【正文】 在此，對他們表示衷心的感謝!學(xué)生簽名：日 期：2009屆本科畢業(yè)設(shè)計(jì)（論文）資料第二部分 過程管理資料 0 過程管理資料目錄一、2009屆畢業(yè)設(shè)計(jì)（論文）課題任務(wù)書 ( )二、湖南工業(yè)大學(xué)本科畢業(yè)設(shè)計(jì)（論文）開題報(bào)告 ( )三、本科畢業(yè)設(shè)計(jì)（論文）中期報(bào)告 ( )四、畢業(yè)設(shè)計(jì)（論文）指導(dǎo)教師評閱表 ( )五、畢業(yè)設(shè)計(jì)（論文）評閱教師評閱表 ( )六、畢業(yè)設(shè)計(jì)（論文）答辯及最終成績評定表 ( )I湖南工業(yè)大學(xué)本科畢業(yè)設(shè)計(jì)（論文）過程管理資料 2009屆畢業(yè)設(shè)計(jì)（論文）課題任務(wù)書學(xué)院（部）： 專業(yè)： 指導(dǎo)教師學(xué)生姓名課題名稱內(nèi)容及任務(wù)擬達(dá)到的要求或技術(shù)指標(biāo)進(jìn)度安排起止日期工作內(nèi)容主要參考資料系（教研室）意見簽名：年 月 日學(xué)院（部）主管領(lǐng)導(dǎo)意見簽名：年 月 日湖 南 工 業(yè) 大 學(xué)本科畢業(yè)設(shè)計(jì)（論文）開題報(bào)告 （2009屆）學(xué) 院（部）： 專 業(yè)： 學(xué) 生 姓 名： 班 級： 學(xué)號 指導(dǎo)教師姓名： 助教職稱的填寫在第二行；如只有一位指導(dǎo)教師則去掉第二行，如有三位教師，則再添加一行。在四年的大學(xué)本科學(xué)習(xí)過程中，得到了湖南工業(yè)大學(xué)許多老師竭心盡力的教育與培養(yǎng)，在此，同樣表示由衷的感謝。對我的學(xué)習(xí)與今后工作都產(chǎn)生了積極的影響。本文的撰寫工作是在導(dǎo)師劉立老師的悉心指導(dǎo)下完成的，論文的研究思想、研究內(nèi)容、結(jié)構(gòu)框架的確立，都得到了導(dǎo)師的大力幫助和指導(dǎo)。學(xué)生簽名：日 期：參考文獻(xiàn)[1]． E．O．Brigham，R．E．Morrow,．The fast 傅里葉 transform[J]，IEEE Spectrum，VOL．4,No．1 2，PP．6370，Dec．1997[2]．H．Hotelling．Analysis of a plex of statistical variables into principal ponents[J]，Journal of Educational Psychology,VOL．24，PP．498520，1993[3]．A．Habibi，P．A．Winz，．Optimum linear transformation for encoding two—dimensional data[J]，Symp．Picture Bandwidth Compression，MIT,Cambfidge，MA，USA，1969[4]．N．Ahmed，T．Natarajan，K．R．Rao．Discrete cosine transform[J]．IEEE Trans．Computers，VOL．C23,NO．1，pp．90—93jan．1974[5]．J．W．Woods，S．D．O’Neil．Subband coding of image[J]，IEEE Trans．ASSP,VOL．34，[6]．R．M．Gray．Vector quantization[J]，IEEEASSP Magazine，VOL．1，NO．2，PP．429，Apnl983[7]．A．Gersho，R．M．Gray．Vector Quantization and Signal Compression[M]，Boston，MA：[8]．陳書海,傅錄祥編著. 實(shí)用數(shù)字圖像處理 [M].科學(xué)出版社, 2005 . [9]． 阮沈勇，王永利．MATLAB程序設(shè)計(jì)[J]．北京：電子工業(yè)出版社， 2004年1月，pp．210284．[10]．董長虹，高志．小波分析工具箱原理與應(yīng)用[J]，MATLAB應(yīng)用，第26卷，第6期，2004年6月，pp．133138[11]． 王向陽，楊紅穎．基于人眼視覺特性的快速圖像編碼算法[J]，軟件學(xué)報(bào)，第14卷，第11期，2003年，laP．1964—1970[12]．徐立中. 數(shù)字圖像的智能信息處理[M].國防工業(yè)出版社, 2001 [13]． Castlcman K R．Di百ml image processing[M]，Prentice Hall，2002[14]． 沈蘭蓀．圖像編碼與異步傳輸[M]。