本文在分析EZW、SPIHT 等目前采用树形结构组织系数的优秀压缩算法优缺点的基础上，提出了改进零树的小波编码算法。同时还提出了一种基于小波和数学形态学的自适应游程编码的改进算法。改进的自适应游程编码算法最突出的新特点是它可以将原始比特流转换成码长的二进制编码。实验结果表明，当连续码流相等的情况下，我们改进的算法可以有效减少编码长度。

本课题就是在此基础上提出来的，随着应用要求的提高，传统压缩方法已不能满足图像处理的需要，因此研究高质量、高压缩比的智能图像压缩方法的研究成为国际研究的重点和目标。主要有：一是用新的技术来实现已有的压缩算法；二是寻找全新的图像压缩理论、算法和应用技术。

本课题的主要研究内容

（1）了解视频图像压缩编码的基本原理和基本概念

（2）掌握目前的几种主要的压缩编码技术，指出它们的不足

（3）在研究零树编码中的嵌入式零树编码（EZW Embedded Zerotree Wavelets）算法、多级树集合分裂（SPIHT）算法的基础上，提出自己视频图像压缩编码解决方案

（4）从基于离散小波变换（DWT）的零树编码和结合形态学小波编码入手，用MATLAB，VC++编程对各种视频图像压缩编码性能进行对比验证，综合各种编码优缺点，提出对离散小波编码的改进方法,并用MATLAB或 VC++编写验证平台进行验证。

通过第四章的分析，我们可以看出，零树算法是用对非显著系数的定位间接地获得显著系数的位置信息。然而随着显著阈值的降低，零树的预测效率随之降低；而且图像的纹理信息越丰富，零树的预测效率也越低。那么，能不能直接对显著系数进行定位呢？从小波系数的分布性质可以看出，这是可以做到的。这种编码方法的关键问题是如何对形状不规则的显著簇图进行描述，数学形态学是处理这一问题的有效工具。尤其是当图像的纹理非常丰富时，非显著区域非常琐碎，零树预测性能大大降低，而此时由于显著系数呈现密集分布，直接定位显著系数的编码效率很高。利用形态学的方法直接对显著系数进行定位，其编码效果不亚于零树算法。

实验结果

在相同比特率下，未改进算法与使用如 4.3.3 节中所述的改进算法分别对 Lena 图像进行编解码后的峰值信噪比（PSNR）对比如表4-3（以下数据是采用 Lazy 小波对图像进行小波变换所得的数据，高频压缩比例为 1.5）：

由于 PSNR 只是从客观保真度方面评价了恢复图像的质量，而诸如低频信息量的突出等措施所提高的图像的视觉质量并不能由表4-3充分反映。图 4-6 和图 4-7 分别列出了（1.5bpp）改进前后的图像。