小波变换在图象压缩中的应用

本文讨论了数字图象数据信息压缩的有关技术问题，文章首先简要介绍了传统的Ｈｕｆｆｍａｎ编码方法的然后提出利用正交小波变换对图象进行分解，结合Ｈｕｆｆｍａｎ编码法图象进行编码，压缩的技术。     

高质量运动图象压缩编码的小波变换方法研究

研究基于小波变换的高质量运动图象压缩编码方法。通过对运动估计后图象内的帧内编码宏块首先进行离散余弦变换（ＤＣＴ）编码,然后再对整幅图象进行小波变换（ＷＴ）与零树编码,从而达到运动图象的高质量压缩编码目的。     

用于图象压缩的小波变换电路研究

小波变换已经被新一代图象压缩国际标准JPEG2000所采用.如何有效地实现小波变换电路是影响其推广应用的关键技术之一.本文提出一种通用型基于提升滤波和分时处理的流水线式电路结构,它可以用较少的运怂算电路实现小波变换.其中,在图象块的边界处理上,设计了一种简捷的延时、选通结构.对于JPEG2000无损压缩选用的(5,3)小波变换,本文在FPGA电路平台上进行了实验,实现了无损变换.     

可逆双正交小波变换在图象压缩中的应用

本文的重点在于研究双正交小波变换在图象压缩中的应用,分析了浮点型滤波器在无失真压缩中的可行性,同时通过对小波变换和边界问题进行的具体分析,提供了该小波变换的另一种算法,使之适合于快速的,渐进性的直至无失真的图象压缩。     

小波变换在遥感图象压缩中的应用研究

详细研究了基于小波变换的遥感图象压缩编码技术。针对卫星气象云图及合成孔径雷达图象压缩的不同要求，分别提出了自适应加权量化及快速小波变换的方法。实验结果表明本文提出的方法是解决遥感图象压缩编码的有效途径之一。     

基于小波变换和矢量量化的人脸图象压缩

在图象的压缩编码中，矢量量化可以利用某特定类图象（加人脸）的统计特性，为了在高压缩比下获得较好的压缩效果，提出了一种新的小波变换域内进行矢量量化的算法，该算法用树结构表示小波变换域系数，并根据各节点值的重要程度，从每一棵树中提取一个矢量，然后进行矢量量化；解码时，为了使矢量分量能正确地返回到原来树中的正确位置，需利用EZW^[1]、SPIHT^[2]算法的思想标记这棵树，因为这样才能充分利用父子相关性和兄弟相关性，从而显著地减少了标记信息，在提取矢量时，可用简单的阈值剪枝算法，也可用SFQ^[3]的最佳剪枝算法，而且后者能进一步提高峰值信噪比，用该算法对人脸图象进行的压缩试验结果表明，在高压缩比（100:1左右）下，恢复的图象质量（视觉效果和峰值信噪比）比通常的小波压缩算法（如EZW，SPIHT、SFQ等）好得多，该算法特别适合于对特定类图象的压缩。     

基于小波变换的三维医学图象压缩技术的研究

满足诊断要求的医学影像无失真压缩编码技术的研究是图象压缩编码研究的新领域,也是ＰＡＣＳ系统和远程医疗诊断系统研究的热点之一。该文正是以ＣＴ,ＭＲＩ等医疗成像设备在临床应用时一次检查产生的人体某一部位的多帧断层图象组为对象,取目前编码领域最具潜力的小波变换技术,并将小波变换由二维推广至三维,同时将二维工邓列图象组视为三维图象而开展的医学影像编码技术研究。实验结果表明,在经临床医师确认的失真门限附近,     

一种基于小波变换的静态图象压缩编码方法

本文介绍了一种利用小波变换对静态图象数据进行压缩编码的具体方法。主要内容包括小波变换在图象压缩编码中的应用原理、变换域的量化、数据编码技术，以及计算机模拟结果和评价。文中描述了一种实用的基于小波变换的图象数据压缩算法。     

采用模糊字典编码的小波图象压缩方法

本文讨论了采用小波变换进行图象压缩的基本方法。并根据小波变换域数据的基本特性，在字典编码算法的基础上提出了二维模糊字典编码算法，将传统的变换压缩方法中的量化和编码部分有机地结合起来，并取得了较好的压缩效果     

