基于提升方案的CDF(1,5)整-整可逆双正交小波变换在渐进性无损图像压缩中的应用

讨论了基于双正交小波变换提升方案在图像压缩中的应用 ,研究了CDF( 1,3) ,CDF( 1,5 )双正交小波消失矩对图像压缩的影响。实验结果表明 ,在图像压缩中应尽可能选取具有较高消失矩的双正交小波 ,用CDF( 1,5 )双正交小波提升方案实现了基于整数运算的整 整可逆双正交小波变换 ,以及快速的、渐进性的直至无损图像压缩     

基于直方图变换的多光谱图像3D SPIHT压缩编码算法

提出了新的多光谱图像压缩方案,直方图变换的三维分层树的集划分(3D SPIHT)压缩编码算法。基于多光谱图像的成像特点,在去相关之前,提出一种可逆的直方图变换方法对多光谱各波段图像灰度值进行调整,来提高各波段间的相关性,然后再对变换后的图像利用K_L和二维小波变换去除谱间冗余和空间冗余。小波编码采用两种编码方案:3D_SPIHT以及对它进行改进后的三维位平面的SPIHT算法,并对两者进行了比较。实验表明,采用直方图变换的这两种方法都获得了良好的效果,比没变换前有更好的图像质量和压缩性能。     

基于SPIHT的图像加密与压缩关联算法

为了研究图像压缩与加密同步进行问题, 本文提出了一种在变换域下的图像加密与压缩关联算法在该算法中, 加密过程发生在小波变换与SPIHT编码之间它充分利用了离散小波变换和基于层次树的集合划分(set partitioning in hierarchical trees, SPIHT)编码属性, 扩散过程被限制在单个子带内部. 此外, 混淆过程保留了SPIHT编码中两个最重要的位和符号位, 它包含了图像的重要信息. 实验结果表明, 算法具有良好的安全性、图像重构视觉质量以及很高的加/解密速度.     

基于聚类和小波变换的多光谱图像压缩算法

针对多光谱图像压缩算法现存的时空复杂度高、光谱特性利用不充分等问题,研究了多光谱图像的谱间稀疏等价表示及其聚类实现途径,进而设计了一种基于谱间自适应聚类和小波变换的多光谱图像压缩算法。算法利用吸引力传播聚类产生多光谱图像的谱间稀疏等价表示、在低复杂度下去除图像的谱间冗余,使用二维小波变换去除稀疏表示成分的空间冗余,采用分层树集合分割排序算法(SPIHT)进行压缩编码,并通过误差补偿机制提高多光谱图像重建质量。实验表明,该算法在保证较低时间和空间复杂度的基础上,较SPIHT等同类经典压缩算法,在相同的压缩比下,明显提高了重建图像的峰值信噪比,是一种通用有效的多光谱图像压缩算法。     

基于改进提升小波变换SPIHT的图像压缩算法

通过对提升小波变换的SPIHT算法进行改进和优化,提出了一种适用于无线多媒体传感器网络(WMSNs)的简单、高效、节能的有损图像压缩算法;该算法采用只包含加法和移位操作的整数小波提升算法,使得小波分解的计算量减半,大大提高了变换速度;采用量化截断的预处理技术,省去大量不重要高频系数的量化编码,解决了提升变换后SPIHT算法编码效率低的问题;去除了最外层高频系数的分解和编码,有效地减少了变换和编码的能耗;理论分析和仿真结果均表明,在保证一定重建图像质量的前提下,该算法大大降低了图像压缩能耗,提高了算法的压缩效率和执行效率,非常适合于资源受限的WMSNs中的图像压缩。     

适合DSP处理的低内存并行SPIHT算法

针对SPIHT(set partitioning in hierarchical trees)算法的编码过程具有重复运算、存储量大等问题,提出了一种适合于DSP(digital signal processors)处理的低内存并行SPIHT算法。该算法采用乒乓缓存策略,使得数据的传输和编码能够同时进行。通过引入基于行的整型提升方案,使得只需经少量行变换就能进行列变换,提高了小波的变换速度。根据DSP的并行特性和SPIHT算法的缺点,采用“改进的最大幅值求取方法”、“误差位数以及绝对零值和绝对零集合”、“最大值与零值图”和“单棵零树编码”等多种方法对其进行了改进,大大缓解了对内存的压力,减少了算法的运算量。该算法与LZC(listless zerotree coding)算法相比,重构图像的峰值信噪比相当,但速度提高了2倍,能满足一般的实时压缩要求。     

