1.一种基于改进EZW的人民币纸币冠字号码图像压缩方法，其特征在于，包括如下步骤：步骤1：采集人民币纸币冠字号码图像，并对人民币纸币冠字号码图像进行提升小波变换，建立小波系数树结构；

步骤2：将小波变换后图像的低频子带经过调整后直接存储；将步骤1中得到的高频与低频数据分开编码；若为低频子带的数据，按公式将低频数据映射到给定的门限E，则直接存储；若为高频子带的数据，则进行步骤3；

步骤3：将高频部分应用改进的嵌入式零树编码；选择合适的阈值，并通过主扫描来标记输出符号为P或N的系数的对应位置，避免在下一个主扫描中对它们进行编码；再通过辅扫描对输出符号为P或N的系数量化，最后输出编码信息；编码目的是去除冗余，提高图像的编解码速度以及降低人民币纸币冠字号码图像的存储空间；

步骤4：合并低高频数据，实现人民币纸币冠字号码图像的压缩；人民币纸币冠字号码图像的重构过程也就是解码过程是编码的逆过程；

所述的步骤1具体包括如下：

采集人民币纸币冠字号码图像，并运用提升小波变换，经过分裂、预测、更新以及优化提升步的过程，以获得树形结构图；分裂把原始信号Sa，b分裂成两个互不相交的子集Sa+1，b和ya+1，b，其数学表达式为(1)所示：split(Sa，b)＝(Sa，2b，Sa，2b+1)＝(Sa+1，b，ya+1，b) (1)由系数子集的一些全局属性与原始数据中的属性不一致，应使用更新过程；其更新系数子集数学表达式为(2)所示：Sa+1，b＝Sa，2b+1+U(ya+1，b)  (2)

式中：Sa+1，b为更新的系数子集；U(ya+1，b)为算子；

依照具体情形交替用交替使用对偶提升步和更新提升步来提高小波变换的性能；其数学表达式为：在实际应用中，写成：

式中： 为取整数运算；

零树是基于这样的假设：如果高尺度上的小波系数小于阈值E，那么低尺度上同一方向和同一空间中相应位置的小波系数也小于阈值E；这种假设的可能性非常大；这样，高尺度上的小波系数称为父节点，低尺度上同一方向上的小波系数称为子节点；对于父节点，在较低尺度上同一方向上的所有小波系数和在同一空间中的相应位置称为子节点；对于一个子节点，同一方向上的所有小波系数以及在同一空间中较高尺度上对应的位置称为祖先节点；通过类比，能够形成树状结构图；

所述的步骤2具体包括如下：

将步骤1中得到的高频数据与低频数据分别编码；如果是低频子带的数据，则按照公式将低频子带的数据映射到[0,255]之间后直接存储；如果是高频子带的数据，则按照步骤继续往下进行；式中，c是小波系数，Min是小波系数的最小值，Max是小波系数的最大值，f(c)为映射后的值；

所述的步骤3具体包括如下：

将高频部分应用改进的嵌入式零树编码，经过选择阈值、主扫描、辅扫描以及输出编码信息，从而实现对图像的编码；初始阈值的选择方法公式为(7)所示：式中：E0为EZW编码算法的阈值；i为扫描次数；ci,j是L级小波变换的变换系数；|ci,j|表示ci,j的绝对值；

根据小波系数的Morton扫描阶数，Ei‑1为当前阈值，其数学表达式为(8)所示：Ei＝Ei‑1/2     (8)。

2.根据权利要求1所述的一种基于改进EZW的人民币纸币冠字号码图像压缩方法，其特征在于，所述的步骤1中：提升小波变换分为分裂、预测、更新和优化提升步；首先进行分裂过程，将原始信号分裂成互不相交的子集；通过预测来判断数据之间的相关性，反映数据值与预测值的近似程度；根据属性不同，对数据进行更新；最后结合实际情况，交替使用对偶提升步和更新提升步来提高小波变换的性能，以获得经过N级小波变换的水平方向上低频和高频两个部分，最终获得树形结构图。