小波变换在图像压缩领域中的应用

小波分析是当前数学中一个迅速发展的新领域,同时具有理论和应用的双重意义。由于小波变换具有传统的DCT正交变换的能量紧致性,同时还具有与人类视觉系统很相似的特性,因此在图像压缩领域受到关注。文章介绍了小波理论及正交小波变换的快速算法（Mallat算法）,分析了小波变换的统计特性,讨论了小波变换在图像压缩领域内的应用。     

基于Matlab的小波变换在图像压缩中的应用

小波变换克服了傅利叶变换在单分辨率上的缺陷,具有多分辨率分析的特点,在时域和频域都有表征信号局部信息的能力,从而使得小波理论在图像处理等领域得到广泛的应用。本文基于Matlab数学分析工具环境下从实验角度出发,探讨了小波变换在图像压缩中的应用和小波基的选取。     

离散小波变换图像压缩技术综述

1.引言自从1984年“小波”这一概念诞生以来,小波及多分辨分析理论和应用得到了迅猛发展。特别是在图像压缩领域,由于离散小波及多分辨分析与子带编码的天然联系,以及离散小波变换本身具有的良好去相关特性,使之逐渐成为图像压缩中的主流变换。例如:在最新推出的JPEG2000静态图像压缩国际标准中,已采纳离散小波变换作为标准的像素去相关变换。在最新的MPEG4视频图像压缩国际标准中,也大力推荐采用离散小波变换。     

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。     

小波变换在医学图像处理上的应用

小波变换是对傅立叶变换的继承和发展,近年来发展迅速,已广泛应用于图像处理、生物医学信号提取、语音合成、地震信号处理等众多领域.小波变换特别适用于提取微弱、背景噪声较强的随机信号,处理医学图像信号这一类非平稳信源.简要介绍了小波变换的原理和特点,综述了小波变换在医学图像压缩、去噪、增强、边缘提取、图像融合等方面的应用.     

基于图像抽取和小波变换的压缩方法

由于良好的局部性时频分析特性和多分辨率分析,小波变换在图像处理领域有很好的应用效果,但其却是一种很复杂的数学变换.为了降低计算复杂度,提出了一种将图像抽取和小波变换相结合进行图像压缩编码的方法.将最常用的两种图像抽取法结合小波变换进行图像压缩的压缩效果,与小波变换压缩效果作了比较.通过在MATLAB运行环境下对该方法进行实验得出,与基于小波变换的图像压缩方法相比,对于纹理较少相对平滑的图像,可以在压缩图像视觉效果相同的情况下,获得更高的压缩比,同时降低计算复杂度.     

基于小波变换的遥感图像压缩的研究

本文主要对小波变换在遥感图像压缩中的应用进行了研究,首先对小渡变换理论及其实现进行了简要的介绍,然后重点讨论了小波变换在遥感图像压缩中的应用.其中包括遥感图像压缩小波基的选择、以及使用Matlab软件利用本文提出的方法进行仿真试验.试验结果表明,将小波变换用于遥感图像压缩具有压缩比大,压缩效率高等优点.     

基于阈值与人眼特性的小波图像压缩算法

针对图像传输数据量大的问题,通过结合小波变换的高效性与普遍性,提 出了一种基于阈值与人眼特性的小波图像压缩算法,在图像的低频子带中通过结合阈值与人 眼的视觉敏感度,提出了阈值保留算法;而图像的高频子带则是通过结合小波变换后各子带 的方向性,并根据小波幅角的不同提出了边缘保留算法;在保证图像质量的同时减少了图像 中的冗余信号。实验结果表明,新方法能够实现上述目标且具有低耗时的优势,在图像压缩 领域具有较好的发展前景。     

小波变换在运动图像压缩编码中的最新进展

运动图像压缩编码技术是多媒体技术的重要组成部分,高效快速的算法研究一直是国际学术界和工业界关注的热点问题。小波变换以紧支撑、自适应和多分辨分析等性质以及对人眼视觉系统的良好模拟在运动图像压缩编码中可以较好地取代传统DCT变换方法,有着广阔的应用前景。文章首先分析了信号的MRA表示,接着讨论了小波分析在运动图像编码中的最新进展,最后得出了未来的研究方向和趋势。     

一种基于小波变换的图像压缩编码方法

前人在图像去噪和图像压缩这两个领域已经取得了诸多成就。本文综合已有的图像去噪、图像压缩算法优势,提出一种基于小波变换的图像压缩编码方法。