CN103402090A - 一种基于霍夫曼无损压缩算法的改进方法 - Google Patents
一种基于霍夫曼无损压缩算法的改进方法 Download PDFInfo
- Publication number
- CN103402090A CN103402090A CN2013103223295A CN201310322329A CN103402090A CN 103402090 A CN103402090 A CN 103402090A CN 2013103223295 A CN2013103223295 A CN 2013103223295A CN 201310322329 A CN201310322329 A CN 201310322329A CN 103402090 A CN103402090 A CN 103402090A
- Authority
- CN
- China
- Prior art keywords
- data
- wavelet
- huffman
- coefficient
- algorithm
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Pending
Links
Images
Landscapes
- Compression, Expansion, Code Conversion, And Decoders (AREA)
Abstract
本发明公开一种减少原始数据冗余性、提高数据能量集中度、提高压缩比的基于霍夫曼无损压缩算法的改进方法,包括步骤:(1)进行基于块的差分脉冲编码调制DPCM算法;(2)进行整数小波变换;(3)进行数据分类排序整理;(4)采用霍夫曼压缩编码;(5)采用霍夫曼解压算法;(6)进行各级小波系数子带恢复;(7)进行整数小波逆变换;(8)进行DPCM的解压算法。
Description
技术领域
本发明属于数据存储及应用的技术领域,具体涉及到一种基于霍夫曼无损压缩算法的改进方法。
背景技术
数据压缩方法可以分为:有损压缩方法和无损压缩方法。目前,有损压缩方法应用较为广泛。它的主要优点为数据压缩比高,主要缺点为存在数据信息损失。与之相反,无损压缩方法具有无数据信息损失的优点,但数据压缩比相对较低。目前,无损压缩方法多用于航空、航天、军事等许多对数据信息要求较高的领域。
霍夫曼无损压缩算法是较经典的无损压缩算法,其主要思想是利用原始数据的分布概率,实现具有较高压缩比的可变长编码算法。在H.264、MPEG4/2、JPEG等许多常用的压缩算法中,均可以见到霍夫曼无损压缩算法的成功应用。但在无损压缩领域,原始数据较强的冗余性、数据能量集中度低,极大限制了霍夫曼压缩算法压缩比的提高。
发明内容
本发明的技术解决问题是:克服现有技术的不足,提供一种减少原始数据冗余性、提高数据能量集中度、提高压缩比的基于霍夫曼无损压缩算法的改进方法。
本发明的技术解决方案是:这种基于霍夫曼无损压缩算法的改进方法,包括以下步骤:
(1)进行基于块的差分脉冲编码调制DPCM算法;
(2)进行整数小波变换;
(3)进行数据分类排序整理;
(4)采用霍夫曼压缩编码;
(5)采用霍夫曼解压算法;
(6)进行各级小波系数子带恢复;
(7)进行整数小波逆变换;
(8)进行DPCM的解压算法。
本发明在传统霍夫曼数据压缩算法的基础上增加空域及频域去数据间冗余性的算法,采用DPCM算法实现原始输入图像数据间空间冗余性的去除,对预测误差进行整数小波变换,完成预测误差的小波分解,利用数据分类排序整理,对各级小波分解数据逐块扫描,形成适合于霍夫曼压缩算法的数据分类及排序整理,从而减少原始数据冗余性、提高数据能量集中度、提高压缩比。
附图说明
图1为根据本发明一个优选实施例的5/3整数小波正变换方法的示意图;
图2为根据本发明的基于霍夫曼无损压缩算法的改进方法的流程图。
具体实施方式
如图2所示,这种基于霍夫曼无损压缩算法的改进方法,包括以下步骤:
(1)进行基于块的差分脉冲编码调制DPCM(Differential Pulse CodeModulation)算法;
(2)进行整数小波变换;
(3)进行数据分类排序整理;
(4)采用霍夫曼压缩编码;
(5)采用霍夫曼解压算法;
(6)进行各级小波系数子带恢复;
(7)进行整数小波逆变换;
(8)进行DPCM的解压算法。
本发明在传统霍夫曼数据压缩算法的基础上增加空域及频域去数据间冗余性的算法,采用DPCM算法实现原始输入图像数据间空间冗余性的去除,对预测误差进行整数小波变换,完成预测误差的小波分解,利用数据分类排序整理,对各级小波分解数据逐块扫描,形成适合于霍夫曼压缩算法的数据分类及排序整理,从而减少原始数据冗余性、提高数据能量集中度、提高压缩比。