(6) 基于多小波或小波包變換的圖像壓縮編碼方法是在小波變換領(lǐng)域發(fā)展起來的新方法，它利用多個(gè)小波基對圖像進(jìn)行分解，相對單小波變換，這種方法對紋理較多的圖像，壓縮性能更好。(5)基于內(nèi)容的圖像編碼。(4) 小波壓縮算法中公認(rèn)的一個(gè)難題沒有得到良好解決，這就是當(dāng)比特率較低時(shí)出現(xiàn)的邊緣模糊現(xiàn)象，即Gibbs效應(yīng)，究其本質(zhì)，主要是因?yàn)檫@些算法均在均方誤差(MSE)準(zhǔn)則下工作，而MSE準(zhǔn)則不能很好地刻畫圖像邊緣和平坦區(qū)域的差別，按MSE準(zhǔn)則進(jìn)行優(yōu)化的方法有時(shí)難以達(dá)到良好的視覺效果。圖像的小波變換機(jī)制具有與人眼的信息感知和處理過程十分吻合的特性，但由于人們對人眼視覺生理特性研究的局限性，小波圖像壓縮編碼還沒有充分利用人眼的視覺特性。如何合理地組織圖像分解后的小波系數(shù)，以達(dá)到快的排序速度和用較少的重要圖編碼來表達(dá)原圖像。如何選擇適合具體圖像的小波基，實(shí)現(xiàn)圖像從無損到有損的壓縮，獲得更高的壓縮效果，還有待于進(jìn)一步的研究。利用小波變換進(jìn)行圖像壓縮編碼時(shí)，并非所有的小波基都適合對圖像進(jìn)行分解，選擇不同的小波基對于圖像壓縮的效果有著直接的影響。實(shí)驗(yàn)結(jié)果表明，Daubechies小波最有良好的圖像壓縮性能。通過將原圖像分裂為包含原圖像主要信息的主圖像與包含原圖像細(xì)節(jié)信息的副圖像，然后分別進(jìn)行壓縮的方法，取得了良好的改進(jìn)效果(2)在本文提出的改進(jìn)算法基礎(chǔ)上，對圖像壓縮中小波基的選取進(jìn)行了研究。第六章 結(jié)論和展望 結(jié)論本文的研究工作面向基于小波變換的靜態(tài)圖像壓縮技術(shù)。mat39。col39。時(shí),做行編碼。該函數(shù)是用來對矩陣X進(jìn)行量化編碼,它返回矩陣X的一個(gè)編碼矩陣,在編碼中,把矩陣X中元素絕對值最大的作為NB(NB是一個(gè)整數(shù)),絕對值最小的作為1,39。就是從分解系數(shù)[C,S]中提前第N層所有的細(xì)節(jié)系數(shù)（包括水平，垂直，對角，分別存入數(shù)組H,V,D）。也就是說dwt2只能對某個(gè)輸入矩陣X進(jìn)行一次分解，而wavedec2可以對輸入矩陣X進(jìn)行N次分解。wname39。wname39。而wavedec2是二維多尺度小波分解。ca239。)。disp(39。第二次壓縮圖像39。axis square。image(ca2)。ca2=*ca2。39。cal39。第一次壓縮后圖像的大小為：39。)。title(39。colormap(map)。subplot(223)。,0)。cal=wcodemat(cal,440,39。39。)。title(39。image(c1)。v1,d1]。,1)。,c,s,39。d1=wrcoef2(39。39。v39。,1)。,c,s,39。h1=wrcoef2(39。39。a39。,c,s,1)。%垂直方向的細(xì)節(jié)系數(shù)cd1=detcoef2(39。v39。,c,s,1)。從分解系數(shù)[c,s]中提取第一層的近似系數(shù)ch1=detcoef2(39。%用小波39。39。)。整個(gè)算法的處理過程如下圖所示：導(dǎo)入圖片利用wavedec2函數(shù)對圖像進(jìn)行小波分解，得到分解系數(shù)顯示分解后低頻和高頻信息對圖像再進(jìn)行一次分解，得到第一次壓縮的信息，并顯示出來利用圖像分解系數(shù)，得到第二次壓縮的信息，并顯示壓縮后的圖片 小波變換流程圖 同上DCT變換那樣，把剛讀入的圖像I設(shè)為全局變量，之后利用wavedec2函數(shù)對圖像進(jìn)行小波分解，得到分解系數(shù)，進(jìn)行小波算法，代碼如下：[c,s]=wavedec2(I,2,39。,1)。 4. 基于小波變換矩陣算法的實(shí)現(xiàn)首先讀取圖像文件，然后利用wavedec2函數(shù)對圖像進(jìn)行小波分解，采用函數(shù)appcoef2函數(shù)從分解系數(shù)中取近似系數(shù)，即利用語句cal=appcoef2(c,s,39。 ，這個(gè)加權(quán)函數(shù)對于人的視覺系統(tǒng)是最佳的。在這個(gè)方面，小波分析的就有優(yōu)勢多了，由于小波分析固有的時(shí)頻特性，我們可以在時(shí)頻兩個(gè)方向?qū)ο禂?shù)進(jìn)行處理，這樣就可以對我們感興趣的部分提供不同的壓縮精度。2．