(毕业论文 页数:15 字数:6520 英文翻译)摘要：在过去的几十年中大量的研究和努力投入于设计具有竞争力的在实际应用中的编码器。在这篇文章里，我们提出的一种运动小波编码器是基于快速静态图像编码器，叫做LWT(低树的小波)。这种算法是快速和近匀称(除了在低比特率方面)的，这使它适于实时交互式多媒体应用。尤其，我们对于视频传输应用专门的无线网络的视频播送应用感兴趣，然而在那里运输网络服务通常非常差。 因此，为了避免由于人为的传送误差，以及避免将消耗有价值的处理时间的错误隐藏技术而使得的错误的蔓延，我们提出一台小波编码器，其胜过M-JPEG以及其性能结果同样超过其他运动子波编码器，如那些基于EZW算法。我们已经做一些实验就我们的提议PSNR的实时性复杂性运算量与M-JPEG，运动EZW来比较。结果显示我们提出的算法，平均下来取得0.7分贝多于运动EZW和4分贝比M-JPEG，在80Kbps@7.5fps使用Akiyo QCIF视频顺序。此外，就快而言，我们所提议得比运动EZW使用相同的视频顺序快3.8倍。
关键字：静态图像压缩，基于小波的编码器，基于树的量化器，性能评价。

Abstract: During the last decade a lot of research and develop efforts have been made to design competitive video coders for several kinds of applications. In this paper, we present a motion Wavelet coder that is based on a fast still image encoder, called LWT (Lower-Tree Wavelet). This algorithm is fast and near symmetric (except in very low bit rates), which makes it suitable for real-time interactive multimedia applications. In particular, we are interested on video transmission applications that use ad-hoc wireless networks, where the transport network service is usually very poor. So, in order to avoid error propagation artifacts due to transmission errors and also avoid the use of error concealment techniques that will consume valuable processing time, we propose a motion wavelet encoder that
Outperforms the M-JPEG and also achieves better performance results than other motion wavelet encoders like those based on EZW algorithm. We have made some experiments comparing M-JPEG, Motion-EZW and our proposal in terms of PSNR and temporal complexity metrics. Results show that our proposal achieves on average 0.7 dB more than Motion-EZW and 4 dB than M-JPEG using Akiyo QCIF video sequence at 80 Kbps @ 7.5 fps. Also, in terms of quickness, our proposal is 3.8 times faster than Motion-EZW using the same video sequence.
Key words: Still image compression, Wavelet-based encoders, Tree-based quantizes, performance evaluation.

目录

1. 介绍
2.低树的小波(LTW)
3.模拟结果
4.结论

1. 介绍
各种视频压缩系统在各类刊物中被多次报道。他们中大多数是基于DCT变换和运动估计/补偿技术。不过，由于分离的小波变换特性，在过去的十多年中许多研究兴趣主要集中于发展静态图像和视频小波编码器之上。通常，当设计一台小波视频编码器需要考虑到四方面不同的因素，(A)使用在连续的框架之间编码的差别，[Hil94 ],(b)使用3－D小波变换算法的协调量化器 [KIM97 ]，(c)使传统的运动估计/补偿技术与小波变换码的结合[CAM99 ][MAR00 ]，以及最后(d)只用内部的框架编码 [AWA99 ]。
从上可知，不同的方法中我们选择最后一个——运动小波。尤其，我们的兴趣集中在关于视频传送应用在专门的无线网络上运行。这种网络提供传送服务较低，故需使用的健壮视频编码器。基于运动的视频编码器的最显著的特性是在传送时，对于他们存在的误差具有稳定性。如果网络信道有一个高的差错率，一个错误只将对它所产生出的对框架有所影响，但是如果当是框架之间的视频编码器，它所产生的影响将不会被波及到后续的框架。另外，运动视频编码器展示另一个有趣的特性是，他们是最好解决办法：适合视频编辑，监视和安全系统，鉴定和确定数量一样的一些应用，等等 。
小波变换(wavelet transform)是80年代后期发展起来的应用数学分支，是当前数学中一个迅速发展的新领域，它同时具有理论深刻和应用十分广泛的双重意义。虽然从历史上追溯，在此之前己有一些学者零散地进行过一些工作，但是理论上构成较系统的构架则主要是法国数学家Y. Meyer、地质学家J. Morlet和理论物理学家A.Grossman的贡献。而把这一理论引入工程应用，特别是信号处理领域，法国学者l. Daubechies和S.MallatAl起着极为重要的作用。小波变换属于时频分析的一种。传统的信号分析是建立在傅立叶(Fourier )变换的基础之上的，由于傅立叶变换使用的是一种全局的变换，要么完全在时域，要么完全在频域，因此无法表述信号的时频局域性质，而这种性质恰恰是非平稳信号最根本和最关键的性质。为了分析和处理非平稳信号，人们对傅立叶变换进行了推广乃至根本性的革命，提出并发展了一系列新的信号分析理论:短时傅立叶变换、Gabor变换、时频分析、小波变换、Randon-Wigner变换、分数阶傅立叶变换、线调频小波变换、循环统计量理论和调幅一调频信号分析等。其中，短时傅立叶变换和小波变换也是应传统的傅立叶变换不能满足信号处理的要求而产生的。短时傅立叶变换分析的基本思想是:假定非平稳信号在分析窗函数9(0的一个短时间间隔内是平稳(伪平稳)的，并移动分析窗函数，使f(t)g(t一C)在不同的有限时间宽度内是平稳信号，从而计算出各个不同时刻的功率谱。虽然短时傅立叶变换可以在时频两域上分析信号，但从本质上讲，短时傅立叶变换仍是一种单一分辨率的信号分析方法，因为它使用一个固定的短时窗函数，使分析的窗口不能改变，因而短时傅立叶变换在信号分析上还是存在着不可途越的缺陷。小波变换是一种信号的时间一尺度(时间一频率)分析方法，它具有多分辨率分析(MRA)的特点，而且在时频两域都具有表征信号局部特征的能力，是一种窗口大小固定不变但其形状可改变，时间窗和频率窗都可以改变的时频局部化分析方法。即在低频部分具有较高的频率分辨率和较低的时间分辨率，在高频部分具有较高的时间分辨率和较低的频率分辨率，很适合于探测正常信号中夹带的瞬态反常现象并展示其成分，它通过伸缩和平移等运算功能对函数或信号进行多尺度细化分析，解决了傅立叶变换不能解决的许多困难问题，因而被誉为“数学显微镜”。