优选地,步骤(1)包括以下分步骤:
(1.1)对原始图像进行分块,根据图像的平滑性质调整分块大小;
(1.2)按块计算原始图像数据预测值,预测值计算方法为:
预测值由式(2)获得,
a1、a2、a3、......、an为预测系数,Y1、Y2、Y3、......、Yn为Yi,j邻域内像素亮度值,
预测误差ei,j的均方值由式(3)获得:
(1.3)计算原始图像数据的预测误差ei,j;
(1.4)生成预测误差图像;
优选地,对原始图像按8x8进行分块。
优选地,步骤(2)、(7)中均选用3级5/3整数小波变换实现数据能量集中,5/3整数小波正变换利用公式(6)计算:
其中,c2k+1为正变换输入数组奇数位置数据、c2k、c2k+2为正变换输入数组偶数位置数据,y2k+1为小波正变换分解输出的高频系数,y2k为小波正变换分解输出的低频系数;
5/3整数小波逆变换利用公式(7)计算:
其中,y2k+1为小波逆变换输入的高频系数,y2k为小波逆变换输如的低频系数;c2k+1为逆变换后输出重构数组奇数位置数据,c2k、c2k+2为为逆变换后输出重构数组偶数位置数据。
优选地,步骤(3)中按块预测值、各级小波系数子带进行分类,对各级小波系数子带中系数以“Z”字形扫描进行排序整理;步骤(7)中,按步骤(3)流程的逆操作完成块预测值及小波系数子带重构。
现在就本发明的一个优选实施例进行说明。
一、数据压缩方法
1、基于块的DPCM差分压缩算法
DPCM差分压缩算法主要通过预测的方法实现对输入图像数据的压缩,利用于原始数据的良好预测实现去除原始数据间空间冗余性,常用于平稳随机信号的压缩,如语音、视频图像信号等的无损数据压缩。本方案采用DPCM差分压缩算法实现原始输入图像数据间空间冗余性的去除,为保证预测模型的预测精度,对图像按8x8块为单位进行预测。该部分实现细节包含:输入图像分块、8x8块预测值计算、计算原始图像数据的预测误差,生成预测误差图像。方案实现步骤为:
步骤1、输入图像分块
对输入图像数据进行分块。本方案中按8x8像素块对整个图像进行分块。可根据图像的平滑性质,调整分块大小,分块较大,预测精度会有一定的下降。
步骤2、按块计算原始图像数据预测值
按预定分块大小,分别计算各原始图像分块的图像数据预测值,预测值计算方法为:
a1、a2、a3、......、an为预测系数,Y1、Y2、Y3、......、Yn为Yi,j邻域内像素亮度值,即,
Yi,j的最优线性预测就是选择预测系数ak,使预测误差ei,j的均方值为最小的预测。
预测误差ei,j的均方值为:
若Yi,j为平稳随机过程,则有
可得
步骤3、计算原始图像数据的预测误差
按预定分块大小,根据各块预测值,分别计算各块原始图像数据的预测误差,计算方法为:
步骤4、生成预测误差图像
根据各块原始图像数据预测计算结果,按各块及像素位置生成预测误差图像,同时保存各块预测值。
2、整数小波变换
图1为根据本发明一个优选实施例的5/3整数小波正变换方法的示意图。对预测误差图像进行整数小波变换,整数小波变换选用5/3整数小波变换。对于整个预测误差共完成3级小波分解,5/3整数小波变换计算方法为:
5/3整型小波正变换:
上面正变换中,c2k+1为正变换输入数组奇数位置数据、c2k、c2k+2为正变换输入数组偶数位置数据,y2k+1为小波正变换分解输出的高频系数,y2k为小波正变换分解输出的低频系数。
按上述5/3整数小波正变换方法,对DPCM的预测误差图像进行分解,按先行后列的方式进行,输出四个子带图像为第一级小波分解结果,分别为LL1、LH1、HL1和HH1;其中,LL1为第一级分解的低频子带,LH1、HL1和HH1为第一级分解的高频子带;对第一级低频子带LL1进一步实施整数小波变换,分解输出第二级四个子带:LL2、LH2、HL2和HH2;其中,LL2为第二级分解的低频子带,LH2、HL2和HH2为第二级分解的高频子带;对第二级低频子带LL2进一步实施整数小波变换,分解输出第三级四个子带:LL3、LH3、HL3和HH3;其中,LL3为第三级分解的低频子带,LH3、HL3和HH3为第三级分解的高频子带。
3、数据分类排序整理
经过三级整数小波变换后,DPCM预测误差图像被分解为三级共10个子带整数小波系数,逐级分别对各子带中整数小波系数进行Z字形扫描,按规定顺序整理生成10个小波系数串。
整理各块预测值,按逐行扫描方式生成块预测值数据串。
4、霍夫曼压缩编码
霍夫曼压缩编码是基于数据统计概率的可变字长编码。本方案中采用静态霍夫曼压缩编码,算法原理与传统编码方法相同。算法所采用码表为经过大量实验数据统计生成。
