● 摘要
本文详细地剖析研究了SPIHT和自适应算术编码这两种图像压缩算法，并实现了SPIHT编码器和自适应算术编码编码器。在此基础上，本文提出了两种有效的优化压缩算法：P-CABAC（Piecewise Context-based Adaptive Binary Arithmetic Coding） 与 D-SPIHT（Divided SPIHT）相结合的压缩算法和FE-SPIHT（Focusing of Energy- based SPIHT）算法。传统的SPIHT与自适应算术编码相结合的混合编码中，二者各自独立。SPIHT作为压缩算法之一，其嵌入的集合分层树剖分思想极好的融合了整型小波变换系数矩阵的特性，实现了图像的有效压缩，生成的码流是一串二进制的数据，在结合了原理分析及仿真实验的基础上，文章对数据流特征进行了详尽的研究，而自适应二进制算术编码作为熵编码的一种，在SPIHT算法的基础上对二进制码流进行编码，又进一步去除了冗余，实现了数据流的无损压缩。在P-CABAC（Piecewise Context-based Adaptive Binary Arithmetic Coding） 与 D-SPIHT（Divided SPIHT）相结合的压缩算法中，本文提出了分段的自适应二进制算术编码的算法，并与之相配合提出了符号和数据分离的SPIHT算法。该算法利用了小波变换系数矩阵类Laplace分布的特性、熵编码概率与熵值相互关系以及SPIHT生成的码流可分段的特征，在传统SPIHT和算术编码的混合编码的基础上生成新算法，实现了压缩率的提高。另外，本文在研究能量聚集的小波变换的系数矩阵特点的基础上提出了以位置信息代替重要性信息的FE-SPIHT算法，与SPIHT算法相比较，获得了更好的压缩效果。