小波變換算法分析在上一節(jié)中，我介紹了基于離散余弦變換的圖像壓縮算法，其基本思想是在頻域?qū)π盘栠M(jìn)行分解，去除信號點(diǎn)之間的相關(guān)行，并找出重要系數(shù)，濾去次要系數(shù)，以達(dá)到壓縮的效果，但該方法在處理過程中并不能提供時(shí)域的信息，在我們比較關(guān)系時(shí)域特性的時(shí)域顯得無能為力。 原始圖像及進(jìn)行DCT變換后的圖片 小波變換模塊小波變換是時(shí)間(空間)頻率的局部化分析，它通過伸縮平移運(yùn)算對信號(函數(shù))逐步進(jìn)行多尺度細(xì)化，最終達(dá)到高頻處時(shí)間細(xì)分，低頻處頻率細(xì)分，能自動適應(yīng)時(shí)頻信號分析的要求，從而可聚焦到信號的任意細(xì)節(jié)，解決了傅里葉變換的困難問題，成為繼傅里葉變換以來在科學(xué)方法上的重大突破。jpg39。39。)。title(39。 %頻譜進(jìn)行逆變換subplot(224)。)。title(39。 %丟棄部分高頻分量subplot(223)。)。,39。imwrite(D,39。經(jīng)過dct變換后的圖像39。imshow(D)。D = dct2(rgb2gray(I))。jpg39。39。然后把圖像變成灰度圖像，并進(jìn)行DCT變換。 subplot(221)。fpath=[pathname filename]。Pick an image39。All Files (*.*)39。*.*39。Image Files (*.bmp, *.jpg, *.png, *.jpeg)39。*.jpeg39。*.jpg。導(dǎo)入圖片利用dctmtx函數(shù)對圖像進(jìn)行離散余弦變換，得到矩陣T對圖像每個(gè)不同88數(shù)據(jù)塊應(yīng)用矩陣式T*x*T’進(jìn)行處理顯示變換后的二維變換譜利用二維掩膜只保留DCT變換的10個(gè)系數(shù)逆DCT變換，重構(gòu)圖像顯 示 圖 像 基于DCT變換矩陣算法的離散余弦變換的處理過程 首先要設(shè)計(jì)GUI界面中的打開按鈕，設(shè)計(jì)打開按鈕選取圖片，代碼如下：[filename, pathname] = uigetfile( ... {39。最后在對圖像進(jìn)行逆離散余弦變換，顯示圖像重構(gòu)的結(jié)果。3．離散余弦變換的處理步驟步驟l：選擇一個(gè)處理算法，是基于FFT快速算法的還是基于DCT變換矩陣的算法，選擇一種，進(jìn)行步驟2步驟4步驟2：導(dǎo)入原始圖像并顯示；步驟3：進(jìn)行離散余弦變換并顯示結(jié)果；步驟4：進(jìn)行逆交換并顯示結(jié)果4. 基于DCT變換矩陣算法的離散余弦變換的實(shí)現(xiàn)首先讀取圖像文件，然后利用dctmtx函數(shù)對圖像進(jìn)行離散余弦變換，采用函數(shù)dctmtx得到矩陣T，即利用語句D=dctmtx(8)，然后，對每一個(gè)圖像塊執(zhí)行運(yùn)算B=T*矩陣T*x*T’。由于變換矩陣D是實(shí)正交矩陣，為此二維逆離散余弦變換為A=D’*B*D。這種計(jì)算有時(shí)會比利用函數(shù)dct2更快，特別是計(jì)算大量小的相同尺寸DCT時(shí)，矩陣D只需計(jì)算一次，因而速度快。設(shè)A是一個(gè)MN大小的矩陣，則D*A表示A的列向量的一維離散余弦變換，而D*A(D’表示D的轉(zhuǎn)置)表示A的列向量的一維逆離散余弦變換。離散余弦變換的傳統(tǒng)算法是基于FFT的快速算法，這里引入一種新的變換方法——基于DCT變換矩陣算法。DCT變換的變換核為余弦函數(shù)，計(jì)算速度較快，有利于圖像壓縮和其他處理。第5章 系統(tǒng)的實(shí)現(xiàn) 系統(tǒng)功能介紹 本系統(tǒng)功能主要包括圖片的選取打開，保存，以及程序的退出；工具方面主要是DCT變換和小波變換，下面主要從這兩方面來講解下系統(tǒng)功能。小波變換是科恩類變換，其基本思想是將函數(shù)在核函數(shù)上展開，核函數(shù)具有時(shí)間與頻率分辨率，因而小波變換也具有時(shí)間和頻率分辨率。因此，不能用于局部分析。該性質(zhì)可由δ(t)函數(shù)來理解，即時(shí)域上的一個(gè)沖激脈沖在頻域中具有無限伸展的均勻頻譜。在這些信號的分析中，希望知道信號在突變時(shí)刻的頻率成份，顯然利用傅里葉變換處理這些信號，這些非平穩(wěn)的突變成份往往被傅里葉變換的積分作用平滑掉了?；谶@一基本原理，現(xiàn)代譜分析已研究與發(fā)展了多種行之有效的高效、多分辨率的分析算法。傅里葉展開正是這一物理過程的數(shù)學(xué)描述 傅里葉變換的特點(diǎn)是域變換，它把時(shí)域和頻域聯(lián)系起來，把時(shí)域內(nèi)難以顯現(xiàn)的特征在頻域中十分清楚地顯現(xiàn)出來。它可把許多常見的微分、積分和卷積運(yùn)算簡化為代數(shù)運(yùn)算。 小波變換的特點(diǎn)信號分析的主