基于压缩感知和稀疏表示的数据重建与去噪算法研究

传统的数据重建算法受奈奎斯特采样定理限制,采样率要求较高不能灵活等适应实际环境。本文基于压缩感知和稀疏表示理论,提出一种采样点少且流形结构简单的图像重建算法,以少量的采样数据实现从低分辨率观测中恢复高分辨率图像。算法首先通过原始数据特征设计出稀疏表示矩阵;其次,根据表示数据和观测数据的不相关性找出与稀疏表示矩阵对应的最优感知矩阵;最后,通过稀疏求解实现数据的重建与去噪。实验表明,该算法在同等条件下能够避免大量冗余数据的计算,提高数据重建的稳定性和有效性。     

浅谈图像压缩编码技术JPEG2000

JPEG2000是新一代的静态图像压缩标准,它具有优良的压缩性能,及很多JPEG无法提供的新功能。本文阐述了JPEG2000图像压缩的实现过程,对其中的关键技术——小波变换、熵编码做了详细的描述,并简述了JPEG2000的性能特点。     

基于提升小波变换的JPEG 2000核心算法研究

JPEG2000是新一代静态图像压缩标准,它具有优良的压缩性能和很高的灵活性。介绍了JPEG2000的编码流程,研究了它的核心算法,重点分析了JPEG2000所采用的提升小波变换。并得出JPEG2000与传统的图像压缩标准相比确实具有更加优越的性能的结论。     

基于小波变换的JPEG2000图像压缩研究

在着重研究JPEG2000图像压缩系统基础上，分析了基于离散小波变换的压缩算法实现静止图像的压缩、编码、传输、存储等各种功能的机理；开发了JWlet实验软件，并采用Wlet软件对压缩图像进行了展示和评估，实验证明，基于小波变换的图像压缩系统具有渐进传输、感兴感区域编码，误差恢复等多种功能和很高的压缩效率。     

一种基于小波变换的图像去噪方法

利用小波系数在相邻尺度上的相关性关系，针对小波系数估计中硬阈值方法和软阈值方法的缺点，通过对双重量收缩函数得到的阈值乘以一个合适系数进行修定的折衷方法，提出了一种新的小波域局部自适应去噪算法。实验结果表明，该方法既可以去除噪声，又可以较好地保留图像的高频细节特征。     

稀疏表示理论在提高数字图像质量中的应用

稀疏表示理论是一种新兴的信号表示模型,广泛应用于各种信号和图像处理任务中.介绍了稀疏表示模型及其在提高图像质量中的应用,并指出了该理论在图像处理中急需解次的问题.     

图象压缩—从DCT到小波变换

讲述了基于离散余弦变换(DCT)和小波变换(DWT)的压缩算法的各自特点,比较指出后者的优越性。并针对其应用前景介绍了新一代静止图象编码标准JPEG2000     

基于JPEG2000攻击的数字水印技术研究

基于JPEG2000压缩过程特性,在保持较高的对篡改检测能力情况下,提出了一种新的有效的抗JPEG2000压缩的水印算法,对嵌人水印图像做JPEG压缩,提取水印仍能保持很好的稳定性,并能抵抗一些常见的攻击。该算法根据图像相邻小波高频系数之间的大小关系,在JPEG2000压缩之后大多数没有发生变化这一事实,嵌入区域选择了中间频率,并使用Watson矩阵做量化调制参数。理论分析和实验结果表明：该算法的水印具有很好的抵抗JPEG2000压缩的能力,对恶意攻击有很好的篡改定位能力,并对其不可见性、检测篡改能力和JPEG2000压缩的鲁棒性做了测试。     

一种基于小波变换的图像去噪方法

小波去噪方法中最早被提出的是小波阈值去噪方法,它是一种实现简单而效果较好的去噪方法。本文通过小波系数进行阈值处理,在小波变换域中去除低幅值的噪声和不期望的信号,然后运用小波逆变换,从而得到了去噪后的重建图像。     

基于压缩感知的语音压缩与重构

基于语音信号在离散余弦基下的近似稀疏性,对语音信号采用压缩感知技术进行压缩和重构,研究了分析窗长固定时重构误差与观测点数的关系, 针对低压缩比下重构信号"noisy"的特性,提出对重构信号进行小波去噪联合低通滤波的方法以改善重构语音的质量,并研究了低压缩比下分析窗长对重构信号质量的影响.仿真结果表明低压缩比下,合理选取分析窗长,并采用小波去噪联合低通滤波的处理方法可以明显改善重构语音的质量.     

