第9章小波图像编码 92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) 比[S] PSNR= 10log (Peak Signal value)-(db) MSE 对8位二进制图像, PSMR=100o2552 MSE 其中, MSE= MN M=0 x(m, n)-x(m, n 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 M-1N-1 ∑∑[xm,m)-6(m,m NMSE ∑∑[xm,n) SNR=10log oNMSE MAE= ∑∑[x(m,n)-5(m,n MN m=0 n=0 其中,π(m,η)为原始图像的像素值,(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) 93EZw编码 93.1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)”,并且开发了第9章 小波图像编码 4 9.2 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 Signal Value 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 x m n 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 x m n NMSE x m n − − = = − − = = − =     10 1 SNR 10log NMSE   =     1 1 0 0 1 [ ( , ) ( , )] M N m n MAE x m n x m n 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)。 9.3 EZW编码 9.3.1 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