整数小波域张量Tucker分解的多光谱图像压缩

针对常用多光谱图像压缩算法-把图像作为矩阵向量量化后再进行相应压缩处理-导致图像的本征结构被破坏、信息损失以及压缩效率低等问题,提出一种基于非负张量(NTD)Tucker分解的多光谱图像压缩算法。首先将多光谱图像的每个谱段进行二维提升整数5/3小波变换,消除多光谱图像的空间冗余。然后将所有谱段的每级小波变换的4个小波子带看作为4个NTD。对每个非负小波子带张量采用改进局部HALS-NTD算法进行Tucker分解,消除光谱冗余和空间残余冗余。最后,将分解的核心张量和模式矩阵进行熵编码。实验结果表明,本文提出的压缩算法具有良好压缩性能,在压缩比32∶1～4∶1范围内,平均信噪比(SNR)高于40dB,与传统多光谱图像压缩算法比较,提高了1.779dB,有效提高了多光谱图像压缩算法的压缩性能。     

基于改进的K-L变换的多光谱图像压缩算法

融合离散小波变换(DWT,discrete wavelet tran sform)与Karhunen-Loeve变换(KLT),将图像的能量集中到少数系数上,以达到更好的 压缩效果。首先将多光谱图像的每个谱段进行快速9/72D DWT,消除多光谱图像的大部分 空间冗余;然后对所有谱段产生的小波系数进行改进的KLT,来消除光谱冗余和残存的空 间冗余;最后对所得谱段产生的小波系数进行改进的KLT,来消除光谱冗余和残存的空间冗 余;最后对所得系数进行熵编码,得到压缩码流。实验结果表明,在码率为0.25～2.0bit/ pixel范围内,平均信噪比(SNR)高于41dB,同时缩短了运 算时间,从而提升了多光谱图像压 缩算法的性能。     

基于子带谱间变换的多光谱图像压缩

针对星载多光谱图像压缩,提出了基于子带谱间变换的压缩算法。该算法首先对多光谱图像序列的每个波段分别进行空间二维小波变换,以此去除多光谱图像的空间相关性;为了去除多光谱图像的谱间相关性,将小波分解后的每一层子带作为整体,采用串行成对变换的方式对两个波段进行子带谱间KLT变换;最后,利用最优截断的嵌入式块编码算法对变换后的所有主成分同时进行最优率失真压缩。实验结果表明,该算法能够获得较好的压缩性能,同时具有较低的编码复杂度,适用于星载多光谱图像的压缩。     

一种基于小波的多光谱图像压缩方法

文章提出一种基于Karhunen2Loeve变换(KLT)和小波量化编码的多光谱图像压缩方法。该法首先使用KL变换步骤来去除谱间冗余,而后对各变换波段图像进行小波变换,并利用均匀阈值网格编码量化方法来量化小波子带图像,最后使用算术编码对量化结果进行熵编码。为使编码器能为所有谱段各子带获取率- 失真意义上最优的量化阈值,本文提出基于子带图像统计特性和网格编码量化器率- 失真特性的比特分配算法。实验表明,本方法能高效地压缩多光谱图像,表现出优异的压缩性能。     

一种基于小波-Contourlet变换的图像编码算法

根据小波-Contourlet变换对图像分解具有多尺度和多方向性的特点,提出了一种结合小波-Contourlet 变换和集合分裂嵌入块(SPECK)编码的图像压缩算法(CSPECK).小波-Contourlet通过方向滤波器组把小波分解的高频子带进一步分解为多个方向子带,从而可更稀疏地表示图像的边缘和纹理.SPECK算法编码具有复杂度低和编码效率高的优点.实验结果表明,CSPECK算法对纹理丰富的图像有很好的压缩效果,与基于小波-Contourlet 变换的CSPIHT算法相比,峰值信噪比提高了0.2～0.6 dB.     

基于小波域的自适应运动补偿图像压缩算法

提出一种基于小波域的自适应运动补偿图像压缩算法。该算法利用小波变换的多分辨率特性,对经小波分解后的每个子带图像信号进行多分辨率运动估值(MRME)和多分辨率运动补偿(MRMC)处理,有效消除图像的冗余,增加可扩展能力,从而获得较高的图像压缩比。     

MODIS多光谱图像压缩研究

为有效存储MODIS多光谱图像数据,该文提出一种基于谱间预测和整数小波变换的多光谱图像压缩算法.首先通过构造谱间最优预测器去除谱间冗余,再利用整数小波变换和SPIHT算法对预测误差图像去除空间冗余,最后进行自适应算术编码.该方法可实现MODIS多光谱图像的无损、近无损和有损压缩,取得了满意的实验结果;在不同小波基条件下与3D-SPIHT算法比较,表明了该方法的有效性.     

