多光谱图像的3D EBCOT压缩编码算法

提出了一种新的多光谱图像压缩方案,三维率失真优化截取码块编码(3D EBCOT)算法根据多光谱图像的成像特点,利用非对称的三维离散小波变换去除多光谱图像的空间冗余和频域的相关性,再通过拓展改进最新的静止图像压缩标准JPEG2000中的二维率失真优化截取内嵌码块编码(2D EBCOT)算法,在比特平面编码器中引入谱间上下文,使用相应算术编码器并对经过三维小波变换后的系数进行编码,提高了多光谱图像的压缩效率．根据具体要求组织的内嵌码流,可继承获得JPEG2000标准内嵌码流抗误码等优良特性．使用该方法对一组6波段多光谱图像压缩编码后的重建图像显示,具有比三维小波分层树集合分割排序编码的算法(3D SPIHT)具有更好的图像质量和压缩性能．     

基于残差注意力机制的图像去雾算法

传统基于先验知识与基于学习的图像去雾算法依赖大气散射模型,容易出现颜色失真和去雾不彻底的现象。针对上述问题,提出一种端到端的基于残差注意力机制的图像去雾算法,该算法网络包括编码、多尺度特征提取、特征融合和解码4个模块。编码模块将输入的雾图编码为特征图像,便于后续特征提取并减少内存占用;多尺度特征提取模块包括残差平滑空洞卷积模块、残差块和高效通道注意力机制,能够扩大感受野并通过加权筛选提取的不同尺度特征以便融合;特征融合模块利用高效通道注意力机制,动态调整不同尺度特征的通道权重,学习丰富的上下文信息并抑制冗余信息,增强网络提取雾霾密度图像的能力从而使去雾更加彻底;解码模块对融合后的特征进行非线性映射得到雾霾密度图像,进而恢复无雾图像。通过在SOTS测试集和自然有雾图像上进行定量和定性的测试,所提方法取得了较好的客观和主观评价结果,并有效改善了颜色失真和去雾不彻底的现象。     

可分级视频编码结构优化的差错恢复编码方法

提出了一种在丢包环境下的基于H.264的可伸缩视频编码(SVC)扩展的率失真(RD)优化宏块模式判决模型. 在RD模型中加入时间级的优化参数. 编码器每编码完一帧图像后,都以编码块为单位计算信源编码失真和误差扩散失真,并将计算结果存储在失真映射表中用于计算下一个编码图像的端到端失真. 实验结果表明,在丢包环境下,优化后的率失真模型的差错恢复性能比优化前有明显提高.     

基于上下文的自适应二进制算术编码研究

针对视频编码标准H.264中基于上下文的自适应二进制算术编码(CABAC)的复杂度高和存储空间大的问题，提出了一种简化的编码器模型.在对CABAC熵编码器进行理论分析后，给出了CABAC的编码效率公式，进而推导出不同概率时的理论最优量化点集合；通过调整CABAC中消除乘法运算的编码器的区间精度和倍乘系数，研究了这些参数和量化点集合对CABAC的编码效率和存储空间的影响，获得了该种简化模型，并利用此编码模型对不同特性的图像序列进行测试.仿真结果表明，该模型能够在编码效率降低不多的情况下，大大降低复杂度和存储空间，适用于对存储空间要求较高的视频通信.     

基于JPEG2000的失真模型

研究了JPEG2000的压缩码流特性,给出了图像失真模型。通过将JPEG2000压缩码流的误码率映射到位通道编码码流的误码率,并结合位通道编码码流受误码影响不同,将图像失真与位通道编码码流的误码率建立了数学表达式。实验结果表明:该算法得出的失真值与实际基本一致,仅仅相差一个常数,这对发送端估计解码端图像失真很有参考意义。     

结合相位变换形状形成特性的多描述编码

提出一种利用相位变换形状保持特性的错误恢复编码新方法。编码结果的2个描述分别由相位图像和像素交织产生。该方法在有较大失真的情况下,可由相位图和失真幅值合成逼真的原图像：若2个描述都被正确接收,从相位图像和失真较少的幅度可重构一幅高质量的图像;若其中一个描述丢失,甚至在图像传输过程遭到严重破坏时,利用相同方法,能重构一幅可接受图像。实验结果显示,与像素交织和相扰的多描述算法相比,该算法的峰值信噪比（PSNR）可以高出1.5～3 dB。     

基于改进的小波分形四叉树医学图像编码

将改进的小波Mallat算法运用到小波分形四叉树算法中。对医学图像进行改进的小波Mallat分解，对最高级分解的四个子带图像进行无失真编码，剩下的子带图像进行小波分形四叉树编码。实验结果得出恢复图像的质量进一步提高，证明了本文方法的有效性。     

基于率失真优化的快速帧内更新算法

提出了一种近似估计整帧图像最小量化失真度的模型和新的率失真优化的实时帧内更新准则,可使编码器直接计算出编码一帧图像的最小量化失真度,通过评估宏块帧内编码所增加的总量化失真度和减小的扩散失真度,以决定是否需要对此宏块进行帧内更新。经与传统的基于率失真的帧内更新相比和实验结果表明,更新算法在具有更小计算复杂度的同时,在大多数情况下可以取得更好的峰值信噪比值。     

面向H.264/AVC的宏块级码率控制算法

为了降低计算复杂度和提高H.264/AVC编码器的效率，基于一种相对简单的率失真（R－D）模型提出了新的宏块级码率控制算法，并在新算法中引入了一种自适应方法对目标码率分配和编码复杂度进行调整.相比以往算法在码率分配和参数更新中只利用了宏块绝对平均误差预测值的情况，新算法充分利用了已编码宏块的实际绝对平均误差值和相邻帧之间编码特性的相似性，保证了输出码率的稳定性和解码图像的质量.新算法还采用了一种跳块预判断策略来进一步降低编码复杂度.与JVT-G012码率控制算法相比，新算法在信噪比和输出码率基本不变的条件下，整个编码速度平均提高了约10%.     