基于小波分解的分形压缩图象增强

讨论分形解码结果图象的特点,基于分形码对图象的放大作用,用小波提取放大图象中的高频信息,再用小波图像融合方法增强图象细节,同时用小波的局部极大值的Ｌｉｐｓｃｈｉｔｚ指数调整方法去除结果图象的块效应,直接提高压缩结果图象质量,可用于改善高压缩比的分形压缩解码结果图象质量。     

一种小波域内的BP神经网络图像压缩方法

通过时Mallat算法和提升小波变换的比较,并分析图像经过小波变换后系数的分布特点,提出了一种新的将提升小波变换和BP神经网络相结合的图像压缩方法.根据小波变换后图像的绝大部分能量都集中在小波变换的低频部分这一特性,利用BP神经网络,对不同的频带子图进行不同压缩比的压缩,从而得到高质量的重构图像.结果表明,该算法不仅有较高的压缩比,而且获得了质量较高的重构图像,对背景简单的图像压缩效果尤为明显.     

基于BP神经网络的图像压缩的Matlab实现

BP网络是目前最常用的一种人工神经网络模型,它利用多层前馈网络的模式变换能力实现数据编码,直接提供数据压缩能力.在介绍BP网络图像压缩机原理及算法的基础上,通过计算机Matlab仿真实验实现数字图像压缩,并分析了各种参数对重建图像性能的影响.     

图象数据压缩的BP神经网络方法研究

重点研究BP人工神经网络用于图象数据压缩时,网络拓扑结构变化和算法修正对网络训练时间及重建图象质量的影响,仿真表明：选择合适的网络结构,采用文中给出的快速网络训练算法,可明显加速网络收敛,且网络易避开学习误差的局部极小点,克服网络学习误差收敛刚性。BP神经网络用于图象数据压缩取得了高压缩比和好的重建图象质量。     

基于小波变换和BP神经网络的人脸识别方法

提出了将人脸图像的小波分解系数和BP神经网络相结合以达到人脸识别的新方法。针对不同的小波基,对人脸图像作小波分解,并将分解低频系数作为人脸特征送入神经网络进行训练。实验表明,选择恰当的小波基能够达到较高的识别率。     

基于DWT和BP神经网络的人脸识别方法

提出了将人脸图像的离散小波变换DWT和BP神经网络相结合以达到人脸识别的方法。由于离散小波变换具有良好的多尺度特征表达能力,能将图像的大部分能量集中到最低分辨率子图像,高频部分则对应于图像的边缘和轮廓,能很好的表征人脸图像的特征。而BP神经网络具有很强的分类能力,并且可以运用神经网络的学习算法进行学习。实验表明:二者的结合对人脸识别具有计算量小,识别率高的优点,有很强的实用性。     

一种基于量子BP网络的图像压缩方法

针对BP网络在图像压缩应用中迭代次数多及训练时间长的问题,设计具有量子输入和输出的神经元模型,结合BP网络在图像压缩中的原理,利用复数BP算法,构建一种用于图像压缩的3层量子BP网络(QBP),实现图像压缩与图像重建。仿真结果表明,与BP网络相比,QBP网络能获得更好的重建图像质量,且迭代次数较少。     

基于BP人工神经网络的图像压缩技术过程及分析

本文介绍了BP人工神经网络在计算机图像压缩中应用的原理,对其实现的过程进行了详细的阐述,并通过采用非线性网络和最速下降法实现了图像压缩。分析结果表明:可以通过牺牲压缩率,增加隐含层的神经元数来提高重建图像的质量。     

小波神经网络的遥感图象分类

将小波和神经网络结合起来,提出一种自适应小波函数的神经网络。这种小波函数网络经过训练后,可应用于遥感图象的分类,其分类效果优于最大似然法。     

基于小波变换的声呐图像压缩方法

提出了一种新的基于小波变换的声呐图像压缩方法：对于小波变换后的系数采用基于零块的编码，充分挖掘小波系数能量集中的特点；在熵编码时使用上下文量化技术来减少上下文个数以提高编码效率。实验结果表明，使用本文的算法压缩声呐图像能够得到较高的压缩比和较好的图像质量。     

基于小波变换和BP神经网络的时序风电功率预测

风电功率具有波动性,不论对于发电厂抑或是电网,准确地预测风电功率具有重要意义。本文研究了小波变换的原理和方法及BP神经网络的原理和算法,并建立了一种结合小波分解和BP神经网络的风电功率预测方法。本文的方法首先对风电出力历史功率数据进行小波分解,在各个分量样本上分别建立BP神经网络后再进行预测。最后,仿真结果验证了本文方法的有效性。