小波变换医学图像压缩研究

首先简要介绍了多分辨分析和Mallat算法,然后用其进行了医学图像压缩实验.实验表明,小波变换算法具有较高的压缩比和较好的图像恢复质量,不同类型的医学图像在同一小波基下压缩比不同.     

一种基于小波变换的图像压缩方法与实现

提出了一种先去噪再利用小波变换的图像压缩方法,用Matlab软件编程实现算法。实验仿真结果显示,图像在具有高压缩比的同时,重构图像的质量也较优;使用不同的小波基函数,效果不同。     

基于小波变换的医学图像压缩技术

分析了医学图像压缩的必要性,简要介绍了二维离散小波变换和Mallat算法,在此基础上探讨了基于小波变换的医学图像压缩技术。实验结果表明,小波变换算法具有较高的压缩比和较好的图像恢复质量。     

基于小波变换和自适应标矢量混合量化的图像压缩

本文提出了一种基于小波变换和自适应标矢量混合量化的图像压缩技术.该算法首先将图像分成不同层次不同频率的子带,对含能量大的低频子带采用无失真的DPCM编码;利用相同方向不同尺度子带之间的相关性,对其余的高频子带利用自组织特征映射神经网络进行矢量量化编码,实验证明此方法兼顾了图像的压缩比、编解码时间以及重构图像质量等因素.     

小波变换编码在医学图像压缩中的应用

文章结合医学图像的特点探究了一种图像压缩编码方法：先对图像进行小波分解，然后针对不同层不同子图的特点对小波系数的各部分进行相应处理。小波分解后，低分辨率子图像的小波系数的动态变化范围大，因而采用BP神经网络进行自适应非线性预测编码，而对高分辨率子图像采用基于Kohonen网络的自组织特片映射（SOFM）算法的矢量量化进行编码，上述压缩方法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，从而可以较好的满足医学图像存储的要求。     

基于小波编码的巡航导弹图像压缩方法研究

弹栽图像压缩系统要求压缩算法在保证图像质量的前提下对图像实现大压缩比实时压缩.针对这些要求,提出了采用小波编码算法作为图像压缩系统的实现算法和DSP作为算法的实现平台.小渡压缩算法分为两个部分,即先对图像进行整型提升小波变换,再利用SPIHT(Set Partitioning in Hierarchical Trees)算法对变换结果进行编码.对小渡编码过程中存在重复运算和存储量大的缺点进行了改进,使之适合于DSP并行处理.实验结果表明,改进的算法与原算法相比,重构图像的峰值信噪比相当,大于28dB,满足图像质量要求;图像压缩速度达到20帧/s,完全满足实时性要求.     

基于谱图小波变换的图像压缩编码方法

针对小波变换图像压缩编码方法在高压缩比下得到的重构图像质量往往较差的问题,提出了一种基于谱图小波变换的编码方法.该方法首先将图像转化成图,利用谱图小波变换分解图得到谱图小波系数,这些系数的能量随着尺度的增加而衰减,然后根据谱图小波系数的特性对SPECK算法进行改进,最后对谱图小波系数进行量化,利用改进的SPECK算法对量化后的系数进行压缩编码,并在图像数据量压缩的同时从稀疏系数中恢复原始图像.实验结果表明,该编码方法对自然图像的压缩具有高效性,相比小波变换的压缩方法,重建图像的PSNR有所提高且变化平稳,与此同时还得到更大的压缩比.     

基于奇异值分解（SVD）和小波变换的图像压缩算法

提出一种基于奇异值分解（SVD）和小波变换的图像压缩算法,该算法通过对小波变换后的小波系数或经小波重构处理后的图像利用SVD进行二次压缩。实验结果表明,该算法性能良好,优于单纯利用小波变换的图像压缩算法。     

基于Haar小波变换的图像分解与重构

介绍了Haar小波函数及基于Haar小波变换的图像分解与重构,通过实验得出了小波变换及haar小波用于图像分解与重构具有速度快、重构图像压缩比高、对图像容易进行各种分析处理等优点的结论,为后续研究图像压缩技术提供了一定的依据。     

基于小波变换的有损图像压缩算法研究

文章从实际应用角度出发,全面系统地阐述了小波变换基本理论,提出了一种基于小波变换的有损图像压缩算法。该算法首先利用小波变换对图像进行分解,然后根据各子图像特点对小波系数进行相应的向量量化编码,从而实现图像压缩目的。实验结果表明：该图像压缩算法的使用,可以在图像质量几乎不下降的条件下,极大地提高压缩比,改善恢复图像质量。