基于多级位平面交错的ROI图像编码

在许多的图像应用中，基于感兴趣区域(ROI)图像编码技术占有重要地位。在ROI图像编码中，感兴趣区域采用低压缩比以得到较高的图像质量，而背景区域(ROB)则采用高压缩比以达到相对低一点的图像质量。因此，这种技术能很好地解决图像质量和压缩比之间的矛盾。在JPEG2000中已采用了General Scaling Based Method和Maxshift Method的ROI编码技术，但在一些应用中它们仍不能满足要求。为此提出了一种基于多级位平面交错(MBI)的编码算法。该算法具有多ROI编码、ROI-ROB重要性编码等特点，能够满足不同应用场合下的编码要求。     

基于分形与JPEG的混合图像压缩算法

根据分形图像压缩算法具有潜在高压缩比的特点,提出基于分形与JPEG算法的混合图像压缩算法。将结合四叉树算法的分形图像压缩算法用于32×32和16×16的子块区域编解码,JPEG算法用于剩余区域编解码。实验结果表明,该算法具有较高的压缩比和解码图像质量,当压缩比较大时,其解码图像的块效应明显弱于JPEG算法。     

基于SPIHT的感兴趣区域编码

感兴趣区域(ROI)编码是一种重要的图像编码思想,可用来解决图像质量与压缩比之间的矛盾,特别适合应用到医学图像压缩中.提出了一种基于层次树集合划分(SPIHT)算法的感兴趣区域编码方法,通过附加ROI掩模信息,无需提升小波系数,使得ROI优先于其它区域编码和传输.     

基于分形集的图像压缩方法

分形图像编码是一种极具发展前途的图像压缩方法,但由于其发展时间较短,还有许多问题尚待解决,其中较为突出的是,在很长的编码时间和较高的压缩比下重构图像质量尚不能令人满意。提出了一种新颖的分形图像压缩算法,即基于Julia集的分形图像压缩方法。该算法采用Julia曲线集合作为压缩编码字典,使用自适应四叉树法实现图像压缩。通过计算机模拟实验结果显示,此算法具有较高的图像压缩比和高质量的重建图像,编码速度提高也很明显。     

基于提升小波变换的视频图像编码技术研究

在提升小波的基础上,对感兴趣区域(ROI)进行Huffman无损压缩,对背景区域(BG)进行嵌入式零树(EZW)图像压缩编码。实验证明,在感兴趣区域占整幅图像大小10%左右时,该方法能够解决图像压缩比和重构图像质量之间的矛盾。     

基于压缩感知的感兴趣区域编码

受无线信道带宽的约束,图像经传统图像压缩方法压缩并经无线信道传输后,图像质量受损严重,会影响后续探测识别结果的准确性,本文针对这个问题提出一种基于压缩感知(Compressed Sensing,CS)的感兴趣区域(Region Of Interest,ROI)图像压缩方法。首先,将位平面位移技术引入压缩感知,对获得的图像进行量化、位平面分解;然后位移ROI位平面,并给出编码方案;最后,在解码端通过解码、重构,得到ROI质量良好的重构图像。仿真结果表明,本文算法重构图像的ROI部分PSNR高于传统的压缩感知编码方法,验证了方法的可行性和有效性,从而为ROI图像编码提供了一种可行的解决方案。     

分形图像压缩技术在神经网络中的实现

由于分形图像压缩技术具有解码分辨率无关性、快速编码及高压缩比和低损耗率等特点而被广泛应用,但基于迭代函数系统的分形图像编码方法却存在着计算量大的缺点,采用神经网络对分形图像进行压缩及解压缩目的在于解决压缩时间较长等问题.文中使用神经网络方法以并行方式完成对分形图像的压缩与解压缩.并通过实验,在实验中结合非线性网络和最速下降法实现对分形图像的压缩,在基本保证重建图像质量的前提下,减少了压缩时间,提高了压缩质量,进而说明神经网络技术应用于分形图像压缩中的可行性.     

使用2－范数匹配的快速分形图像编码算法

尽管分形图像压缩在高压缩比时具有高的重建图像质量,但由于它编码过程耗时而未能在图像压缩领域广泛应用。为了提高分形图像编码过程的速度,提出了基于2－范数匹配的快速分形图像编码算法,该算法先把码书里的码块按2－范数大小赋序,然后对每个输入Range块,在赋序码书中寻找与它的2－范数最接近的码块,进而在这个码块的领域内搜索Range块的最佳匹配块。计算机仿真结果显示,在不影响基本分形图像编码算法解码图像质量的情况下,该方案大大加快了它的编码速度。     

分形图像编码中的特征差值分类法

基于分形的图像编码方法具有高压缩比、分辨率无关性、快速解码等优越性质。编码时间过长是分形图像压缩的主要缺点之一,对定义域和值域的分类匹配搜索能够有效地加速编码过程,是解决上问题的重要手段之一。在简单介绍当前常用的分类算法的基础上,基于分形编码的收缩特性提出一种特征差值分类算法,该方法原理简单,实现方便,灵活性强,能够和多种其它算法相结合,有效地排除不符合收缩特性的“伪匹配”,快速找到最优的匹配,节约编码时间,且在解码图像质量上获得了非常好的效果。     

基于JPEG2000的ROI改进编码算法研究

在许多的图像应用中，基于感兴趣区域（ROI）图像编码技术占有重要地位。对图像压缩和传输处理，总是希望自己所感兴趣的图像区域能够得到相对于背景（BG）区域更好的压缩效果。在JPEG2000中采用了General Scaling Based Method 和 Maxshift Method的ROI编码技术。最重要平移和逐个平移法在最大位移法的基础上进行了改进、实验结果表明，该方法可行且性能优越。     

基于JPEG/JPEG2000相结合的医学图像感兴趣区域压缩

提出了一种基于JPEG/JPEG2000相结合的医学图像感兴趣区域压缩方法.该方法对在人为选定医学图像的感兴趣区域采用无损的JPEG2000压缩,而对其他图像区域则采用高压缩比的JPEG压缩,从而较好地解决了医学图像的高压缩比和高质量之间的矛盾.通过对一副人脑MRI医学图像的压缩实验,得到了压缩比12:1,并且病灶区图像信息完整的压缩图像.     