本方案中,分别对10个小波系数串进行霍夫曼压缩编码,生成小波系数编码压缩数据。
对块预测值数据串进行霍夫曼压缩编码,生成块预测值编码压缩数据。
合并小波系数编码压缩数据及块预测值编码压缩数据形成最终编码压缩数据。
二、数据解压方法
本方案数据解压方法为上述数据压缩算法的逆运算。
1、霍夫曼解压算法
在编码压缩数据中,分离小波系数编码压缩数据及块预测值编码压缩数据。
解压算法与传统霍夫曼解压算法相同,解码码表为实验数据统计生成码表。
载入块预测值编码压缩数据,按霍夫曼解压算法查表解压,重构块预测值;
载入小波系数编码压缩数据,按霍夫曼解压算法查表解压,重构10个小波系数串。
2、各级小波系数子带恢复
分别对10个小波系数串,按规定顺序以逆Z字形扫描方式恢复各级各子带小波系数;第3级4个子带(LL3、LH3、HL3和HH3),第2级3个高频子带(LH2、HL2和HH2),第1级3个高频子带(LH1、HL1和HH1)。
3、整数小波逆变换
逐级进行整数小波逆变换,重构预测误差图像。本方案整数小波逆变换为5/3整型小波逆变换,其计算方法为:
上面逆变换中,y2k+1为小波逆变换输入的高频系数,y2k为小波逆变换输如的低频系数;c2k+1为逆变换后输出重构数组奇数位置数据,c2k、c2k+2为为逆变换后输出重构数组偶数位置数据。
逆变换重构顺序为:
1)以第3级4个子带(LL3、LH3、HL3和HH3),采用上述5/3小波逆变换方法重构第2级LL2子带;
2)以第2级4个子带(LL2、LH2、HL2和HH2),采用上述5/3小波逆变换方法重构第1级LL1子带;
3)以第1级4个子带(LL1、LH1、HL1和HH1),采用上述5/3小波逆变换方法重构预测误差图像;
4、DPCM差分解压算法
载入块预测值及预测误差图像,重构解压图像数据。DPCM差分解压算法按8x8块进行,计算方法如下:
以上所述,仅是本发明的较佳实施例,并非对本发明作任何形式上的限制,凡是依据本发明的技术实质对以上实施例所作的任何简单修改、等同变化与修饰,均仍属本发明技术方案的保护范围。
Claims (5)
1.一种基于霍夫曼无损压缩算法的改进方法,其特征在于,包括以下步骤:
(1)进行基于块的差分脉冲编码调制DPCM算法;
(2)进行整数小波变换;
(3)进行数据分类排序整理;
(4)采用霍夫曼压缩编码;
(5)采用霍夫曼解压算法;
(6)进行各级小波系数子带恢复;
(7)进行整数小波逆变换;
(8)进行DPCM的解压算法。
2.根据权利要求1所述的基于霍夫曼无损压缩算法的改进方法,其特征在于,步骤(1)包括以下分步骤:
(1.1)对原始图像进行分块,根据图像的平滑性质调整分块大小;
(1.2)按块计算原始图像数据预测值,预测值计算方法为:
ei,j为预测误差,式(1)中,Yi,j、ei,j取值均为整型量;
a1、a2、a3、......、an为预测系数,Y1、Y2、Y3、......、Yn为Yi,j邻域内像素亮度值,
预测误差ei,j的均方值由式(3)获得:
(1.3)计算原始图像数据的预测误差ei,j;
(1.4)生成预测误差图像;
3.根据权利要求2所述的基于霍夫曼无损压缩算法的改进方法,其特征在于,对原始图像按8x8进行分块。
4.根据权利要求3所述的基于霍夫曼无损压缩算法的改进方法,其特征在于,步骤(2)、(7)中均选用3级5/3整数小波变换实现数据能量集中,5/3整数小波正变换利用公式(6)计算:
其中,c2k+1为正变换输入数组奇数位置数据、c2k、c2k+2为正变换输入数组偶数位置数据,y2k+1为小波正变换分解输出的高频系数,y2k为小波正变换分解输出的低频系数;
5/3整数小波逆变换利用公式(7)计算:
其中,y2k+1为小波逆变换输入的高频系数,y2k为小波逆变换输如的低频系数;c2k+1为逆变换后输出重构数组奇数位置数据,c2k、c2k+2为为逆变换后输出重构数组偶数位置数据。
5.根据权利要求4所述的基于霍夫曼无损压缩算法的改进方法,其特征在于,步骤(3)中按块预测值、各级小波系数子带进行分类,对各级小波系数子带中系数以“Z”字形扫描进行排序整理;步骤(7)中,按步骤(3)流程的逆操作完成块预测值及小波系数子带重构。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN2013103223295A CN103402090A (zh) | 2013-07-29 | 2013-07-29 | 一种基于霍夫曼无损压缩算法的改进方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN2013103223295A CN103402090A (zh) | 2013-07-29 | 2013-07-29 | 一种基于霍夫曼无损压缩算法的改进方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN103402090A true CN103402090A (zh) | 2013-11-20 |
