外文翻譯----一種基于嵌入式零樹小波算法的魯棒圖像壓縮新方法

1、<p>　　A New Method of Robust Image Compression Based on</p><p>　　the Embedded Zero tree Wavelet Algorithm </p><p>　　Charles D. Creusere</p><p>　　Abstract—We propose here a wave

2、let-based image compression algorithm that achieves robustness to transmission errors by partitioning the transform coefficients into groups and independently processing each group using an embedded coder. Thus, a bit er

3、ror in one group does not</p><p>　　affect the others, allowing more uncorrupted information to reach the decoder.</p><p>　　Index Terms—Coefficient partitioning, embedded bitstream, error resilie

4、nce,image compression, low complexity, wavelets.</p><p>　　I. INTRODUCTION</p><p>　　Recently, the proliferation of wireless services and the internet along with consumer demand for multimedia pro

5、ducts has spurred interest in the transmission of image and video data over noisy communications channels whose capacities vary with time. In such applications, it can be advantageous to combine the source and channel co

6、ding (i.e., compression and error correction) processes from both a complexity and an information theory standpoint .In this work, we introduce a form of low-complexity </p><p>　　This paper is organized as f

7、ollows. In Section II, we discuss the conventional EZW image compression algorithm and its resistance to transmission errors. Next, Section III develops our new, robust coder and explores the options associated with its

8、implementation. In Section IV, we analyze the performance of the robust algorithm in the presence of channel errors, and we use the results of this analysis to perform comparisons in Section V. Finally, implementation an

9、d complexity issues are discusse</p><p>　　II. EZW IMAGE COMPRESSION</p><p>　　After performing a wavelet transform on the input image, the EZW encoder progressively quantizes the coefficients usi

10、ng a form of bit plane coding to create an embedded representation of the image—i.e.,a representation in which a high resolution image also contains all coarser resolutions. This bit plane coding is accomplished by compa

11、ring the magnitudes of the wavelet coefficients to a threshold T to determine which of them are significant: if the magnitude is greater than T, that coefficient i</p><p>　　The embedded nature of the bitstre

12、am produced by this encoder provides a certain degree of error protection. Specifically, all of the information which arrives before the first bit error occurs can be used to reconstruct the image; everything that arrive

13、s after is lost. This is in direct contrast to many compression algorithms where a single error can irreparably damage the image. Furthermore, we have found that the EZW algorithm can actually detect an error when its ar

14、ithmetic decoder terminate</p><p>　　In our implementation of the Witten et al. arithmetic coder, we set Max_frequency equal to 500 and maintain the stop symbol probability at 1/cum_freq. Because cum_freq (th

15、e sum of the frequency counts of all symbols) is divided by two whenever it exceeds Max_frequency, the probability of decoding a stop symbol stays mostly between 1/250 and 1/500. Thus, if a random bitstream is fed into t

16、he decoder after training it to this point, an average of 250 to 500 symbols will be processed before the sto</p><p>　　作者：Charles D. Creusere</p><p><b>　　國籍: 美國</b></p><p&

17、gt;　　出處：圖像處理 電機(jī)及電子學(xué)工程師聯(lián)合會(huì) 1997年第10期1436-1442頁</p><p>　　ISSN1057-7149</p><p>　　一種基于嵌入式零樹小波算法的魯棒圖像壓縮新方法 </p><p>　　Charles D. Creusere</p><p>　　摘要----本文We propose a wavele

18、t-based image compression algorithm that achieves robustness to transmission errors by partitioning the transform coefficients into groups and independently processing each group using an embedded coder.提出了一種基于小波變換的圖像壓縮算

19、法，通過分割由系數(shù)轉(zhuǎn)變成的群組和獨(dú)立使用內(nèi)嵌編碼器處理每個(gè)分組，實(shí)現(xiàn)了傳輸錯(cuò)誤的魯棒性。這樣，一個(gè)分組的誤碼不會(huì)影響到其他的分組，允許更多未損壞的信息到達(dá)解碼器 </p><p>　　標(biāo)引詞Thus, a bit error in one group does not affect the others, allowing more uncorrupted information to reach the dec

20、oder--系數(shù)分割，內(nèi)嵌碼流，錯(cuò)誤恢復(fù)，圖像壓縮，低復(fù)雜性，小波。</p><p><b>　　一、引言</b></p><p>　　最近，受到無線服務(wù)和互聯(lián)網(wǎng)的增殖、消費(fèi)者對(duì)多媒體產(chǎn)品的需求的影響，人們對(duì)圖像和視頻數(shù)據(jù)在含噪通信信道的傳輸?shù)呐d趣日益加深。基于這種應(yīng)用環(huán)境，無論從復(fù)雜性還是信息理論的角度，合并信源和信道編碼（即壓縮和糾錯(cuò)）流程都是十分有利的。在這項(xiàng)工

21、作中，我們采用了一種低復(fù)雜度、信源信道聯(lián)合編碼的形式，不同數(shù)量的傳播錯(cuò)誤的魯棒性可直接內(nèi)建在一個(gè)內(nèi)嵌比特流中。在這里采用的方法修改了Shapiro的嵌入式零樹小波（零樹）圖像壓縮算法，但其基本思想可以很容易地適用于其他基于小波變換的嵌入式編碼，例如Said and Pearlman 的基于小波變換的嵌入式編碼和Taubman and Zakho的基于小波變換的嵌入式編碼。使用這種方法已經(jīng)得到了一些初步成果。 </p>&l

