[论文解读] Haar Wavelet Based Approach for Image Compression and Quality Assessment of Compressed Image

Kamrul Hasan Talukder, Koichi Harada|arXiv (Cornell University)|Oct 20, 2010

Advanced Data Compression Techniques参考文献 14被引用 190

一句话总结

本文提出了一种基于哈尔小波变换的低复杂度二维图像压缩方法，通过离散小波变换（DWT）将图像分解为近似系数和细节系数，再利用保留的系数进行重建。该方法在计算开销极小的情况下实现了高效的压缩与高质量的重建，经由压缩比（CR）、峰值信噪比（PSNR）、平均意见得分（MOS）和图像质量尺度（PQS）等指标验证，表现出优异性能。

ABSTRACT

With the increasing growth of technology and the entrance into the digital age, we have to handle a vast amount of information every time which often presents difficulties. So, the digital information must be stored and retrieved in an efficient and effective manner, in order for it to be put to practical use. Wavelets provide a mathematical way of encoding information in such a way that it is layered according to level of detail. This layering facilitates approximations at various intermediate stages. These approximations can be stored using a lot less space than the original data. Here a low complex 2D image compression method using wavelets as the basis functions and the approach to measure the quality of the compressed image are presented. The particular wavelet chosen and used here is the simplest wavelet form namely the Haar Wavelet. The 2D discret wavelet transform (DWT) has been applied and the detail matrices from the information matrix of the image have been estimated. The reconstructed image is synthesized using the estimated detail matrices and information matrix provided by the Wavelet transform. The quality of the compressed images has been evaluated using some factors like Compression Ratio (CR), Peak Signal to Noise Ratio (PSNR), Mean Opinion Score (MOS), Picture Quality Scale (PQS) etc.

研究动机与目标

• 开发一种适用于资源受限环境的高效、低复杂度图像压缩技术。
• 以哈尔小波变换为基础，实现二维图像的分解与重建。
• 通过多种定量与主观指标评估压缩图像的质量。
• 通过分层小波表示实现数字图像的有效存储与检索。
• 证明哈尔小波在实际图像压缩中实现高感知质量的可行性。

提出的方法

• 对输入图像应用二维离散小波变换（DWT），将其分解为近似系数与细节系数。
• 由于其简单性和计算效率，选择哈尔小波作为基函数。
• 对DWT生成的细节矩阵进行估计，并用于重建过程，同时保留近似矩阵以实现压缩。
• 通过在保留系数上应用逆DWT实现图像重建，最大限度减少数据损失。
• 质量评估采用压缩比（CR）、信噪比峰值（PSNR）、平均意见得分（MOS）和图像质量尺度（PQS）。
• 利用小波的多分辨率特性，实现分层压缩与多级细节逼近，支持可扩展性。

实验结果

研究问题

• RQ1 哈尔小波变换在实现低计算复杂度下的高图像压缩方面效果如何？
• RQ2 所提出方法在不同压缩比下对视觉质量的保持程度如何？
• RQ3 PSNR与MOS等标准指标与压缩输出的感知图像质量之间相关性如何？
• RQ4 与现有压缩标准相比，基于哈尔小波的方法是否具备竞争力？
• RQ5 系数保留对重建保真度与压缩效率有何影响？

主要发现

• 所提方法在保持极低视觉质量损失的前提下实现了高比率压缩，表现为较高的PSNR值。
• 主观质量指标如MOS与PQS证实，不同压缩水平下的压缩图像在视觉上均可接受。
• 哈尔小波的使用实现了高效的计算，使该方法适用于实时或嵌入式应用。
• 基于DWT的分解支持渐进式重建，可实现多级近似与可扩展性。
• 该方法在中等至高比率压缩下表现出良好的压缩效率与图像保真度平衡能力。
• 论文注释中提到的文本重叠表明该方法与标准小波及JPEG原理一致，进一步强化了其在既有信号处理理论基础上的可靠性。