基于谱间DPCM和整数小波变换的超光谱图像无损压缩

分析了干涉成像光谱仪所获取图像的谱间和空间相关性,提出了一种混合无损压缩方案.首先进行谱间DPCM预测,再对残差图像采用整数小波变换,最后对小波系数进行二值自适应算术编码.实验结果表明,该算法可实现无损压缩,压缩比平均可达2.018,较二维整数小波变换算法提高40.3%.并且算法复杂度较低,只有加减和移位运算,易于硬件实现.     

基于SPIHT的改进图像压缩算法

针对渐进式图像传输算法都受限于庞大的内存空间和计算复杂度，提出一种基于SPIHT的改进型算法——静止图像编码方法，即对变换后的小波系数高频区块进行细分，并对不同频率图像块分别设置阈值，采取新的阈值判别策略，减少了链表的结点数。使用MATLAB 6.5开发环境对上述改进编码方法进行仿真。仿真结果表明: 通过对原算法构架进行改进，减少了内存空间占用，降低了计算复杂度，取得了较好的压缩效果。     

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。     

分组Karhun-Loeve变换/整数小波变换高光谱影像准无损压缩新方法

提出了分组Karhunen-Leove变换(KLT)和整数小波变换(IWT)的高光谱图像数据压缩方法,并采用整数小波变换技术和Set Partitioning in Hierarchical Trees(SPIHT)压缩编码,实现了对分组Karhun-Loeve变换后的数据压缩。该压缩编码方法与现有压缩方法相比,既保留了Karhun-Loeve变换压缩性能和整数小波变换高压缩比的特点,也宜于实时传输。实验结果表明,分组Karhun-Loeve变换/整数小波变换/SPIHT在相同压缩比下,峰值信噪比比Karhun-Loeve变换/小波变换/WSFCVQ、Karhun-Loeve变换/小波变换/改进的对块零树编码压缩和Karhun-Loeve变换/WT/FSVQ分别提高了6 dB,9 dB和8 dB,运算时间减少一半,整体压缩性能有了较大的提高。     

一种彩色图像的小波域预测编码方法

彩色图像存在空间相关性和帧间相关性,如何有效的去除这两种相关性是提高彩色图像压缩比的关键。提出一种小波变换域的自适应预测无损压缩方法,分为三个步骤:首先对彩色图像各个分量进行可逆整数小波变换减小空间相关性,然后利用联想记忆神经网络对小波系数图像分别进行空间预测和帧间预测,进一步去除空间和帧间相关性,最后对预测残差进行算术编码。实验证明该算法是可行的和有效的,对测试图像的压缩效果优于JPEG LS标准。     

二维提升的CDF(1,3)小波结合改进的SPIHT的渐进性无损图像压缩方法

针对传统小波变换计算复杂的缺点和多级树集合分裂算法(SPIHT)编码过程重复运算、存储量大的问题,提出了一种二维提升的CDF(1,3)小波结合改进的SPIHT的渐进性无损图像压缩方法。对整数CDF(1,3)双正交小波变换实现二维提升,利用提升的小波对图像做变换,提高了运算速度、便于硬件实现。对SPIHT算法加以改进,根据各个子图像的不同特点,改变扫描路线,采用四路并行分块处理的方法,提高了编码速度,降低了编解码过程的运算复杂度和时间消耗。利用提升的CDF(1,3)小波变换结合改进的SPIHT实现了渐进性无损图像压缩,证明了二维提升方案的有效性。     

基于小波变换的干涉图压缩算法

在研究小波变换和分层树集合分割排序算法的基础上,将小波图像压缩技术应用于干涉图的压缩.根据小波分解系数矩阵中高频子图像上数据接近于零,信息主要表现部分在低频子图像上,以及干涉图数据中主要信息集中在零光程差附近的特征,将干涉图一行数据拆开并按对角Z型排列存储为矩阵形式,再进行小波压缩.结果表明,此改进能提高压缩性能.     

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.     

基于自适应提升小波变换的图像压缩

介绍一种用基于提升算法的中值滤波构造自适应小波变换方法.其思想是设计自适应的“预测算子”及自适应的“更新”运算以更好的逼近信号,从而达到更“紧凑”的信号表示.实验表明,在图像压缩应用中,在峰值信噪比(PSNR)上,虽然本文算法比不上D9/7小波,但在主观评价上更好.     