适合于高分辨力航测图像压缩的低复杂度算法

针对高分辨力航测图像数据量庞大的问题,提出了一种基于小波分析的低复杂度图像压缩算法.该算法首先对图像进行5级二维5/3小波变换,以去除图像像素之间的相关冗余.依据正交小波变换的子带变换增益对变换后的图像系数进行最佳量化以去除视觉冗余,最后针对小波变换后图像系数的概率分布特点对小波系数最低频子带LL采用一种基于上下文的预...     

最大误差可控的高光谱图像聚类压缩算法

针对原有基于奇异值分解的最大误差可控的高光谱图像压缩(EC-SVD)算法未充分利用图像光谱矢量间冗余的问题,该文将高光谱图像压缩与聚类结合,提出最大误差可控的高光谱图像聚类压缩算法。分析发现,图像的光谱矢量间相似度越高越有利于得到好的最终压缩效果。因此,算法首先使用K-均值聚类对高光谱图像像元按光谱矢量聚类,以提高同类光谱矢量间的相似度;其次,对每一类像元分别使用EC-SVD算法思想压缩以控制最大误差。论文证明了当高光谱图像的像元个数与波段数之比较大,且聚类类数不大于8时,聚类能够提高图像最终压缩比。最后,设计整体压缩实验仿真流程,并对实际高光谱图像进行数值仿真。结果表明,在相同参数条件下,该文算法比EC-SVD算法得到的压缩比和信噪比均有提高,最大压缩比提高了10% 左右。该文算法能够有效提高EC-SVD算法的图像压缩效果。     

基于3维SPIHT编码的超光谱图像压缩

提出一种针对超光谱图像压缩的3维SPIHT编码算法.通过对超光谱图像进行3维小波变换,同时去除像素数据间的空间冗余和谱间冗余.针对变换后得到的小波系数,构造一种3维空间方向树结构,并用经3维扩展后的SPIHT算法(3D SPIHT算法)对小波系数进行量化编码.实验证明,基于3维小波变换的3维SPIHT编码算法在对超光谱图像压缩时,表现出了优良的率失真性能.并且算法复杂度适中,具有嵌入式特性.     

两步双向查找表预测的高光谱图像无损压缩

提出一种基于两步双向查找表预测的高光谱图像无损压缩算法。将谱段内预测和谱间预测有效地结合,去除了高光谱图像强的谱间相关性。根据高光谱图像特点,首先,在光谱线的第1谱段图像采用JPEG-LS中值预测器进行谱段内预测,其它谱段图像采用谱间预测。谱间预测采用两步双向预测算法,第1步预测,采用一种双向四阶预测器,利用该预测器得到参考预测值;第2步预测,采用一种8级查表(LUT)搜索预测算法,得出8个LUT预测值。然后,将参考预测值与其比较得出最终的预测值。最后,将预测差值进行熵编码。实验结果表明,本文算法的平均压缩比达到3.05bpp(bits per pixel),与传统高光谱图像无损压缩算法比较,平均压缩比提高了0.14～2.91bpp,有效提高了高光谱图像无损压缩比低的问题。     

基于均匀网格编码量化的超光谱图像自适应压缩

提出一种基于小波系数分类的超光谱图像压缩方法．算法首先将各波段小波分解并将所得子带划分成子块，而后根据子块活动性将其分类．在分类基础上，使用预测差分技术去除谱间冗余，此过程中分别求取各子类的预测系数以反映子带的局部相关性，而后利用均匀网格编码量化方法来量化残差系数序列，最后使用自适应算术编码对量化码字进行熵编码，为使编码器能在所有系数序列中最优地分配比特，本文提出一个基于序列统计特性和网格编码量化器率-失真特性的比特分配算法，实验证明该方法能高效地压缩超光谱图像，表现出优异的压缩性能。     

