基于改进SPIHT的静态图像编码

本文在零树编码算法分析的基础上,针对SPIHT算法的不足,提出了一种新的零树编码算法。该算法以SPIHT为基础,改进了其零树结构及编码流程,同时引入LZC算法的标志位图思想,在保证恢复图像质量的前提下,降低了内存消耗,提高了编解码速度。仿真实验结果表明,相对于SPIHT算法而言,重构图像的峰值信噪比和直观图像质量,本文算法都表现出了优良的性能,尤其是在低比特率下表现跟明显。     

一种AVS-M运动搜索快速算法

针对AVS-M运动搜索算法的复杂性,根据其变换量化的特点,推导全零块判决准则,提出一种基于全零块检测的AVS-M运动搜索快速算法,在运动搜索的同时判决出全零块,从而节省运动搜索和变换量化的时间。实验数据显示,该算法节省的计算量最多可达77.4%,且比特率下降程度大于峰值信噪比下降程度。结果表明,在不降低编码性能的情况下,该算法能有效提高运动估计的编码速度。     

基于下采样和全相位DCT内插的WDCT-JPEG块编码

卷曲离散余弦变换（WDCT）通过频率卷曲使变换后的信号能量分布更适合于图像压缩编码。为了提高低比特率图像压缩编码性能,在WDCT中引入基于下采样和全相位延拓DCT内插编码框架。实验结果表明,不论是峰值信噪比还是主观效果,提出的基于下采样和全相位DCT内插的WDCT-JPEG算法在低比特率下编码性能显著提高,方块效应明显减少。     

基于H.264标准的码率控制算法

在视频通信过程中,为了使编码端输出码流更好地适应不同的信道,基于H.264视频编码标准提出一种改进码率控制算法。该算法针对标准算法中对基本单元的MAD值预测时只考虑时间上相关性的缺点,提出了一种新的结合时间预测和空间预测的预测方法。实验结果表明,与标准算法相比较,该算法能更准确地控制码率,同时视频输出序列的峰值信噪比也得到了提高,编码端输出码流能够更加平稳。     

H.264快速模式选择算法中的提前终止策略

针对H.264中模式选择计算复杂度高的问题,提出一种快速模式选择算法。根据帧间编码最佳模式的统计规律,找出宏块的时间空间特性与最佳模式的关系,在帧间模式选择的各个阶段,检测宏块的时间空间特性,一旦满足相应的残差一致性条件或空间一致性条件,则提前终止模式选择。实验结果表明,该方法在输出比特率平均升高2.11%的情况下,编码时间能平均减少23.11%,峰值信噪比平均提高0.058dB。     

基于菱形编码的视频信息隐藏算法

针对基于视频帧内预测模式调制的信息隐藏算法嵌入容量较小、比特率上升较明显等问题,提出一种基于菱形编码的帧内视频信息隐藏算法。该算法基于高效视频编码（HEVC）,将相邻两个4×4块预测模式组成模式对,采用改进的菱形编码算法指导模式调制和信息嵌入过程;并采取二次编码方式在保留原始平台最优编码划分下进行第二次隐秘信息嵌入编码,在保证嵌入量的同时抑制帧内失真漂移。实验结果表明：所提算法峰值信噪比（PSNR）值下降在0.03dB以内,码率增长低于0.53%,嵌入量有大幅提升,并能很好地保证视频主客观质量。     

低码率下的H.264宏块级码率控制方法

采用平均像素信息比特来克服H.264存在的“蛋鸡”悖论缺陷,并对APIB的计算方法进行改进,使其更能反映图像的复杂度,将改进过的APIB与峰值信噪比加权来计算宏块复杂度,以此为每个宏块分配编码比特。仿真结果表明,该算法与H.264中的G012码率控制算法相比不仅控制精度提高了0.11 kbps,而且使峰值信噪比平均提高0.224 dB。与H.264原算法相比,该算法具有更高的实时性和视频质量。     

一种视频编解码技术码率控制算法的改进

H.264标准是最新的视频编码国际标准。与以前的视频压缩标准相比,H.264标准的编码可以实现高质量、低比特率的编码效果。但它的码率控制算法JVT-G017在帧级码率控制上存在不足,平均分配目标比特,线性预测目标平均绝对误差值(MAD),这导致了计算复杂度大和峰值信噪比低。对此,在JVT-G017算法基础上,对其画面组(GOP)层、帧层和基本单元层码率控制算法进行了优化改进,改进了分配目标比特数、初始量化参数(QP)和平均绝对误差值的计算方法。实验结果表明,与JVT-H017算法相比,改进算法可以更精确地分配目标比特和控制码率,并能获得较高的峰值信噪比(PSNR)。     

一种基于小波零树编码和K-mean聚类的图像压缩的实现

针对在低比特率时图像存在严重的方块效应等不足,本文提出了一种基于小波零树编码和K-mean聚类的图像压缩算法。其中基于小波零树的图像编码克服了图像JPEG标准压缩算法在统计值较少时的方块效应现象,通过K-mean聚类算法可以改善小波零树编码算法中没有充分考虑到小波系数同一子带中相邻元素之间相关性的缺陷。实验结果表明,此改进的图像编码算法具有较好的信噪比和压缩比。     

改进的SPIHT小波图像压缩编码

针对原SPIHT算法存在扫描的重复且未能充分利用小波系数分布特点,随着压缩比的增加,会引起编码效率的下降等不足,提出一种改进的图像压缩编码算法。改进的图像编码算法低频子带进行DPCM无损编码,高频子带采用优化排序的SPIHT算法。仿真结果表明,改进算法较原算法在重构图像的主观效果和峰值信噪比上都得到了提高。     