一个图像和视频压缩性能优越的小波

研究了一个特定的9-7小波.证明了Z97有很好的数学性质, 它的提升系数适合ASIC实现.实验证明了Z97在压缩性能超过CDF97而计算复杂度大大低于CDF97.因此, Z97是基于小波的图像和视频压缩技术首选小波.     

基于小波变换的图像压缩编码方法研究

介绍了小波变换的基本理论以及基于小波变换的图像压缩编码与解码恢复过程。为了研究基于小波变换的图像压缩编码方法的优越性,通过实验与传统的离散余弦变换编码方法进行了性能的对比分析,实验结果表明：由于小波变换具有时间-频率局部化特性和多分辨率特性等优点,其能够更加有效地应用于图像数据压缩,可以达到更高的压缩效率,而且理论上可以获得任意压缩比的压缩图像。     

基于张量分析和小波包变换的高光谱图像压缩

高光谱图像拥有巨大的数据量,造成其保存和传输非常不便,因此高光谱图像的压缩显得尤为重要.提出一种基于张量Tucker分解和小波包变换的高光谱图像压缩算法.首先,该算法利用Tucker分解的性质,充分提取高光谱图像中各个模式下的信息,并利用其中包含有空间信息的光谱模式对高光谱图像的光谱维进行解相关.然后,运用比经典Mallat小波分解更为有效的小波包变换对光谱去相关后保留下来的主成分进行JPEG2000压缩.实验结果表明,本算法压缩性能远远好于经典的三维小波算法,并且由于张量分解的应用,不论在码率失真表现还是信息保真度上,本算法均比基于一维主成分分析的高光谱压缩算法更具优势.     

小波变换用于视频图像压缩研究

视频图像压缩是多媒体技术的关键之一。随着小波理论研究的不断深入,在此背景下,基于小波的视频图像压缩的理论和应用研究在业界已引起广泛关注。在对近十几年来小波图像压缩研究的回顾和总结基础上,着重介绍了小波技术在视频图像压缩应用研究的最新进展,探讨了目前小波视频压缩研究的若干热点问题及其今后的发展方向。     

基于JPEG2000的医学图像压缩处理研究

研究了针对于静态图像进行压缩编码的国际标准JPEG2000,将其在医学影像图像的压缩中实现,并将压缩结果进行了比较分析。通过研究发现,作为一种基于离散小波变换的静态图像压缩编码算法,JPEG2000具有很好的压缩比和信噪比,适合对医学图像进行无损压缩,为医院开展PACS和远程医疗提供了技术上的支持。     

小波变换在图像压缩中的应用

介绍了小波变换的基本理论以及基于小波变换的图像分解与重构过程．讨论了在Matlab语言环境下实现图像压缩的基本方法,并对小波变换用于图像压缩时小波基的选取所要考虑的因素进行了分析．从工程和实验两个方面较为直观地探讨了小波变换在图像压缩中的应用．实验结果表明：小波变换用于图像压缩能够实现很高的压缩比,具有很高的使用价值．     

图像压缩与 JPEG2000

随着多媒体技术的广泛应用,图像压缩界呼唤一种新的国际标准,以满足用户对更高压缩效率和对压缩图像的互动性和可伸缩性的要求,JPEG2000就是在这种背景下应用而生的。重点讨论了JPEG2000的产生背景,JPEG的主要优缺点以及JPEG2000的主要特点和优点。     

一种改进K-SVD稀疏表示图像去噪算法

为解决传统K-奇异值分解(K-SVD)算法字典训练耗时过长以及低信噪比情形下去噪效果不佳的问题,提出了一种改进算法。首先将原始含噪图像进行高低频分离,然后对图像的高频部分使用基于残差比阈值的批量正交匹配追踪算法(Batch-OMP)实现稀疏重构,最后将图像的高低频部分叠加完成最终的去噪。实验结果表明,相较于小波变换去噪、DCT稀疏表示去噪以及传统K-SVD稀疏表示去噪,改进的算法能够更好地保留图像的边缘轮廓信息,并且去噪时间明显缩短。