在,可视通信已成为信息交流的动态模式。多媒体内容的传播对我们生活的影响已超过以往任何时候。毫不夸张的说,多媒体通信已经成为无线网络服务提供商提供服务的主要推动力,或者说现在网站为交流打开一种新局面,就像优酷。多媒体通信一般涵盖音频、图像和视频通信。图像和视频通信系统的主要目标是在给定速率和信道状况的前提下,实现尽可能好的视觉效果。目前,焦点限制为图像通信系统。为了优化通信系统的组件,以最大限度地提高感知质量,使用一个好的质量评估方法是很重要的。尽管早就认识到均方误差(MSE)对感知质量不能做出准确的评估,但它一直普遍用在图像通信系统的各个组件的设计中。在图像质量评价(IQA)领域的最新研究已经促进了强大的新算法的开发。其中几个新算法包括结构相似(SSIM)指数、可视信息保真(VIF)准则、以及视觉信噪比(PSNR)。在本文,数字图像压缩原理已得到DCT算法和利用blockproc函数的新算法的验证。图像压缩主要在不影响图像质量的情况下减少文件的大小。对于研究人员来说,通过不断处理,使重构图像的质量接近原始图像,仍是一个挑战。离散余弦变换(DCT)是非常有名的压缩技术,并被广泛地用于压缩图像。我们知道,在某些情况下DCT压缩算法重建的图像会出现朦胧或模糊的现象,特别是大尺寸图像。为了克服这些问题,出现了许多纠正朦胧或模糊的技术和算法。在本文中,我们提出通过使用blcokproc函数来压缩图像的技术。此外,运用blockproc函数的DCT算法可以作为图像处理去模糊的新方法,可以在图像处理去模糊工具使用。Blockproc处理方法逻辑上可用来处理任意大的图像。它支持一个文件到文件的工作流,从而不需要输入或输出图像完全包含在存储器中。各块的处理是一独立的操作且并行处理。相比于DCT变换,进一步减少了重建图像文件的大小。对图像更小的部分进行处理,而无需将整个图像加载进一个MATLAB变量。我们做了使用DCT和blockproc压缩MATLAB代码,然后在图像质量、图像压缩比、峰值信噪比(PSNR),均方误差(MSE)和结构相似性的基础上进行对比,评估图像整体质量。因此,连同blockproc函数的DCT方法是图像处理的最佳方法。此外,它是一个新的方法。这对大量图像压缩应用做进一步研究有很大帮助。
【关键词】：压缩 离散余弦变换(DCT) 均方误差(MSE) 峰值信噪比(PSNR) Blockproc块分析
【学位授予单位】：北京理工大学
【学位级别】：硕士
【学位授予年份】：2016
【分类号】：TP391.41
【目录】：

• 摘要5-7
• Abstract7-14
• CHAPTER 1. INTRODUCTION14-23
• 1.1 History of Image Processing15-16
• 1.2 The foundation of Digital Image Processing16-18
• 1.3 Fields that using Digital Image Processing18-20
• 1.3.1 Gama ray Imaging18-19
• 1.3.2 X ray Imagin19
• 1.3.3 Imaging in Ultravoilet Band19
• 1.3.4 Imaging in Visible and Infrared Band19-20
• 1.3.5 Imaging in Microwave Band20
• 1.3.6 Imaging in the Radio Band20
• 1.4 Related Work20-21
• 1.5 Contribution21-22
• 1.6 Organization of the thesis22-23
• CHAPTER 2. IMAGE PROCESSING BACKGROUND23-34
• 2.1 Fundamentals to Image Compression and Reconstruction23-25
• 2.2 Overview of Compression and Reconstruction25-27
• 2.3 Types of Image Compression27-33
• 2.3.1 Lossy Compression27-30
• 2.3.1.1 Transform28
• 2.3.1.2 Karhunen-Loeve Transform (KLT)28-29
• 2.3.1.3 Block Transform Coding29
• 2.3.1.4 Full-Frame Transform Coding29-30
• 2.3.2 Lossless Compression30-33
• 2.3.2.1 Run Length Coding31
• 2.3.2.2 Lossless Pridictive Coding31
• 2.3.2.3 Entropy Encoding31-32
• 2.3.2.4 Multi-resolution Coding32-33
• 2.4 Quantiazation33
• 2.5 Summary33-34
• CHAPTER 3. IMAGE COMPRESSION USING DISCRETE COSINE TRANSFORMAND BLOCKPROC ALGORITHMS34-45
• 3.1 JPEG34
• 3.2 Discrete Cosine Transform (DCT)34-37
• 3.3 Blockproc Algorithm37-38
• 3.4 Evaluation of Basic JPEG Algorithm38-44
• 3.4.1 Step-1 Processing38-40
• 3.4.2 Step-2 Transformation40-42
• 3.4.3 Step-3 Quantization42-43
• 3.4.4 Step-4 Encoding43-44
• 3.5 Summary44-45
• CHAPTER 4. IMAGE QUALITY ASSESSMENT45-52
• 4.1 Quality Assessment Factors45-46
• 4.2 Quality assessment measurement in Lossy and Lossless compressions46-51
• 4.2.1 In Lossy Compression46-50
• 4.2.1.1 Weighted MSE47-48
• 4.2.1.2 Human Visual System based Algorithm (HVS)48
• 4.2.1.3 Structural Based Algorithms48-49
• 4.2.1.4 Structural-Similarity-Based Image Quality Assessment (SSIM)49-50
• 4.2.2 In Lossless Compression50-51
• 4.3 Summary51-52
• CHAPTER 5 PROGRAMMING PLATFORM AND RESULTS52-66
• 5.1 MATLAB Environment52
• 5.2 Characteristic of DCT Algorithm52-55
• 5.3 Characteristcs of Blockproc Algorithm55-60
• 5.3.1 Applying Padding56-57
• 5.3.2 Block size and performance57
• 5.3.3 TIFF Image Charactersistics57-58
• 5.3.4 Choosing Block size58-59
• 5.3.4.1 Case 1: Typical Case- Sqaure Block58
• 5.3.4.2 Case 2: Worst Case- Column-Shaped Block58-59
• 5.3.4.3 Case 3: Best Case- Row-Shaped Block59
• 5.3.5 Using Parallel Block processing on large Image Files59
• 5.3.6 Working with Data in Unsupported Formats59-60
• 5.4 Image Quality Assessment60-65
• 5.4.1 MSE and PSNR62
• 5.4.2 SSIM62-64
• 5.4.3 Human Visual Based Measurement64-65
• 5.5 Summary65-66
• SUMMARY AND CONCLUSION66-67
• FUTURE WORK67-68
• REFERENCES68-72
• LIST OF PUBLICATIONS72-73
• ACKNOWLEDGEMENT73