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     

基于分形的小波分析压缩编码

分析了小波及分形在图形压缩编码中的特点 ,构造了Haar小波树 ,提出基于分形的小波域图像压缩编码的算法。实验证明 :该方法在相近的压缩比的情况下 ,使重建图像的PSNR增加 4 1,图像压缩速度明显提高 ,并且重建图像的主观视觉质量也优于JPEG。     

小波变换在图像压缩中的应用研究

小波变换理论是近几年发展起来一个新的数学分支。由于它克服了传统傅里叶变换的缺陷，具有良好的时、频局部化性能，从而使得小波理论在图像处理领域得到广泛的应用。首先对图像进行小波塔式分解，然后依据小波系数的统计特性和分布特点，对不同的子图像块采用不同的量化、编码方法。并在计算机上进行模拟实验，结果表明所提出的方案可以在保证重构图像质量良好的情况下获得较大的压缩比。     

实时数字图像无损压缩的研究

针对实时数字图像的无损压缩方法进行了分析,采用三级5-3整数提升小波变换,小波变换的高频和低频系数分别采用不同的编码方法。进行了基于DSP和FPGA的压缩系统结构设计,提出了软、硬件并行的方法。进行三级小波变换时,硬件结构能够实现在对当前级小波变换的同时进行前一级小波变换的高频系数编码,提高了压缩系统的实时性。并对压缩系统的关键技术进行了研究。可以对80MB/s的数字图像进行无损压缩,压缩比可以达到1.68~1.8左右。     

基于提升方案的多光谱遥感图像有损压缩算法

在分析多光谱遥感图像谱间和空间数据特点的基础上,提出了一种DPCM线性预测与基于提升方案的整数小波变换相结合的多光谱遥感图像有损压缩算法。在谱间采用DPCM预测去除谱间相关性;在谱内采用整数小波变换去除空间相关性,根据不同子带对目标识别的重要程度,选择不同的量化阈值和量化步长进行量化,并分别对各个子带量化后的数据和重要图表采用固定比特平面编码和游程编码,实现高效的多光谱遥感图像压缩。实验结果表明,该算法在一定的压缩比下,重构图像具有较高的峰值信噪比,并且算法硬件实现简单,对内存的需求低。     

基于分块DCT变换编码的小波域多幅图像融合算法

提出了一种利用DCT变换和小波变换的特征层图像融合算法.其基本思想是先对多幅源图像进行分块DCT变换,选取较大方差对应的变换系数,将图像压缩为原图像大小的1/4,保留系数的对应坐标作为提取信息时的密钥;其次将经处理后的DCT系数直接作为小波变换的分解系数,经小波逆变换后得到融合信息.实验结果表明,该算法实现了多幅不同大小图像的融合,同时单一密钥只能提取单一图像. 关键词： 图像融合 小波变换 离散余弦变换 编码     

基于多方向多尺度变换的图像压缩算法

针对小波变换方向选择性差的局限,提出了一种多方向多尺度的的图像变换。圆对称滤波器组首先将图像分解为高频子带和低频子带,然后利用方向滤波器组将高频子带分解为多个方向子带,而对低频子带进行小波变换。多方向多尺度变换能以更稀疏的方式表示图像的边缘和纹理等几何特征,有利于图像压缩。在该变换基础上,结合迭代量化、嵌入式块截断编码(EBCOT)和集合分裂嵌入式块编码(SPECK)构建一种压缩算法。实验结果表明,对于纹理和边缘丰富的图像,压缩算法的性能相对于JPEG2000有明显地提高。     

基于小波变换与卷积神经网络的图像去噪算法

图像在生成或传感过程中往往会受到噪声干扰,噪声干扰会给后续图像处理工作增加难度,甚至会给某些生产活动带来巨大的经济损失。结合平稳小波变换与卷积神经网络的优势,提出了一种有效的图像去噪算法。训练阶段,采用提出的算法对图像进行尺度为1的平稳小波分解后,分别把高、低频分量输入4个设计好的残差网络进行训练;在测试阶段使用小波逆变换来获得最终的预测图像。实验结果表明:在高斯白噪声水平达到σ=50时,去噪后图像的峰值信噪比（peak signal to noise ratio, PSNR）均值和结构相似性（structural similarity index method, SSIM）均值可以达到28.37 dB和0.808 0,提出的算法可以有效去除可见光图像中的高斯白噪声、自然噪声,以及遥感图像在传感过程中产生的噪声,并且在去除图像噪声的同时能较好地保留图像的边缘与纹理细节。