背景技术：
一般编码技术中，考虑到其中最重要的目的是需要去除采集到信息中的各种统计冗余信息、，其主要基础是信息论和数字信号处理，但是前人在这方面的研究已到极限，压缩比难以再提高。考虑人眼对轮廓、边缘的特殊敏感性和方向感知特性等特点，应运而生了第二代图像编码方法。目前研究较多的主要有两种方式，第一种是对图像的纹理和边缘分别进行处理，其处理的编码方式也不同，这种情况主要是利用了分裂合并的思想；第二种方法首先需要对目标进行各种方向上的滤波，取得不同方向的数据，每个数据段都会使用特定的方式进行编码，这主要是考虑到各向异性滤波和人眼方向敏感的特点。有人采取自适应的分块方法与缩短编码时间的多种块分类技术相结合设计，改善了图像编码视觉效果，但是这些方法只是单独的将整幅图像划分成各个固定大小块，尽管划分的再好，其压缩比还是很难提高。本发明提出了一种以视觉记忆模型聚类为基础，将视频序列分为背景帧和感兴趣区域ROI帧，将提升小波的信号分解与重构计算格式与感兴趣区域编码技术相结合，采用优化截断嵌入式编码(EBCOT)的方法。由于非全向传感器的位置和拍摄角度是固定的，此方法能够更有效地实现图像的压缩。
技术实现要素：
首先对图像进行三层小波分解，对应的ROI掩膜也是三层分解的。为了与后面的小波提升方法结合，将图像进行行和列的奇偶分解，分为四个图块：
f1 1＝f([1：2：M-1]，[1：2：N-1])；f12＝f([1：2：M-1]，[2：2：N])；f21＝f([2：2：M]，[1：2：N-1])；
f22＝f([2：2：M]，[2：2：N])；
如需再次分层，则只要再对f11进行四块分解，以此类推。为了节省存储空间、降低算法复杂度，小波提升采用的是lazy小波，将输入信号s(i)根据奇偶性分为2组，用偶数序列s(i-1)的预测值P(s(i-1))去预测(或者内插)奇数序列d(i-1)。先对行进行分裂、预测、更新和合并，再对列进行以上四个操作。经过分解后，将背景图像的小波系数与ROI掩膜结合，ROI部分留出空白，填充前景图像三层小波提升后的系数。
再在变换域中选取一定的阈值，过滤一些小的系数，减少存储空间。
针对ROI的特点，采用优化截断点的嵌入块编码算法(EBCOT)，掩膜图像中已经将图像分解为各个感兴趣块，首先划分子带，然后对感兴趣区域块块单独进行编码，产生压缩码流。而对于背景图像，由于已经生成模型，无需再另外编码。
而恢复图像则是只要将图像经过反更新，预测和合并三个过程即可实现。
基于小波提升的重构图像算法简单，易于实现，而且不需要掩膜的模板就能会恢复出原始图像，效果较好。