基于人眼视觉的混合域图像压缩算法：减少冗余与提升压缩效果

该篇论文研究的焦点是"综合颜色和轮廓曲线特征的图像检索方法"，针对小波变换和Contourlet变换在图像压缩中的局限性展开。小波变换虽然在边缘检测方面表现出色，但难以精确捕捉轮廓曲线的平滑性，且存在冗余问题，导致在低比特率下图像质量下降，出现明显的"振铃"现象。Contourlet变换作为多尺度几何变换工具，虽然提供了更好的各向异性以及全面的几何特性描述，但其LP分解带来的4/3冗余度限制了压缩效率。 为解决这些问题，作者提出了一种新的混合域图像压缩编码算法，结合了小波变换和Contourlet变换的优势。首先，对原始图像进行小波分解，然后对中高频小波子带进行自适应方向分解，以增强对轮廓信息的捕捉。通过考虑人眼视觉特性（HVS），对不同子带的变换系数进行加权处理，这有助于优化压缩后的图像质量。接下来，构建了扩展的空间方向树结构，结合小波和方向分解的特点，使得编码更为高效。 算法的关键创新在于对低频系数采用了新的排列结构，并借鉴了SPIHT编码的思想，实现了更有效的图像压缩。相比于传统的SPIHT、WBCT等图像压缩方案，尤其是在低比特率情况下，提出的混合域编码方法显示出显著的压缩效果优势，能够减少图像的冗余，提高视觉感知的质量。 论文的作者还提到，他们参考了EZW、SPIHT和EBCOT等基于小波变换的编码算法，以及Eslamihe和Belbachir等人的Contourlet域图像压缩方法，如WBCT，但着重于改进和减少冗余，提升编码速度和视觉效果。王力和王向阳等人在此基础上做出了进一步的研究和贡献。 这篇论文是一项旨在提高图像检索和压缩效率的研究，通过整合颜色和轮廓曲线特征，克服了传统变换的不足，为图像处理领域的编码技术带来了新的突破。