【相似文献】

中国期刊全文数据库 前10条

1 ;图像压缩又有新突破[J];教育仪器设备;2001年03期

2 齐美彬,蒋建国,杨艳芳;便携式图像压缩卡的设计[J];微电子学与计算机;2001年02期

3 郭小星,王益;一种基于构图分析的图像压缩策略[J];计算机工程与应用;2002年11期

4 刘燕,张学庆,杨绍国;一种混合神经网络在图像压缩中的应用[J];光学与光电技术;2003年04期

5 乔双,宋建中;进化型硬件在有损图像压缩中的应用研究[J];电子器件;2004年01期

6 黄雪梅,唐治德;基于多层前馈神经网络的图像压缩的仿真研究[J];计算机仿真;2005年08期

7 刘晶;奚晓梁;周晓东;陈治宣;;基于小波包的图像压缩处理[J];光电技术应用;2006年01期

8 和克智;刘奇龙;赵鸿雁;;包装印刷中JPEG2000标准实现的研究[J];包装工程;2006年01期

9 安晓东;陈静;;图像压缩方法综述[J];电脑开发与应用;2006年12期

10 葛善虎;丁宣浩;;一种新的在图像压缩中的适度分层阈值法[J];广西科学院学报;2006年04期

中国重要会议论文全文数据库 前10条

1 樊海媛;;数字服务器中图像压缩方式的分析和探讨[A];中国电影电视技术学会影视科技论文集[C];2002年

2 葛善虎;丁宣浩;;一种新的在图像压缩中的适度分层阈值法[A];广西计算机学会2006年年会论文集[C];2006年

3 王艳芹;周付根;;基于空间预测与变换的医学图像压缩方法[A];2008’“先进集成技术”院士论坛暨第二届仪表、自动化与先进集成技术大会论文集[C];2008年

4 周闰;梅文博;周思永;;二维正交离散子波变换在图像压缩中的有限字长效应分析[A];第九届全国信号处理学术年会（CCSP-99）论文集[C];1999年

5 刘国传;魏传忠;田学隆;莫志宏;靳平;马贵平;王天星;;一种分形方法在医学图像压缩中的应用[A];2004全国时间生物医学学术会议论文集[C];2004年

6 杨关良;欧阳清;;基于自组织特征映射网络的图像压缩改进算法[A];中国图学新进展2007——第一届中国图学大会暨第十届华东六省一市工程图学学术年会论文集[C];2007年

7 叶勤;陈鹰;;图像压缩对影像匹配精度影响的研究[A];第十三届全国遥感技术学术交流会论文摘要集[C];2001年

8 曹玲芝;张恒;;基于DSP的图像压缩与重建[A];2007'中国仪器仪表与测控技术交流大会论文集（二）[C];2007年

9 周国强;王生进;丁晓青;;基于区域质量的JPEG2000图像压缩改进方案[A];第十二届全国图象图形学学术会议论文集[C];2005年

10 魏以民;姚轶;;基于TMS320VC5509的JPEG编码实现与优化[A];第十四届全国信号处理学术年会(CCSP-2009)论文集[C];2009年

中国重要报纸全文数据库 前3条

1 重庆 钟靖;图片要“瘦身”，，还要清晰[N];电脑报;2003年

2 文小;松下推出“极品”DVD[N];中国电子报;2000年

3 本报记者 史俊斌 本报通讯员 张莹莹;架起深空信息之虹[N];科技日报;2013年

中国博士学位论文全文数据库 前10条

1 李京旭;资源受限的超高分辨率图像压缩关键技术研究[D];国防科学技术大学;2013年

2 毛玉星;小波域图像与视频压缩算法及应用研究[D];重庆大学;2003年

3 唐W

本文编号：935613