基于图形小波变换的遥感图像表示与去噪

离散小波变换(Discrete Wavelet Transform,DWT)通常用于图像的表示。然而,对于具有不规则形状边缘的图像,尤其是对于纹理和细节信息较多的遥感图像,DWT却很难有效表示,进而影响后续去噪效果。针对该问题,提出了一种基于图形小波变换(Graphic Wavelet Transform,GWT)的图像去噪方法。首先,将图像表示为图形信号,并通过该图形信号的谱表示构造相应的变换矩阵;然后,设计了一种改进自适应阈值的图像去噪方法,在GWT变换域内对图像去噪。实验结果表明,与常用的图像去噪方法相比,所提算法能够提供更好的图像主观质量。采用均方根误差(Root Mean Square Error,RMSE)和峰值信噪比(Peak Signal-to-Noise Ratio,PSNR)作为客观指标,结果表明,采用所提方法得到的重建图像客观质量更优。     

多光谱图像的信息分析及数据压缩

首先利用条件熵对成像光谱仪多光谱图像在空间维和光谱维方向的信息冗余度进行了分析，结果表明成像光谱图像在空间维具有很强的相关性，而在光谱维方向，图像信息不平稳，相关性略小。然后对标准的基于JPEG量化表进行改进，提出了一种既能有效保真图像边缘信息，又能提高压缩倍数的改进JPEG压缩算法-I-JPEG。随后又提出了I-JPEG／DPCM压缩算法。这种方法在I-JPEG基础上，利用局部化特性较好的无损DPCM方法去除图像在光谱维的相关性，使压缩性能得到进一步提高。     

基于人眼对比度敏感视觉特性的彩色图像压缩技术

结合人眼对比度敏感视觉特性的测量过程和图像离散余弦变换特征,提出了一种基于人眼感知特性的彩色图像压缩技术方案。方案首先将彩色图像转换到CLELAB颜色空间描述,并分别对3个分量进行离散余弦变换处理,再结合人眼对比度敏感函数模型和DCT变换域系数特征对变换域系数进行量化处理,并采用Huffman算法进行编码压缩,最后采用逆过程进行解压并匹配出解压后的彩色图像。通过仿真实验,结果表明:在压缩比为98.355 5∶1时,PSNR能达到37dB以上,人眼无法分辨出解压缩图像与源图像之间的差异;且编码效率能达到0.74以上,冗余度在0.26以下。表明提出的彩色图像的压缩技术方案在保证编码质量和图像质量的前提下能够实现较高的压缩比,是一种可行的、有效的彩色图像压缩技术方案。     

改进的基于稀疏表示的多聚焦图像融合

针对基于稀疏表示(Sparse Representation,SR)的融合算法存在冗余性和残余量丢失,提出一种改进的基于稀疏表示(Improved Sparse Representation,ISR)的多聚焦图像融合算法。该算法通过对源图像块去平均后再进行稀疏分解,解决了信息冗余问题;对稀疏表示中的残余量进一步采用小波变换进行融合,保证了信息的完整性;采用加权平均的融合规则,从而获得更多的信息量。实验结果表明,与其他的方法相比,本文提出的算法能实现更好的性能。     

An improved wavelet-based image coder for embedded greyscale and colour image compression

The embedded zero-tree wavelet (EZW) coding algorithm is a very effective technique for low bitrate still image compression. In this paper, an improved EZW algorithm is proposed to achieve a high compression performance in terms of PSNR and bitrate for lossy and lossless image compression, respectively. To reduce the number of zerotrees, the scanning and symbol redundancy of the existing EZW; the proposed method is based on the use of a new significant symbol map which is represented in a more efficient way. Furthermore, we develop a new EZW-based schemes for achieving a scalable colour image coding by exploiting efficiently the interdependency of colour planes. Numerical results demonstrate a significant superiority of our scheme over the conventional EZW and other improved EZW schemes with respect to both objective and subjective criteria for lossy and lossless compression applications of greyscale and colour images.     

基于位平面的嵌入式超光谱图像压缩系统

针对超光谱图像压缩系统实时性差的缺点,提出一种基于位平面的嵌入式超光谱图像压缩系统。对高位位平面首先采用DPCM去相关,然后再进行游程编码,对低位位平面首先采用四叉数分割,然后再进行LZW编码,最后混合码流进行数据输出。结合实际应用,以高性能DSP芯片TMS320C6455作为中央处理器,结合现场可编程门阵列FPGA构成外围电路逻辑控制,搭建了嵌入式高速图像压缩处理平台。基于该平台用真实图像验证了文中提出的算法,实验结果表明,该系统在保持较高重建精度的同时,有效降低了算法运行量,减少了算法运行时间,能够满足工程项目的要求。