改进的SPIHT图像压缩算法：基于HVS模型

"基于HVS模型的SPIHT图像压缩算法通过改进传统的SPIHT算法，利用人类视觉系统的特性提高图像压缩效率和质量。该方法主要针对SPIHT算法在编码时对所有子带采用相同重要性的策略，以及对SAR图像能量分布不敏感的问题。作者余楚才和李雷来自电子科技大学电子工程学院，他们提出了一种新的压缩算法，该算法结合小波系数的能量分布和频率敏感性，应用可变量化步长，以更好地适应人眼视觉感知。 在SPIHT（Set Partitioning in Hierarchical Trees）算法中，尽管其具有高压缩效率、嵌入式码流和多码率解码能力，但存在内存需求大、子带处理不灵活以及所有频域同等重要编码的缺陷。为解决这些问题，文献中提到的LZC算法简化了SPIHT，减少了内存需求，但牺牲了部分编码性能。 本文提出的改进算法首先分析图像在小波域的能量分布，然后利用HVS（Human Visual System）模型，即模拟人类视觉对不同频率的敏感度。通过这种方式，对于不同频带的小波系数，可以采用不同的量化步长，使得量化结果更符合人眼的视觉感知。这样不仅能减少不重要系数的冗余扫描和比特输出，提高编码效率，还能在保持图像边缘清晰度的同时，提升压缩后的主观质量。 实验结果证明，改进后的算法在边缘保持能力和主观图像质量方面均优于原始的SPIHT算法。这一改进对于需要高效、高质量图像压缩的领域，如遥感图像处理、视频通信和数字存储等，具有重要的实际应用价值。通过结合视觉感知模型，算法可以更加智能地处理图像信息，减少不必要的数据传输，降低存储需求，同时保持良好的图像质量，从而满足不同用户的需求。"