22、t;p>　　本文組織如下。在第二節(jié)，我們將討論傳統(tǒng)的EZW圖像壓縮算法及其對(duì)傳輸誤差的影響。接下來，我們?cè)诘谌?jié)開發(fā)新的魯棒性編碼器并且探索相關(guān)實(shí)施編碼器的方案。在第四節(jié)，我們分析在存在通道錯(cuò)誤的情況下魯棒EZW算法的性能，并且我們?cè)诘谖骞?jié)使用這種分析的結(jié)果充當(dāng)對(duì)比。最后，在第六節(jié)中討論執(zhí)行和復(fù)雜性問題，在第七節(jié)記錄隨后的結(jié)論。</p><p>　　二、 EZW圖像壓縮</p><p&g

23、t;　　一幅輸入的圖像經(jīng)過小波變換后，EZW編碼器利用位平面編碼創(chuàng)造一個(gè)圖像的嵌入式描繪的形式來逐步量化系數(shù)，也就是說，高分辨率的描繪還包含所有粗分辨率。此位平面編碼是通過比較小波系數(shù)和閾值T的大小來確定哪些系數(shù)是重要的：如果小波系數(shù)比T大，則這個(gè)小波系數(shù)是重要的。由于掃描進(jìn)程是從低空間頻率到高空間頻率，一個(gè)2bit的字符被用來編碼所有重要系數(shù)的標(biāo)記和位置。這個(gè)字符可以是用+或-來描述重要系數(shù)的標(biāo)記；一個(gè)“0”表明該系數(shù)是微不足道的

24、;一個(gè)零樹的根（ZTR）表明該系數(shù)與在同一空間區(qū)域中所有高分辨度相應(yīng)的系數(shù)一樣是微不足道的。ZTR字符的引入大大提高了編碼效率，因?yàn)樗试S編碼器利用已在大多數(shù)圖像中被觀察到的層間之間的相關(guān)性。在計(jì)算操作給定位平面的“重要性圖表”字符后，分辨率增強(qiáng)位必須被傳輸?shù)剿兄匾南禂?shù)，在我們的實(shí)際操作中，我們連接兩個(gè)系數(shù)來形成字符。在傳輸之前，重要性圖表字符和分辨率增強(qiáng)字符使用簡(jiǎn)單的自適應(yīng)模型描述 ，以四個(gè)字母符號(hào)來進(jìn)行算術(shù)編碼（增加一個(gè)停止字符

25、）。然后閾值T除以2，并且反復(fù)進(jìn)行掃描過程直至滿足某一碼率或失真率目標(biāo)。此時(shí)，傳輸停止符號(hào)。另一方面，解碼器僅僅只接收來自編碼器</p><p>　　編碼器產(chǎn)生的比特流的內(nèi)嵌性質(zhì)提供一定程度上的誤差防護(hù)。具體而言，第一個(gè)位錯(cuò)誤到達(dá)之前的所有信息可以用來重建圖像;一切在丟失后都可以到達(dá)。這是許多一個(gè)錯(cuò)誤就可能對(duì)圖像造成不可彌補(bǔ)的損害的壓縮算法所不能相比的。此外，我們已經(jīng)發(fā)現(xiàn)，EZW算法實(shí)際上在實(shí)現(xiàn)其目標(biāo)碼率或失真之

26、前，當(dāng)其解碼器終止（通過解碼停止符號(hào)）的時(shí)候可以檢測(cè)到存在的錯(cuò)誤。我們很容易理解為什么這項(xiàng)算法功能必須存在。我們考慮編碼器和解碼器使用相同的落后的自適應(yīng)模型來計(jì)算5個(gè)可能字符（4數(shù)據(jù)字符加上停止字符）的概率，并且這些概率直接確定碼字。毫不奇怪， 一個(gè)字符的碼字長度和其概率是成反比的。如果將一個(gè)完全隨機(jī)位序列送入解碼器，那么任何字符的解碼概率完全取決于自適應(yīng)模型的初始狀態(tài)，也就是說，一般來說，一個(gè)隨機(jī)的輸入并不改變概率權(quán)重的模型定義。&l

27、t;/p><p>　　在我們使用Wittenetal編碼器時(shí)，我們?cè)O(shè)置Max_frequency為500且保持停止字符概率1/cum_freq 。由于cum_freq（所有的字符的頻率的總和）每逢超過Max_frequency都要除以2，譯碼停止字符的概率主要是在1/250～1/500之間。因此，如果在到達(dá)這一點(diǎn)后將一個(gè)隨機(jī)碼流是送入解碼器，在編碼停止字符之前平均250到500個(gè)字符會(huì)被處理。比特流可以正確理解為編碼

28、器和解碼器的同步，但這種同步在第一個(gè)錯(cuò)誤發(fā)生后不久將會(huì)失去。一旦發(fā)生這種情況，比特流將被看做隨機(jī)輸入送入解碼器（越是有效率的編碼器，越會(huì)出現(xiàn)隨機(jī)輸入）。因?yàn)槊總€(gè)符號(hào)在壓縮圖像中代表1至2位，編碼器錯(cuò)誤發(fā)生后的31至125字節(jié)時(shí)會(huì)自行終止。通過實(shí)驗(yàn)，我們發(fā)現(xiàn)，解碼器溢出通常是在30至50字節(jié)時(shí)，它與理論范圍是一致的，因?yàn)檫@些終止會(huì)發(fā)生在解碼高度壓縮的重要圖的時(shí)侯。如果溢出和正確解碼的位數(shù)相比是比較小的，它并不會(huì)顯著影響的重建圖像的質(zhì)量。雖