基于H.264-SVC编码结构优化的差错恢复编码方法

提出了一种在丢包环境下的基于H.264-SVC扩展的率失真（RD－rate distortion）优化的宏块模式判决模型。在编码器中，在基于块的基础上综合考虑了信源编码失真、时间可分级的等级B图像编码结构和误差扩散失真。在当前的H.264-SVC的丢包环境下宏块模式判决模型的基础上，结合H.264-SVC的等级B图像编码结构的特点，一个时间级的参数被加入到RD代价函数的计算中。实验结果表明，本方法比没有经过时间可分级编码结构优化的的差错恢复率失真模型的差错恢复性能要好。     

一种提高重建图像质量的分形压缩编码方法

对分形图像压缩编码过程中拼贴误差与重建误差的关系进行了研究。提出了一种建立在误差间隙控制方法基础上的、不需增加任何附加比特（即压缩比不降低）就可以减小拼贴误差的方法。该方法在有效降低误差间隙的同时,能减小重建误差,提高重建图像的质量。仿真实验表明,在编码时间基本相同的前提下,误差间隙可由０．２９～０．３７降低到０．０１～０．１７,重建图像峰值信噪比（ＰＳＮＲ）约提高０．５１３～１．６３４ ｄＢ。     

多天线时变信道下基于卡尔曼滤波跟踪的数字图像通信系统

数字图像在时间选择性衰落信道下传输 ,难以获得满意效果 .为得到高质量的传输图像 ,基于多天线通信系统 ,采用卡尔曼滤波跟踪方法对时变信道进行跟踪以获得更高的系统性能 ,并增加信道编码 .仿真结果表明 ,在系统中加入卷积码 ,可获得 5dB以上的编码增益 ;在较高信噪比下 ,与无跟踪情况比较 ,误比特率有较大改善并可获得满意的传输图像 .     

基于边缘方向的自适应DPCM高质量图象压缩方法

首先介绍图象编码方法,然后提出一种基于边缘方向的质量图象压缩方法,该方法首先将图象划分为若干块,自适应地为每一块选择一个预测误差最小的方向预测器。然后,对得到的误差图象进行了量化,使用快速而有效的Ｒｉｃｅ编码器对化后的误差图象编码;最后分析了该方法的时间复杂性并给出了实验结果。     

JPEG2000纠错译码研究

JPEG2000是联合图像专家小组制定的一个新的静止图像压缩编码国际标准。文章深入研究了JPEG2000的编码特性及重要比特误码对恢复报文的影响,提出了基于重要多比特反转的纠错译码算法,实现了对JPEG2000码数据中重要比特内多比特错误的纠错译码。     

一种基于面分解的小波域鲁棒水印算法

随着因特网和数字技术的发展,数字水印技术作为版权保护的重要手段,得到广泛的研究和应用.然而,以灰度图像作为水印信息的嵌入并不算多,针对这种情况,本文提出一种以灰度图像作为水印的小波域水印算法,即对灰度水印图像进行面分解,选择高四位进行(7,4)海明码纠错,结合分型编码理论对低四位进行4×4分块,选择某一小块与其他小块均方误差和最小的小块进行海明码纠错后与高四位的纠错码一起结合人类视觉特性(hu-m an visualmodel,HVS)嵌入到宿主图像小波变换的系数中,并通过实验仿真证明本算法具有极强的鲁棒性.     

一种应用遗传算法的块编码图像重建方法

为解决使用块编码进行压缩传输时,由于传输信道误码率的存在而导致图像块数据丢失的问题,使用遗传算法,找到丢失块在该图像中的最佳匹配块,利用该匹配块取代丢失块,从而实现图像的误差掩蔽.对矩形和三角形块编码图像的仿真结果表明,使用遗传算法,可以在较大程度上减少块搜索次数,且得到了较好的误差掩蔽效果,处理后图像的峰值信噪比有较大改善.     

基于深度学习编码模型的图像分类方法

针对矢量量化编码的量化误差严重,而稀疏编码只是一种浅层学习模型,容易导致视觉词典对图像特征缺乏选择性的问题,提出了一种基于深度学习特征编码模型的图像分类方法。首先,采用深度学习网络无监督的受限玻尔兹曼机（RBM）代替传统的K-Means聚类及稀疏编码等方法对SIFT特征库进行编码学习,生成视觉词典;其次,对RBM编码添加正则化项分解组合每个特征的稀疏表示,使得生成的视觉单词兼具稀疏性和选择性;然后,利用训练数据的类别标签信息有监督地自上而下对得到的初始视觉词典进行微调,得到图像深度学习表示向量,以此训练SVM分类器并完成图像分类。实验结果表明,本文方法能有效克服传统矢量量化编码及稀疏编码等方法的缺点,有效地提升图像分类性能。     

Robust transmission of progressive image bitstreams based on DCT over broadband wireless channels

With the advent of the3rdgeneration wireless com-munication systems(3G)and with the development ofthe standardized work for the4thgeneration wirelesscommunication systems(4G),wireless multimediacommunication services receive considerable attentionfrom bot…     

分形图像编码的研究

分形图像编码是一种基于自然图像局部自相似性的有效压缩技术。分形图像编码通过引入一个可以影响解码图像质量和编码时间的控制参数,目前对它的研究比较广泛。本文着重阐述了分形图像编码的理论基础、编码方法、解码方法、基本特征及其发展现状和发展方向,并简要介绍了分形编码与其它工具相结合的方法。分形图像编码定将在图像压缩领域中发挥其更大的作用。