论文部分内容阅读
随着便携式成像设备的普及,高分辨率图像的需求急剧增加,有限的存储空间和传输带宽成为制约人类高质量生活需求的瓶颈。贝尔模板阵列是图像传感器中应用最广的彩色滤波阵列之一,与之相关的图像数据处理技术一直是信息与信号处理领域的重点研究内容。贝尔模板图像一般都需要通过插值才能获得彩色图像,目前效果较好的是基于梯度的自适应插值算法。它依据贝尔模板图像的边缘模式,以及图像相邻像素间的关系,计算缺失的颜色分量值,获得较好的彩色图像。研究适合贝尔模板图像的边缘检测算子对于基于梯度的贝尔模板图像插值算法具有重要的应用价值。对贝尔模板原始数据先插值后压缩,会造成压缩与解压缩之间的资源不对称性,与普通需求相矛盾。同时,插值以后图像数据冗余度高,占用的存储空间大,客观上需要寻找更好的对贝尔模板原始数据进行压缩的方法。本文主要的工作包括：(1)专门针对贝尔模板图像的边缘检测算子。本文提出了一种新的专门针对贝尔模板图像的边缘检测算子。该算法有效地考虑了贝尔模板的特殊结构,可直接在图像上提取边缘,不需要利用插值出的颜色分量值,计算量小。通过实验仿真,其检测效果优于常见的边缘检测算法。(2)贝尔模板图像的结构调整。本文对四种常见的贝尔模板图像的结构调整方法(奇偶分离、简单合并、加权采样和滤波采样)进行了分析和研究。通过对比实验,在综合考虑算法复杂度和压缩效果的情况下,加权采样优于其他三种方法。(3) SPIHT算法的改进。在深入研究了原有贝尔模板图像压缩算法的基础上,本文改进了SPIHT算法的划分和编码方式,并将其应用于贝尔模板图像的压缩。改进的SPIHT算法首先优化了原始算法的零树结构,并针对SPIHT算法的动态链表内存需求量大,不利于硬件实现等缺点,采用有六个特殊状态位的状态标识表进行编码。实验结果表明,改进算法在各码率及空间分辨率下压缩性能更好。(4)基于混合模型的贝尔模板图像压缩。改进的SPIHT编码算法对低频区域编码性能较好,而对于存在大量零树的图像,其编码效率不高。针对这个问题,本文提出了一种基于混合模型的贝尔模板压缩算法,该算法有效地结合了改进的SPIHT编码算法对低频区域良好的编码性能和EBCOT编码算法的空域可分级特性。利用不同的图像进行测试,混合模型编码的主观和客观效果均优于原有算法。