چکیده 
در این پروژه، هدف فشرده سازی تصاویر ویدئوی با استفاده از تبدیل موجک بسته ای (Wavelet Packet) می باشد. در انکدر و دکدر پیشنهادی از روش کدینگ تبدیل با جبران سازی حرکت بلوکی استفاده شده است که بنیان بخش تبدیل در آن بر روی روش تبدیل موجک بسته ای پیشنهادی قرار داده شده است که یک نوع روش تبدیل موجک بسته شبه بهینه با پیچیدگی پایین می باشد که به علت پایین بودن حافظه موردنیاز برای پیاده سازی آن، بسیار مطلوب می نماید. روش کار در این انکدر، بدین ترتیب است که فریم مرجع به طور کامل با کدینگ تبدیل موجک بسته کد می شود و فریم های غیر مرجع ابتدا توسط الگوریتم جستجوی بلوکی، بردار های حرکت نسبت به فریم ماقبل استخراج می شود و بر اختلاف بین فریم کنونی و فریم بازسازی شده از بردار های حرکت بدست آمده، کدینگ تبدیل با استفاده از تبدیل موجک بسته پیشنهادی اعمال می شود.
در ادامه ضرایب و بردارهای بدست آمده، وارد بخش کوانتیزاسیون شده و عملیات کدینگ آنتروپی برای حذف افزونگی های باقیمانده در اطلاعات فریم های ویدئویی، با انجام ابتداRun Length Coding(RLC) و سپس کدینگ هافمن (Huffman Coding) ، صورت  می گیرد و فایل فشرده شده تصاویر ویدئوی با انجام این عملیاتها در نهایت بدست می آید.

کلمات کلیدی : تبدیل موجک بسته ای ، جستجوی درخت بهینه ، جبران سازی حرکت ، الگوریتم انطباق بلوکی

Abstract
In this project, our aim is to compress video frames by using wavelet packet transform. In proposed codec, we used transform coding alongside with block matching motion compensation algorithm whose transform block based on a proposed new near-best wavelet packet algorithm with low complexity and low memory space requirements. In proposed codec, first we transform code key frame by using proposed near-best wavelet packet algorithm then for non-key frames we use block matching algorithm with respect to previous frame and obtain motion vectors for the frame. With this motion vectors we reconstruct the frame and get its difference from present frame. This difference is the motion compensated difference of present and previous frames. Next we transform code this difference by proposed near-best wavelet algorithm.
After quantizing the obtained coefficients of transform and scanning of them, we get a stream of coefficients. By run-length coding and entropy coding (Huffman coding) of this stream, we get our compressed video file.

Key-words: wavelet packet transform- best tree search- motion compensation- block matching algorithm