1. 研究目的与意义
随着网络技术的日益发展，图像压缩已成为其中的一个重要的部分，如何能有效的利用网络传输视频图像已是一个热门话题。
数字化的视频图像数据庞大，在进行视频存储和传输时必须经过视频压缩处理。
目前，许多实用的图像压缩编码都是基于 DCT 的，由于基于 DCT 算法的固有缺点，即方块效应，在压缩比较高时，图像的质量会很糟糕，人们一直在努力尝试更有效的编码方法。
2. 课题关键问题和重难点
关键问题：1、小波变换的重要性和意义，以及在图像压缩领域的应用；2、小波变换对图像进行压缩与重构；3、压缩后图像的读取与显示，数据集对图像编码性能的影响，图像压缩性能评价标准。
难点：1、不同图像编码方法的应用场景不同，得到的压缩性能评价也不同。
图像压缩算法的优劣可以用编码图像的质量，算法的复杂度，算法的编码效率和使用范围来评价；2、量化参数如何对压缩后的图像进行性能评价，可以对哪些方面的性能进行评价；3、主观评价与客观评价各有优劣。
3. 国内外研究现状（文献综述）
随着计算机技术和网络通信技术的飞速发展，实时可视化通信、多媒体通信、网络电视、视频监控等业务越来越受到大家的关注，人们越来越依靠计算机获取和利用信息，而数字化后的视频和音频等媒体信息具有数据海量性。
大量增长的图像给数据存储和传输带来了巨大压力，但与此同时，随着存储图像数量的增加，新增图像与已存储图像之间很有可能存在一定的相关性。
因此，利用已存储的图像数据集辅助完成图像编码，能够进一步提升压缩效率。
4. 研究方案
使用matlab语言对BMP格式的图像进行压缩，包括双正交小波函数、紧支集正交小波函数和行程编码等算法的压缩，对几种图像压缩算法进行评价，并对小波和小波包的压缩与解压缩进行研究。
小波变换是时间(空间)频率的局部化分析，它通过伸缩平移运算对信号(函数)逐步进行多尺度细化，最终达到高频处时间细分，低频处频率细分，能自动适应时频信号分析的要求，从而可聚焦到信号的任意细节。
小波变换算法首先读取图像文件，然后利用wavedec2函数对图像进行小波分解，采用函数appcoef函数从分解系数中取近似系数，即利用语句cal=appcoef2(c,s,'bior3.7',1);再具体对水平、垂直和斜线方向进行提取，然后利用提取的系数，显示压缩后的图像，并显示出压缩后图像的大小。
5. 工作计划
论文具体写作步骤：（1）查阅图像压缩、小波变换、数字图像处理相关的资料；进行文献的阅读及整理，写出文献综述；（2）根据文献理论回顾，进行理论分析，初步建立分析框架；（3）用小波对图像进行压缩与解压缩，对数据进行比较分析。
论文周计划：2022-2022-1学期：第15-16周：完成选题。
第17周：与导师沟通进行课题总体规划。
