基于分解反折结构的低内存低复杂度离散小波变换

J4 ›› 2013, Vol. 35 ›› Issue (10): 144-148.

基于分解反折结构的低内存低复杂度离散小波变换

李京旭1，张雄明2

（1.国防科学技术大学计算机学院，湖南长沙 410073;2.国防科学技术大学ATR国家重点实验室，湖南长沙 410073）

收稿日期:2011-12-15 修回日期:2012-08-14 出版日期:2013-10-25 发布日期:2013-10-25
基金资助:
国家自然科学基金资助项目（61033008,60903041，61103080）；教育部博士点基金资助项目（20104307110002）；国防科学技术大学杰出青年基金资助项目（CJ110601）

Lowmemory and reducedcomplexity discrete
wavelet transform with decomposed flipping structure

LI Jingxu1,ZHANG Xiongming2

(1.School of Computer Science,National University of Defense Technology,Changsha 410073;
2.ATR National Laboratory,National University of Defense Technology,Changsha 410073,China)

Received:2011-12-15 Revised:2012-08-14 Online:2013-10-25 Published:2013-10-25

摘要/Abstract

摘要：

通过将反折结构分解为奇、偶时间索引对应的操作，在不增加计算复杂度的前提下提出了一种内存需求更低且处理器负载均衡的即时DWT实现—分解反折结构DFS。以图像/视频压缩中常用的CDF 9/7小波滤波器组为例，DFS与提升结构LS及FS具有相同的计算复杂度，但是内存需求（单层变换）从6个存储单元下降为5个。实验结果表明，基于DFS的DWT分解相对于常规LS实现及实时 LS实现分别加速了44%和14%。

关键词: 离散小波变换, 反折结构, 低内存, 低复杂度

Abstract:

By decomposing the Flipping Structure (FS) into even phase and odd phase, this paper proposes an onthefly implementation of DWT called Decomposed Flipping Structure (DFS), which is characterized by lowmemory budget, lowcomputational complexity and balanced workload. For the CDF 9/7 wavelet filterbank popular in waveletbased image/video coding schemes, the DFS has the same computational complexity as the FS, while the memory requirement reduces from six memory cells to five ones. The experimental results show that the proposed implementation has a speedup of about 44% and 14%, respectively, compared with the traditional lifting scheme and onthefly LS.

Key words: discrete wavelet transform;flipping structure;low memory;reduced complexity

李京旭1，张雄明2. 基于分解反折结构的低内存低复杂度离散小波变换[J]. J4, 2013, 35(10): 144-148.

LI Jingxu1,ZHANG Xiongming2. Lowmemory and reducedcomplexity discrete
wavelet transform with decomposed flipping structure [J]. J4, 2013, 35(10): 144-148.

[1]	陈伟琦，李倩. 基于DWT-SVD的图像双零水印算法[J]. J4, 2014, 36(10): 1991-1996.
[2]	李井辉[1] 申静波[1] 李德宝[2] 齐峰[1]. 基于混沌序列的数字水印图像认证算法[J]. J4, 2008, 30(8): 46-48.
[3]	韦耿刘文予李鹏飞. 基于运动复杂度分类的快速模式选择算法[J]. J4, 2008, 30(2): 58-60.
[4]	李亚琴[1] 孙星明[2]. 一种基于ICA的音频数字水印方法[J]. J4, 2007, 29(7): 41-44.
[5]	余艳玮卢正鼎. 一种基于线性神经网络的半易损水印技术[J]. J4, 2006, 28(10): 61-62.
[6]	黄本雄段善维胡海. 图像小波分解的FPGA实现[J]. J4, 2005, 27(3): 32-34.
[7]	王贤敏关泽群吴沉寒. 基于图像内容的局部化数字水印算法[J]. J4, 2004, 26(9): 48-51.
[8]	徐群慧[1] 谢长生[2]. 基于ECW的遥感图象压缩技术的研究[J]. J4, 2003, 25(4): 15-17.
[9]	钟广军[1] 成礼智[2] 等. 基于提升方法的简单9／7小波滤波器[J]. J4, 2003, 25(1): 35-37.