图像压缩编码技术

章论述了经典图像编码方法和现代图像编码方法的基本原理，指出将多种编码算法融合在一个编码器中是新一代图像编码的研究方向。     

图像信息压缩技术的发展和研究

主要探讨了图像信息压缩技术的基本途径和研究动向，以及图像编码国际标准化动向，并对未来图像编码的前景进行了展望，提出了利用图像几何结构特点用于图像编码以及软件编码、多媒体融合编码的新观点。     

图像通信中的信息压缩技术

本文简要回顾了图像通信和图像压缩编码的历程，说明了图像编码的重要性和目前实用中的图像编码技术水平，重点介绍了常用的图像编码方法和有关国际标准，并对研究中的一些新的图像编码方法作了扼要介绍。     

立体视频图像编码的研究进展

从编码方案、关键技术和评价准则3个方面综述了立体视频图像编码研究的发展.阐明了各种编码方案的特点及适用范围.详细分析了立体视频图像编码中视差估计、运动估计、遮挡检测、残差图像编码和码率控制5大关键技术,总结了各项技术的发展现状.最后指出了立体视频图像编码研究中存在的问题,并对未来的研究方向进行了展望.     

极低比特率视频编码

本文在简要回顾经典图像编码的基础上，着重阐述了极低码率视频压缩理论，标准及应用等方面的发展近况。     

分析与综合小波交换使用时编码性能的研究

本文提出了一种新的选择适于图像编码应用的双正交小波基的方法。通过用几个已被证实是与图像编码密切相关的小波基评价标准,对双正交小波中分析与综合函数交换使用时的编码性能进行全面的比较研究,选出了适合图像编码的分析或综合小波基,并作了编码实验检验。     

嵌入式小波编码算法的分类研究

小波编码技术关键在于如何有效地组织和量化图像的小波变换系数，如何提高图像的压缩效率和图像的恢复质量。将较经典的小波编码方法按照小波系数的不同相关性和不同的小波变换处理进行了分类研究，分析了它们的原理和性能。最后提出了小波图像编码方法的进一步研究方向。     

分形与图像压缩编码

本文概述分形图像压缩的理论基础,介绍分形图像编码的IFS方法,讨论小波技术在分形图像编码中的应用。     

宽带综合业务数字网 六：ATM体系中的语音和图像编码

本文主要对ＡＴＭ体系中的语音编码方式和图像编码方式进行研究，提出了一些新的概念和编码算法，并得出有一定参考价值的结果。     

图像编码的国际标准化

近年来，已经制定和正在制定一系列的图像编码国际标准。本文扼要介绍ＣＣＩＴＴ、ＩＳＯ／ＩＥＣ等组织在图像编码标准化方面的活动以及ＪＰＥＧ、Ｒｅｃ．Ｈ．２６１、ＭＰＥＧ等几个静止图像编码和活动图像编码标准的技术特点。     

序列图像的分形编码

分形方法作为一种新兴的图像编码方法,有着压缩比高等独特的优点。但由于它也有着致命的缺点,即编码速度速度很慢,目前对于序列图像的分形编码的研究方兴未艾。文章介绍了两类主要的序列图像分形编码方法,并对其进行了展望。     

一种基于混合变换的分层图像表示与编码

提出一种基于混合变换的分层图像编码算法，它将原始图像划分成包含不同结构特征的图像平面，如平滑边缘层和纹理层等等，然后采用不同的压缩算法对不同的图像层进行编码，从而达到对整幅图像最优编码的目的。本文实际上给出了一种新的编码框架，在这个框架内综合了不同的信号变换方式，将它们有机结合起来能够提供一种有效的图像表示方式。实验结果表明，与采用单一小波图像编码算法相比，本文算法能够获得更好的图像恢复质量。     

适应于极低传输码率的物体基图像编码

本文介绍了物体基编码的基本方法、算法流 程及其关键技术。该编码方法的重要特点是既考虑到所处理对象的一般性，又利用了一定的先验知识，因此可用于极低传输速度的图像编码，是电视电话中的一种很有应用前景的编码方法。     

几种小波图像编码方法的比较

小波变换具有良好的时频或空频局部特性,特别适合于按照人眼视觉系统特性设计的图像/视频编码方案.随着MPEG-4和JPEG-2000等基于小波变换的图像/视频编码标准的制定和推广,小波编码技术将被广泛采用.目前小波图像编码的方法有很多,其中嵌入式编码方法得到了人们的广泛关注.本文首先介绍EZW、SPIHT、SPECK等七种小波编码器的原理和方法,然后对这几种小波编码器的性能进行了比较.     

分形图像编码研究的进展

 分形图像编码是近几年发展起来的一种新的图像编码方法,目前对其研究较为广泛.本文介绍了分形图像压缩编码的数学原理、基本特性,着重介绍了当今这一领域的发展成果,比较了各种方案的优缺点,分析了目前编码方案所存在的缺点、原因及未来的发展方向.     

压缩编码处理对图像信号质量的影响

分析了数字图像信号压缩编码技术的分类以及图像质量与压缩编码技术的关系,对数字图像信号失真的基本因素进行分类,详细介绍压缩编码处理对图像信号质量的影响,说明针对数字图像信号进行主、客观评价及其测试的方法。     

Dilation-run wavelet image coding

The run-length coding and the morphological representation are two classical schemes for wavelet image coding. The run-length coders have the advantage of simplicity by recording the lengths of zero-runs between significant wavelet coefficients but at the expense of yielding an inferior rate-distortion performance. The morphology-based coders, on the other hand, utilize the morphological dilation operation to delineate the clusters of significant coefficients for improving coding performance. In this paper, a novel dilation-run image coding algorithm is developed by taking the advantages of both schemes, in which the clustered significant coefficients are extracted by using the morphological dilation operation and the insignificant coefficients between the extracted clusters are coded by using the run-length coding method. The proposed dilation-run image coder is implemented in the framework of bitplane coding for producing embedded bitstreams. Compared with several state-of-the-art wavelet image coding methods, the proposed dilation-run image coding method achieves comparable rate-distortion coding performance, especially more attractive for fingerprint type of imageries.     

Speed-up trend analysis for H.261 and model-based image coding algorithms using a parallel-pipeline model

Model-based and object-oriented coding algorithms are generally more computationally complex than current block-based image coding standards such as H.261, due primarily to the complexity of the image analysis they require. In this paper, simulations of H.261 and two model-based coding algorithms are analysed in terms of their computational complexity, and mapped onto a generalised image coder parallel-pipeline model. Example implementations of the H.261 coder and an object-oriented coder using general purpose parallel processor systems are then presented to confirm the validity of the performance trend analyses; these achieve maximum speedups of about 11 and 1.7, respectively, using up to 16 processors. The performance trends shown by the analysis indicate that the complexity of model-based coding algorithms, when combined with their reliance on coding picture differences and content-dependent algorithm execution times, interact to make it very difficult to achieve significant speed-up of sequential algorithms. Furthermore, the algorithm complexity and abstract data structures will make direct hardware implementations increasingly difficult. Overcoming these problems to achieve real-time model-based coders may require significant algorithmic compromises to be made.