Family
ID=49565604
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN2013103223295A Pending CN103402090A (zh) | 2013-07-29 | 2013-07-29 | 一种基于霍夫曼无损压缩算法的改进方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN103402090A (zh) |
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111093081A (zh) * | 2019-12-20 | 2020-05-01 | 合肥埃科光电科技有限公司 | 一种图像无损压缩方法及系统 |
CN112665886A (zh) * | 2020-12-11 | 2021-04-16 | 浙江中控技术股份有限公司 | 一种大型旋转机械振动测量高频原始数据的数据转换方法 |
CN116055750A (zh) * | 2023-04-03 | 2023-05-02 | 厦门视诚科技有限公司 | 一种减少视频传输带宽的无损编解码系统和方法 |
Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102158699A (zh) * | 2011-03-28 | 2011-08-17 | 广州市聚晖电子科技有限公司 | 一种带有图像增强功能的嵌入式视频压缩编码系统 |
CN103024383A (zh) * | 2012-12-14 | 2013-04-03 | 北京工业大学 | 一种基于hevc框架的帧内无损压缩编码方法 |
-
2013
- 2013-07-29 CN CN2013103223295A patent/CN103402090A/zh active Pending
Patent Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102158699A (zh) * | 2011-03-28 | 2011-08-17 | 广州市聚晖电子科技有限公司 | 一种带有图像增强功能的嵌入式视频压缩编码系统 |
CN103024383A (zh) * | 2012-12-14 | 2013-04-03 | 北京工业大学 | 一种基于hevc框架的帧内无损压缩编码方法 |
Non-Patent Citations (5)
Title |
---|
CHUNLING YANG等: "A fast H.264 intra prediction algorithm using macroblock properties", 《2004 INTERNATIONAL CONFERENCE ON IMAGE PROCESSING》 * |
朱贵富等: "分块DPCM与5/3整数小波变换结合的天文图像无损压缩", 《天文研究与技术》 * |
李淼: "基于MPEG-2的视频编码器的研制", 《中国优秀硕士学位论文全文数据库信息科技辑》 * |
蒋洁等: "利用平滑区域检测的HEVC帧内编码快速算法", 《西安电子科技大学学报》 * |
谢晶等: "一种基于二维直方图的H.264/AVC快速帧内预测判决算法", 《电子信息学报》 * |
Cited By (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111093081A (zh) * | 2019-12-20 | 2020-05-01 | 合肥埃科光电科技有限公司 | 一种图像无损压缩方法及系统 |
CN111093081B (zh) * | 2019-12-20 | 2022-05-31 | 合肥埃科光电科技股份有限公司 | 一种图像无损压缩方法及系统 |
CN112665886A (zh) * | 2020-12-11 | 2021-04-16 | 浙江中控技术股份有限公司 | 一种大型旋转机械振动测量高频原始数据的数据转换方法 |
CN116055750A (zh) * | 2023-04-03 | 2023-05-02 | 厦门视诚科技有限公司 | 一种减少视频传输带宽的无损编解码系统和方法 |