一种改进的JPEG算法研究

图像压缩技术是视频信息存储和传输的关键技术之一,本文首先分析了标准JPEG算法的过程和不足,理论上讨论了切匹雪夫(HEBYCHEV)算法较DCT变换的优越性,并且引入自适应量化算法对标准JPEG的量化表加以重构,通过微机仿真表明在相同压缩比的条件下较标准JPEG的恢复图像信噪比有所提高,同时恢复图像的质量也有改进,这种方法有一定的价值和实用性。     

基于三维离散余弦变换的静止彩色图象压缩

为了既能获得较高的压缩比 ,又能保证较好的图象质量 ,提出了一种基于三维离散余弦变换 (3D DCT)的静止彩色图象编码方法 .在此算法中 ,首先将原始图象分割成互不覆盖的 8× 8子块 ;然后根据局部能量的大小将各子块分为 4类 ,再把属于同一类的子块组合到一起 ,形成三维立方体并对三维立方体进行三维离散余弦变换 ,从而提高压缩效率 .计算机模拟结果表明 ,此算法在压缩比高于 4 0时 ,其平均峰值信噪比约为 2 9d B,解压后的图象质量有较高的保真度 ,在同等情况下 ,其比 JPEG标准提高约 5 d B     

在基本JPEG系统中实现感兴趣区域编解码

该文在借鉴JPEG2000的基础上,提出了一种在基本JPEG系统中实现感兴趣区域的编解码方法,并在VC6.0中实现。实验结果证明该方法是切实可行的,既提高了压缩比又增强了感兴趣区域的图像质量。     

一种新的感兴趣区域编码方法

感兴趣区域(ROI)编码和渐进解码都是JPEG2000的重要特性。当前的ROI编码算法不能控制渐进解码图像的相对质量或是计算量太大。基于位面组移动法和分段的思想,该文提出了位面群移动法,使位面的排列更加灵活,不同码率的解码图像相对质量更加稳定。该方法仅增加少量数据开销,计算复杂度也没有明显增加,实现比较简单。     

集成超分辨率重建的图像压缩编码新型框架及其实现

提出一种集成超分辨率重建的图像压缩编码新型框架。在编码端对输入图像以因子2进行下采样,对下采样图像用JPEG标准编解码,而后采用事先通过外部训练库训练得到的字典,对解码后的图像进行基于学习的超分辨率重建。为了进一步提高解码重建图像质量,在算法框架中设计了反馈环节,即在编码端用原始图像减去超分辨率重建图像得到残差辅助图像,在解码端用该残差辅助图像弥补在超分辨率图像重建环节中损失的高频细节信息,在保证残差辅助图像较低编码比特率的情况下,大幅度提高了解码重建图像质量。此外,还实现了框架图像编码控制量化参数的单一化,实用性较强。实验结果表明,算法较JPEG标准在相同峰值信噪比的情况下,编码比特率大幅度降低,压缩倍数提高较多。     

基于SPIHT算法的改进ROI图像编码

将分层树集合划分算法(Set Partitioning in Hierarchcal Trees, SPIHT)引入到感兴趣区域(Region of Interest, ROI)编码中。对前n个高比特平面进行编码时,将ROI区域与背景无区分进行编码。对n个高比特平面之后的平面进行编码时,将背景区域进行清零操作,ROI区域继续用SPIHT算法进行编码。此算法的优点：位平面数减少;整个图像的基本信息能够优先被恢复出来。在解码端,依靠原有的SPIHT解码程序就可以将其解码出来。可用于现有的SPIHT算法应用中,并且能够很好地恢复感兴趣的图像。     

一种分形彩色图像压缩编码方法

在分析彩色图像色彩三分量r,g,b的相关性和分形四叉树编码层次信息冗余性的基础上,提出了一种分形彩色图像压缩编码方法.它将图像的3个独立的颜色分量按某种方式组合成1个来搜索匹配块,从而将需要存储和搜索的3个颜色分量匹配块(SFC方法)减少为1个,并且对四叉树层次信息进行压缩.此外,采用不同的组合,得到了几个图像压缩比和解码质量相近的编码方法,其中使用亮度分量的方法比使用其他方法速度更快.实验结果表明,它优于SFC方法及标准JPEG方法,不失为一种好的分形彩色图像压缩方法.     

边缘模型基背景区的JPEG压缩方法研究

模型基编码是目前极富前途的低比特率图象压缩方法之一 ,而边缘模型基方法较之通常的模型基方法有更多的优点 ,正逐渐引起研究人员的注目 .在边缘模型基中 ,除去了图象中大部分高频分量的背景区 ,其灰度变化较缓慢 ,这些被去除了的空域 ,大小大约占整个图象的 10 % .为了能采用传统的 JPEG方法 ,对背景区进行静态压缩 ,提出了一种简易的基于 8× 8子块的直流分量激励区填充方法 .实验表明 ,用该方法得到的填充后的图象十分适合 JPEG压缩 ,且可以得到较高的压缩比 ,同时图象的主观质量也优于直接对未填充图象做 JPEG压缩 .