小波压缩编码方法的基本特点：

   小波变换特别要求滤波器的正则性，小波分解是完备的、正交的、多分辨率的分解。

1. 基于小波变换的方法能有效地保留原始图像的细节和边缘，它采用变时间窗的方法对图像进行分析，因而在高频时它对时间的定位较准，能捕捉到图像的细节和边缘，在低频时对频率的定位较准，能反映图像的整体特征；

2. 基于小波变换的方法具有很好的时域、频域局部特性，能量集中能力也比傅立叶变换强，因而可以得到更高的压缩比；

3. 基于小波变换的方法具有减少噪声的能力，利用噪声在小波系数中的特点，设置阈值就可以消除图像中的部分噪声而不影响重建图像质量；

4. 基于小波变换的方法采用多尺度分析，因此该方法在图像压缩时，可根据各自的重要程度对不同层次的系数进行不同的处理，非常有利于得到高的压缩比，而在图像重建时，加入的细节越多，重建的图像也就越清晰又很适合于图像的分级传输；

5. 基于小波变换的方法更适合人类视觉系统的特性。可根据视觉特性为各子图像选择合适的编码方法，这使得该方法可以在相同的压缩比下得到比其它变换更好的重建图像质量，或在相同的重建图像质量下得到更高的压缩比；

6. 基于小波变换的方法可根据具体的应用问题选择最适合于解决该问题的小波基，具有很大的选择灵活性，而且该方法也不存在方块效应。

   小波变换一方面能很好地消除图像数据中的统计冗余，另一方面其多分辨率的变换特性提供了利用人眼视觉特性的很好机制，而且小波变换后的图像数据能够保持图像在各种分辨率下的粗细结构，为进一步去除图像中其它形式的冗余信息提供了便利。

目前，基于小波变换的视频压缩算法可分为三类：

（1）基于空域运动补偿的小波视频压缩（MC-DWT）；

（2）基于变换域运动补偿的小波视频编码（DWT-MC）；

（3）含运动补偿的三维小波视频编码（MC-3DWC）；

   MC-DWT算法在空间域进行运动估计和运动补偿，对残差图像以及帧内编码采用小波变换进行编码。由于运动补偿后的残差图像不同于传统的自然图像，若采用一般图像的小波变换不能显著地提供压缩效率。另一个缺点是预测误差帧中存在明显的块边界。

   DWT-MC算法首先对图像进行小波变换，在变换域中进行帧间运动估计和运动补偿，对残差信号再进行编码。由于小波变换不具有空间不变性，这使得在小波域内无法达到精确地估计而导致大量的补偿误差。

   三维小波分解所提供的多分辨率数据结构为支持可伸缩编码提供了一个良好条件。这正是计算机网络和无线网络中视频应用所需要的。所谓伸缩性是指改变一个已压缩码流的分辨率或码率以满足在视频压缩时不能预见的要求的能力，伸缩性包括空间分辨率可伸缩、时间分辨率可伸缩、码率/信噪比可伸缩、解码复杂可伸缩等以及它们的融合。

需要认真考虑的方面：

   基于内容的方法能作为传统视频编码方法朝向任意形状的图像输入序列的算法扩展而被使用；

    对视频序列来说，在运动预测里取得的进步将是完成更高压缩比的至关重要的因素；

    从本质上讲，在图像序列中理解内容（或甚至语义）将最有可能在这个领域里取得进步；（这里就是要利用高级计算机视觉技术）

    提高纹理编码对先进的图像和视频编码都是必需的；

     基于分割图像编码的目标是完成更高压缩比，视为中级计算机视觉图像处理方法，即把图像分成连贯纹理的区域；

     基于块的运动补偿预测的目的是在编码之间对图像信号去相关；

    学习研究的过程是一个很枯燥的事情，面对着数以百计的文献，不得不从中找到灵感，以期在研究方向中找到一个切实可行的方法，希望自己能够坚持，也愿意与研究视频压缩的朋友们交流，共同进步！