臺灣博碩士論文加值系統

在所有靜態影像壓縮技術中，層級樹狀結構分組 (SPIHT)已被証明對於影像壓縮相當有成效；然而，使用既有的技術來做傳輸有以下兩個缺點：
1.若錯誤發生在資料流的一開始就無法還原影像。
2.同時若錯誤發生在中途，錯誤將會蔓延，使整張影像的還原品質變差。
在本篇論文中我們提出一種利用多重描述法的影像傳輸系統。在本架構中，首先，先將影像經過小波轉換得到影像的小波係數並將所得的小波係數取出低頻和高頻部分，同時將高頻的部分做區塊編碼並分為兩群。之後再重新組合回兩個群包含低頻和高頻的描述，其中低頻的部分是兩群都一樣的部分。
再利用SPIHT編碼法則，針對每一群裡的低頻的部分及高頻各區塊部分做獨立的小波係數做編碼並於通道內傳送，而且在本架構的解碼端則看收到從編碼端傳來的資料流的多寡來還原中央合併解碼端及單邊解碼端的影像。
本論文所提出的架構，在無通道錯誤的情況下，中、低碼率的時候可以得到較顯著的還原效果。若在通道傳送時，通道錯誤率愈大則還原的效果會比原本SPIHT在相同通道下傳送效果好。

The objective of the thesis is to present the block-based algorithm for multiple description image transmission. In this algorithm, the wavelet coefficients of the image to be delivered are partitioned into different groups including the low-pass and high-pass subbands. Then, the groups of high-pass subband are divided with block-based algorithm. The wavelet coefficients in each block and the group of low-pass subband are independently encoded using the set partitioning in hierarchical trees (SPIHT) technique. The decoders of the transmission system can reconstruct the image by collecting the SPIHT-encoded bitstreams from any wavelet coefficients.
Compare to equal-allocation algorithm, our simulation demonstrates that it can attain comparable performance for lossless channels. Furthermore, Our algorithm outperforms the basic SPIHT when the channels become lossy.

目錄
中文摘要••••••••••••••••••••••••••••••• ••••••••••••Ⅰ
英文摘要••••••••••••••••••••••••••••••• ••••••••••••Ⅱ
致謝••••••••••••••••••••••••••••••• •••••••••••••••Ⅲ
目錄•••••••••••••••••••••••••••••••••••••••••••••••Ⅳ
圖表目錄••••••••••••••••••••••••••• ••••••••••••••••Ⅵ
第一章 緒論••••••••••••••••••••••••••••••••••••••••••1
1.1 研究背景及動機•••••••••••••••••••••••••••••• 1
1.2 全文架構••••••••••••••••••••••••••••••••••• 3
第二章 基本理論介紹•••••••••••••••••••••••••••••••••••4
2.1 離散小波轉換理論之基礎應用•••••••••••••••••••• 4
2.2 層級樹狀結構分組演算法••••••••••••••••••••••• 8
2.2.1 小波轉換係數之樹狀結構••••••••••••••••••8
2.2.2 層級樹狀結構分組演算法則•••••••••••••••10
2.3 動態規劃法•••••••••••••••••••••••••••••••••21
第三章 多重描述法則之理論與應用••••••••••••••••••••••••25
3.1 多重描述•••••••••••••••••••••••••••••••••••25
3.2 小波係數分群•••••••••••••••••••••••••••••••28
3.3 碼率分配•••••••••••••••••••••••••••••••• ••31
第四章 模擬結果與討論•••••••••••••••••••••••••••••••• 36
4.1 模擬環境•••••••••••••••••••••••••••••••••••36
4.2 模擬結果•••••••••••••••••••••••••••••••••••38
4.3 討論•••••••••••••••••••••••••••••••••••••• 43
第五章 結論與未來展望••••••••••••••••••••••••••••••••44
參考文獻••••••••••••••••••••••••••••••••••••••••••••45
作者簡歷••••••••••••••••••••••••••••••••••••••••••••47