CN116055750B (zh) * | 2023-04-03 | 2023-06-27 | 厦门视诚科技有限公司 | 一种减少视频传输带宽的无损编解码系统和方法 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN110087092B (zh) | 基于图像重构卷积神经网络的低码率视频编解码方法 | |
CN1181690C (zh) | 用于压缩视频序列的编码方法 | |
CN103347187B (zh) | 一种基于自适应方向预测离散小波变换的遥感影像压缩方法 | |
CN101668196B (zh) | 基于下采样和插值的低码率图像压缩方法 | |
CN114449276B (zh) | 一种基于学习的超先验边信息补偿图像压缩方法 | |
CN113079378B (zh) | 图像处理方法、装置和电子设备 | |
CN104427349A (zh) | 一种Bayer图像压缩方法 | |
CN105847800A (zh) | 基于全相位离散正弦双正交变换的图像压缩方法及系统 | |
CN103905831A (zh) | 基于图形处理器的条带波变换图像压缩方法 | |
CN102006483B (zh) | 一种视频编解码方法及装置 | |
CN111669588B (zh) | 一种超低时延的超高清视频压缩编解码方法 | |
CN115278262A (zh) | 一种端到端智能视频编码方法及装置 | |
CN105825530B (zh) | 基于感兴趣区域的海岸带高光谱图像分布式有损编码和解码方法 | |
CN103402090A (zh) | 一种基于霍夫曼无损压缩算法的改进方法 | |
Zhu et al. | An improved SPIHT algorithm based on wavelet coefficient blocks for image coding | |
CN102281437B (zh) | 用于图像压缩的提升结构二维离散小波变换交织扫描方法 | |
Malviya et al. | 2D-discrete walsh wavelet transform for image compression with arithmetic coding | |
Dabhole et al. | An efficient modified structure of cdf 9/7 wavelet based on adaptive lifting with spiht for lossy to lossless image compression | |
Shu et al. | Shape adaptive texture coding based on wavelet-based contourlet transform | |
Pandey et al. | Hybrid image compression based on fuzzy logic technology | |
CN103702121B (zh) | 一种感知视频编码方法 | |
Hou et al. | Hyperspectral image lossy-to-lossless compression using the 3D embedded Zeroblock coding alogrithm | |
CN103561275A (zh) | 一种改进条带波变换的图像压缩方法 | |
Shi et al. | A lossless image compression algorithm by combining DPCM with integer wavelet transform | |
Dabhole et al. | An efficient codec of 2D adaptive directional lifting based on CDF9/7 with improved SPIHT algorithm for lossy to lossless image coding |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
RJ01 | Rejection of invention patent application after publication |
Application publication date: 20131120 |
|
RJ01 | Rejection of invention patent application after publication |