小波在图像视频压缩领域中的应用分析【转贴】

到目前为止，小波的最多应用一直是数字图像压缩。它们是新JPEG2000数字图像标准的核心。使用小波变换的优势主要有如下几个方面。

1、基于小波变换的方法能有效地保留原始图像的细节和边缘，重建图像时不会造成“振铃”效应。

2、基于小波变换的方法采用多尺度分析，在图像重建时，加入的细节越多，重建的图像也就越清晰，因此在图像分级传输方面有着天然的优势。

3、对于高分辨率或纹理简单的图像，固定的8×8DCT变换不能有效的降低空间冗余性；而采用多尺度小波变换，子带越多，能量就越集中，压缩率越高。

4、某些小波变换（比如5/3滤波器）是正交的，可用于无损压缩。而DCT系数取近似值，变换是有损的，H.264的4×4、8×8整数变换也是如此。

然而，在视频压缩方面，小波的应用却步履艰难。

目前，基于小波变换的视频压缩算法可分为三类：

（1）基于空域运动补偿的小波视频压缩（MC-DWT）；

（2）基于变换域运动补偿的小波视频编码（DWT-MC）；

（3）含运动补偿的三维小波视频编码（MC-3DWC）；

MC-DWT算法在空间域进行运动估计和运动补偿，对残差图像采用小波变换进行编码。由于运动补偿后的残差图像不同于传统的自然图像，若采用一般图像的小波变换不能显著地提供压缩效率。另一个缺点是预测误差帧中存在明显的块边界。

DWT-MC算法首先对图像进行小波变换，在变换域中进行帧间运动估计和运动补偿，对残差信号再进行编码。由于小波变换不具有空间不变性，即物体在空间上平移，却在小波域产生了非平移现象，这使得在小波域内无法达到精确地估计而导致大量的补偿误差。

MC-3DWC它的基本原理是，在数十幅连续画面中进行三维小波计算，获得包括时间信息在内的全局分析结果，然后按照从低频到高频的顺序排列得到的分析结果。这样，一次压缩的结果就可能被用于不同带宽条件的多种传输场合。例如，在带宽较低的场合，只要传输低频分量，就可以获得相当好的画面；如果带宽资源充裕，就可以传输高频分量，获得更多的细节。但该方法难点在于：需要巨大的视频缓存区域、巨大的运算资源。