基于三维集合分裂嵌入式零块编码算法的超光谱图像压缩

基于超光谱图像的特点,提出了一种三维集合分裂嵌入式零块编码(3D SPEZBC)的超光谱图像压缩算法。该算法首先采用三维小波包变换有效地去除超光谱图像的空间和谱间相关性,然后对于所生成的每个二维子带利用基于集合分裂的方法进行零块编码,最后再采用基于上下文的自适应算术编码来进一步提高编码性能。实验结果表明,3D SPEZBC算法具有与三维嵌入式零块编码(3D EZBC)算法相同的压缩编码性能,在各比特率下编码性能均明显优于三维集合分裂嵌入式块编码(3D SPECK)、三维等级树集合分裂(3D SPIHT)和非对称三维等级树集合分裂(AT-3D SPIHT)算法,并且略好于多分量JPEG2000编码(JPEG2000-MC)算法。此外,3D SPEZBC编码算法不但可以提供较好的率失真性能,而且相对于3D EZBC编码算法可以节省大量的存储空间。     

提升小波变换与分形相结合的图像压缩

提出了一种提升小波变换与分形相结合的图像压缩方案.充分利用小波变换后系数能量的分布特性,对提升小波变换后的低频部分采用改进的分形图像压缩编码,其余部分采用集合分裂嵌入块(SPECK)编码算法.试验结果表明,该方法在提高了压缩效率的同时,获得了较高的恢复图像质量.     

基于二进制小波变换和改进SPIHT算法的图像编码方法

提出了一种基于二进制小波变换和改进SPIHT算法的图像编码方法.二进制小波变换将图像从实数域变换到实数域,消除像素之间的空间冗余性,得到了具有整数准确度的紧致描述.针对传统SPIHT算法解码图像视觉效果差的缺点,提出了改进方法.根据图像分析结果,将二进制小波变换变换系数按视觉重要性重新排序,通过对视觉重要系数优先编码,把量化误差集中在视觉不敏感区域,从而在不影响编码率失真性能的同时,有效地提高了解码图像的视觉效果.实验结果表明,和其它流行的编码算法相比,本文算法对不同性质的图像具有最优的编码性能和视觉效果.     

整数小波的有损与无损图像压缩

提出了基于整数小波变换的有损与无损图像编码方案。有损编码采用无链表的SPIHT零树编码算法,它不同于SPIHT和LZC算法的零树分割策略和状态比特表结构。该算法所需的存储空间小,有损压缩性能高,易于硬件的实现。无损编码根据不同子带小波系数的分布特性,采用带间预测编码,不同方向的子带采用不同的预测方式,预测误差采用霍夫曼编码。测试结果证明,基于整数小波的无链表有损压缩方案不仅优于LZC,接近于SPIHT,而且易于硬件的实现。     

Joint image encryption and compression scheme based on IWT and SPIHT

A joint lossless image encryption and compression scheme based on integer wavelet transform (IWT) and set partitioning in hierarchical trees (SPIHT) is proposed to achieve lossless image encryption and compression simultaneously. Making use of the properties of IWT and SPIHT, encryption and compression are combined. Moreover, the proposed secure set partitioning in hierarchical trees (SSPIHT) via the addition of encryption in the SPIHT coding process has no effect on compression performance. A hyper-chaotic system, nonlinear inverse operation, Secure Hash Algorithm-256(SHA-256), and plaintext-based keystream are all used to enhance the security. The test results indicate that the proposed methods have high security and good lossless compression performance.     

基于可逆整数变换的高光谱图像无损压缩

将变换矩阵分解为三角可逆矩阵(TERM)实现的整数Karhunen-Loève变换(IKLT),具有结构简单、完全可逆和同址运算的优点.将整数KLT和整数小波结合(IWT),提出了一种基于可逆整数变换的去相关方法：将KLT用于去除谱间冗余,并在对KLT的变换矩阵进行TERM分解的过程中,提出基于全局最大值选择主元的优化分解方法,保证了IKLT的准确度,同时明显降低了计算量；空间维的去相关变换采用基于提升结构的整数小波变换,同样保证了变换的完全可逆.采用不同编码策略,对不同场景的高光谱图像数据压缩的实验结果表明,基于整数混合变换的去相关方法能明显提高无损压缩比.     

Optical image compression based on adaptive directional prediction discrete wavelet transform

The traditional lifting wavelet transform cannot effectively reconstruct the nonhorizontal and nonvertical high-frequency information of an image. In this paper, we present a new image compression method based on adaptive directional prediction discrete wavelet transform (ADP-DWT). We first design a directional prediction model to obtain the optimal transform direction of the lifting wavelet. Then, we execute the directional lifting transform along the optimal transform direction. The edge and texture energy can be reduced in the nonhorizontal and nonvertical directions of the high-frequency sub-bands. Finally, the wavelet coefficients are coded with the set partitioning in hierarchical trees (SPIHT) algorithm. The new method holds the advantages of both adaptive directional lifting (ADL) and direction-adaptive discrete wavelet transform (DA-DWT), and the computational complexity is far lower than that in these methods. For the images containing regular and fine textures or edges, the coding preformance of ADP-DWT is better than that of ADL and DA-DWT.