SPIHT算法新的上下文建模方法

SPIHT算法不仅具有递进的传输能力,而且是一种效率较高的静止图像压缩方法。针对SPIHT编码过程中熵编码简单的上下文建模过程,提出了一种改进的方法。试验结果表明在多级子带分解后,适当的上下文建模可以进一步有效地提高SPIHT算法的性能,在相同输出码率的条件下,改进的SPIHT算法比原算法峰值信噪比提高将近0.2dB。     

一种基于Contourlet的图像低码率SPIHT算法

Contourlet是一种优于小波的不可分离图像表示方法，它除了具有一般小波变换的多尺度、局部性外，还具有方向性、各向异性。为此，本文提出了一种基于Contourlet变换的SPIHT编码方法。首先，对图像Contourlet变换各子带系数的分布情况进行了统计分析；进而设计了一种基于Contourlet变换的空间方向树结构，该结构具有类似图像小波变换域中“零树”的特性；在此基础上实现了一种基于Contourlet变换的渐进式编码算法（CSPIHT），该算法除了具有一般基于小波变换的零树编码算法的特性外，还具有方向性和各向异性的特点，特别对图像的边缘方向信息和纹理信息具有很好的捕捉能力和解码的视觉效果。实验结果表明，所提出的算法CSPIHT在低码率下其重构图像的PSNR要高于SPIHT算法；而对于中等码率，尽管重构图像的PSNR略低于SPIHT，但重构图像纹理和边缘区域的视觉效果要优于SPIHT。     

基于小波系数特性的低比特率图像压缩编码算法

以层树分集（SPIHT）编码方案为基础,结合最低频子带系数分布特点与高频子带系数相关性,提出了一种新的低比特率小波域图像压缩算法.该算法首先对原始图像进行小波变换;然后对最低频子带系数进行优化处理,并自适应确定高频子带系数扫描次序;最后利用SPIHT编码思想完成图像的压缩.仿真实验结果表明,文中算法是一种高效的图像压缩编码方法,其压缩效果明显优于SPIHT编码方案（特别是低比特率下）.     

一种无链表零树熵编码算法及其FPGA实现

传统熵编码算法复杂度高,且硬件实现较难。为此,提出一种易于FPGA硬件实现的无链表零树图像编码改进算法,该算法结合LZC和SPIHT算法的特点,增加了对孙子节点的判断,克服SPIHT算法中内存消耗大、复杂度高以及LZC算法中图像重建质量下降等缺点。采用该算法的编码器在对任意尺寸图像进行5层小波变换时,所需缓存固定为1 536 bit,远小于SPIHT算法。在相同比特率的情况下,图像重建质量PSRN值比LZC算法平均提高约0.7 dB。在Xilinx Virtex4 LX100硬件平台上进行实验,结果表明,当时钟频率为100 MHz、压缩率为1/40时,该算法处理1 600×1 200×24 bit图像的速度可达20 f/s。     

改进的多级树集合分裂(SPIHT)算法

基于中频和高频子带小波系数中的不重要数的相关性，对SPIHF算法提出一些改进．在改进SPIHT算法中，利用一个组合函数来减少相应位置中频子带的不重要小波系数的冗余．构造集合d来减少高频子带带间的冗余．实验结果表明，改进SPIHT算法相对于改进前SPIHT算法有理想的压缩效果，峰值信噪比和人眼视觉效果都有所提高．     

一种简单误码检错多分辨率SPIHT算法

由EZW算法演变而来的SPIHT算法是目前为止影响最大的小波压缩算法之一，它通过独特的扫描方式，将小波系数按照能量大小或者重要性程度编码输出。由于引入了小波树，隐藏了扫描路径，SPIHT能获得高压缩比，同时保持较高的图像质量。而后提出的多分辨率SPIHT算法能使解码器根据信道条件，选择图像还原分辨率。然而，SPIHT对路径可靠性要求严苛，任何路径信息的传输错误都会导致剩余所有码元的解码出错。许多学者就路径码元的保护提出了不同改进，却未能从根本上提高算法的抗噪性能。为此，提出了一种改进了的SPIHT算法，该算法在保持较高信噪比和不增加码元数量的基础上，使解码器具有简单误码检错能力。     

基于9-7整数小波变换的SPIHT的改进

对SPIHT进行了研究，提出了基于9-7整数小渡变换的改进的SPIHT。它首先对图像进行整数小渡分解，然后对低频子带图像采用DPcM预测编码，对高频子带改变扫描方式来获得最大系数和按照频率优先的原则输出系数。实验结果表明算法在相同的输出码率情况下不仅得到了更好的恢复效果，而且缩短了编码时间。     

结合近似最优比特分配的改进SPIHT算法

SPIHT算法是一种实用、高效的小波零树图像编码算法。针对SPIHT算法存储空间需求大、运算复杂度较高等缺点，提出了一种改进的快速、低存储SPIHT算法，该算法将小波变换所形成的水平、垂直、对角和低频4个子带分成4个处理单元，对每个处理单元分别进行量化编码，并在各单元之间采取近似最优比特分配以提高量化性能。实验结果表明，改进算法在提高峰值信噪比等性能指标的同时，有效地减少了算法的存储需求及运算时间。     

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。     

改进的多分辨率SPIHT算法

由于引入了小波树,隐藏了扫描路径,因此SPIHT算法能获得较高压缩比,同时保持较好的图像解码质量。而多分辨率SPIHT算法能根据接收方的分辨率需求,使解码器根据不同信道条件选择图像还原分辨率。但是,该算法按照分辨率级成组扫描处理每级LIP, LIS, LSP表,更新下一级表时,会造成重复比较和冗余编码,既浪费执行时间,又增加了计算复杂度。该文改进了该算法,简化了原有算法流程,减少了编码冗余。理论分析和实验表明,在保持较高PSNR的同时,该算法明显提高了编码速度。