圖表目錄
圖2-1 一維訊號之再分解情形••••••••••••••••••••••••••••5
圖2-2 二維離散小波轉換••••••••••••••••••••••••••••••••6
圖2-3 p級二維離散小波轉換係數••••••••••••••••••••••••7
圖2-4 一維小波樹之架構情形••••••••••••••••••••••••••••8
圖2-5 二維小波樹狀結構••••••••••••••••••••••••••••••••9
圖2-6 小波樹集合之定義•••••••••••••••••••••••••••••••10
圖2-7 二維小波樹之分解•••••••••••••••••••••••••••••••11
圖2-8 SPIHT演算法則之編碼流程圖•••••••••••••••••••••••17
圖2-9 數值重建情形•••••••••••••••••••••••••••••••••••18
圖2-10 SPIHT演算法則之解碼流程圖••••••••••••••••••••••19
圖2-11動態規劃法問題---各國城鎮系統及路徑圖•••••••••••••21
圖3-1 多重描述傳輸圖•••••••••••••••••••••••••••••••••26
圖3-2 3次小波轉換後小波係數分布圖••••••••••••••••••••••28
圖3-3 小波係數重新組合之方法••••••••••••••••••••••••••29
圖3-4 區塊編碼後小波係數分群圖••••••••••••••••••••••••30
圖3-5小波係數分群後高頻部分裡的一個區塊••••••••••••••••31
圖3-6多重描述示意圖•••••••••••••••••••••••••••••••••33
圖3-7區塊化編碼於多重描述之應用流程圖••••••••••••••••••35
圖4-1平均分配區塊碼率架構之小波分組圖••••••••••••••••••37
圖4-2 測試影像Lena經過最佳化碼率分配之後的多重描述影像的各種呈現••••••••••••••••••••••••••••••••••••••••41
圖4-3測試影像Lena經過平均碼率分配之後的多重描述影像的各種呈現••••••••••••••••••••••••••••••••••••••••••42
圖4-4在有通道錯誤下，基本SPIHT與區塊最佳編碼測試結果••••••••••••••••••••••••••••••••••••••••••••43

表格 2-1 9/7tap 小波濾波係數••••••••••••••••••••••••••••5
表格 2-2 小波係數數值之再精練•••••••••••••••••••••••••15
表格 2-3 第一個國家到第二個國家最短路徑表•••••••••••••••22
表格 2-4 第二個國家到第三個國家最短路徑表•••••••••••••••23
表格 2-5 第三個國家到第四個國家最短路徑表•••••••••••••••23
表格 4-1 測試影像Lena，基本SPIHT在各碼率下之結果•••••••38
表格 4-2 測試影像Lena，總碼率=0.15，結果比較••••••••••••38
表格 4-3 測試影像Lena，總碼率=0.2，結果比較•••••••••••••39
表格 4-4 測試影像Lena，總碼率=0.25，結果比較••••••••••••39
表格 4-5 有通道錯誤下基本SPIHT還原結果••••••••••••••••39
表格 4-6 有通道錯誤下區塊最佳編碼還原結果•••••••••••••••40

參考文獻
[1] A. Said and W. Pearlman, “A New, Fast, and Efficient Image Codec Based on Set Partition in Hierarchical Trees,” IEEE Trans. Circuits and Systems for Video Technology, Vol. 6, No. 3, pp.243-250, Jun. 1996.
[2] C. D. Creusere, “Image Coding Using Parallel Implementations of the embedded zerotree wavelet algorithm.” Proc. SPIE, Vol. 2668, pp.82-92, Jan. 1996.
[3] C. D. Creusere, “A New Method of Robust Image Compression Based on the Embedded Zerotree Wavelet Algorithm,” IEEE Trans. Image Processing, Vol. 6, No. 10, pp. 1436-1442, Oct. 1997.
[4] David E. McDysan and Darren L. Spohn, ATM Theory and Application, McGraw-Hill, New York, 1994.
[5] J. C. Liu, W. L. Hwang, W. J. Hwang and M. S. Chen, “Robust Block-Based EZW Image Compression with Channel Noise Optimized Rate-Distortion Functions,” Proc. Of ICIP’99, Issue 2, pp. 560-564, 1999.
[6] J. W. Woods and S. D. O’Neil, “Subband Coding of Images,” IEEE Trans. Acous.tics, Speech, and Signal Processing, Vol. ASSP-34, No.5, pp. 1278-1288, Oct. 1986.
[7] M. L. Hilton, “Wavelet and Wavelet Packet Compression of Electrocardiograms,” IEEE Trans. Biomedical Engineering, Vol. 44, No. 5, pp. 349-402, May 1997.
[8] M. Vetterli, and J. Kovacevic, Wavelets and Subband Coding. Englewood Cliffs, NJ: Prentice-Hall, 1995.

[9] Wen-Jyi Hwang, Chine-Fung Chine and Wen-Liang Hwang, “Scalable and Robust Image Transmission Using Block-Based Layered Set Partition in Hierarchical Trees,” Optical Engineering, Vol. 42, No. 5, pp. 1397-1404, May 2003.
[10] V. K. Goyal, “Multiple description coding: compression meets the network,” IEEE Signal Processing Magazine, Vol. 18, No. 5, pp. 74-93, Sept. 2001.