第4章小波图像编 4.2失真的度量方法 在图像编码系统中,评估编码系统性能的一种方法是失真度量法,用峰值信号噪声比 ( peak signal to noise ratio,PSNR)来衡量,定义为最大像素值与均方差( mean square erroi MsSE之比[5], PSNR=10logjo Peak signalvalue) MSE 对8位二进制图像, PSNR=10log,o MSE 其中, MSE= ∑∑k(mn,n)-mn MN m=00 其中,x(m,n)为原始图像的像素值,x(m,n)为解压缩之后的像素值。 在文献中,评估编码系统性能还使用其他方法,这些方法包括使用规格化均方差 ( normalized mean square error,NMSE)、信号噪声比( signal to noise ratio,SNR)和平均绝对 误差( mean absolute error,MAE来度量,分别定义为 ∑∑[xm,n)-X(m,n NMSE aun ∑∑[xm,m SNR=10log1o NMSE MAE=,∑∑[x(m,n)-Xmn MN= 其中,x(m,n)为原始图像的像素值,x(m,n)为解压缩之后的像素值。 在电子工程中,信号噪声比(SNR)一直是最流行的误差度量指标,在大多数情况下可提 供很有价值的信息,在数学上也比较容易计算。信号噪声比虽然也用在图像编码中,但由于 它的数值与图像编码系统中高压缩比的关系不容易体现,因此提出了其他的几种度量方法 包括平均主观评分( mean opinion score,MOS)。 43EZW编码 43.1介绍 在1992年, Lewis,A.S.和 Knowles,G首先介绍了一种树形数据结构来表示小波变换 系数[6]。在1993年, Shapiro,JM把这种树形数据结构叫做“零树( zerotree)”,并且开发了 个效率很高的算法用于熵编码,他的这种算法叫做嵌入(式)零树小波( embedded zerotree 4第4章 小波图像编码 4 4.2 失真的度量方法 在图像编码系统中，评估编码系统性能的一种方法是失真度量法，用峰值信号噪声比 (peak signal to noise ratio, PSNR)来衡量, 定义为最大像素值与均方差(mean square error， MSE)之比[5]， 2 10 ( ) 10log Peak SignalValue PSNR MSE = (db) 对8位二进制图像， 2 10 255 PSNR 10log MSE = (db) 其中， 1 1 2 0 0 1 ( , ) (,) M N m n MSE x m n xmn MN - - = = = - å å % 其中， xmn (,) 为原始图像的像素值， xmn %(,) 为解压缩之后的像素值。 在文献中，评估编码系统性能还使用其他方法，这些方法包括使用规格化均方差 (normalized mean square error，NMSE)、信号噪声比(signal to noise ratio，SNR) 和平均绝对 误差(mean absolute error，MAE)来度量，分别定义为 1 1 2 0 0 1 1 2 0 0 [(, ) ( , )] [(, )] M N m n M N m n x m n xmn NMSE xmn - - = = - - = = - = å å å å % 10 1 SNR 10log NMSE æ ö = ç ÷ è ø 1 1 0 0 1 [(, ) ( , )] M N m n MAE x m n xmn MN - - = = = - å å % 其中， xmn (,) 为原始图像的像素值， xmn %(,) 为解压缩之后的像素值。 在电子工程中，信号噪声比(SNR)一直是最流行的误差度量指标，在大多数情况下可提 供很有价值的信息，在数学上也比较容易计算。信号噪声比虽然也用在图像编码中，但由于 它的数值与图像编码系统中高压缩比的关系不容易体现，因此提出了其他的几种度量方法， 包括平均主观评分(mean opinion score，MOS)。 4.3 EZW编码 4.3.1 介绍 在1992年，Lewis，A. S.和Knowles, G.首先介绍了一种树形数据结构来表示小波变换的 系数[6]。在1993年，Shapiro, J. M.把这种树形数据结构叫做“零树(zerotree)”，并且开发了 一个效率很高的算法用于熵编码，他的这种算法叫做嵌入(式)零树小波(embedded zerotree