小波变换极大值在数据压缩中的应用

传统利用小波变换进行数据压缩的方法是基于小波变换的多分辨率滤波技术。结合小波变换的多分辨率特性,提出利用二阶样条小波变换模极大值压缩数据的方法。并在此基础上采用设定阈值消除幅值比较小的模极大值点的方法对信号进一步压缩。理论和仿真表明,利用小波变换模极大值压缩比率大、重构精确,对于平稳信号更是可以获得传统方法无可比拟的极大压缩比。     

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。     

一种基于小波变换的图象分形编码压缩算法的研究

有效的编码压缩算法是图象数据存储和传输的关键 .为了更方便地进行图象存储和传输 ,在分析基本分形编码 (FCC)压缩算法优缺点的基础上 ,提出了一种新的结合小波变换的图象分形编码 (DWT- FCC)压缩算法 ,该算法首先对图象进行二级小波变换分解 ,然后对分解后的高层子图象进行基本分形编码 ,并根据不同层子图象结构间的相似性 ,通过高层分形编码来构造低层子图象分形编码 ,以实现图象的编码压缩 .实验结果表明 ,该算法在缩短图象编码时间和提高压缩比方面 ,均取得了良好的效果 .     

彩色图象的广义分形小波变换压缩算法

基于广义二维分形小波变换,提出了一种新的复合分形小波变换图象编码算法,并将该算法推广到三维彩色空间,实现了彩色图象压缩。同时,提出了一种自适应小波子树分割算法。该算法根据图象局部区域纹理的复杂程度对小波树进行分割,有效地避免了解压缩图象中的分块效应。对彩色图象的实验表明在压缩比相同的情况下。新算法可得到更好的图象效果。     

基于小波分解的快速分形图象压缩算法

为了解决传统分形压缩编码时间过长的问题 ,提出了一种基于小波分解的快速分形图象压缩算法 .该算法利用小波分解后各频带间能量分布不均衡的特性 ,将集中图象主要能量的低频域看作是一种图象 ,进行传统分形编码 ;然后利用小波分解后不同分辨率子带图象之间的相似性 ,用低频域的全搜索代替传统算法中整个区域的全搜索 ,将在低频域得到的分形参数进行适当的比例变换得到整幅图象的分形码 ,解码时 ,进行同传统算法相同的迭代过程 ,所得解码图象即为原图的逼近图象 .实验结果表明 ,该算法在压缩比不变 ,且基本不影响恢复图象质量的前提下 ,大大提高了编码速度 ,明显改善了分形图象压缩中编解码时间的不对称 .     

一种基于曲线进化的医学图像解剖轮廓提取算法的研究

水平集方法应用于跟踪界面演化问题,是一种稳定有效的数值计算方法。图象小波变换模极大值对图象中目标轮廓边缘有很好的表征。论文应用水平集方法基于曲线进化提出了一种新的医学图像解剖轮廓分割算法,定义了一种基于小波变换模极大值的用于终止进化的函数,构造了一种基于领域的进化方式,并对脊柱MRI图象进行了分割实验,得到了令人鼓舞的结果。实验表明了该种算法的可行性和有效性。     

基于拼贴误差拟合（补偿）的分形压缩算法

采用分形压缩算法来提高压缩速度和压缩比的一种有效途径是降低对拼贴误差的要求 ,然而这往往导致图象失真 .为克服该问题 ,在经典分形压缩算法的基础上 ,提出了一种新的基于拼贴误差拟合 (补偿 )的分形压缩算法 .该算法可以提供两种不同拼贴误差的分形编码 ,由于通过对不同区块使用与之相适应的相似变换类型 ,可以有效地补偿拼贴误差 ,从而可降低压缩图象的失真度 .理论研究和实际应用表明 ,该算法为分形压缩图象所面临的失真度和压缩比的矛盾提供了一种有效的解决方案 .     

基于压缩域的图象检索技术研究进展

压缩标准的出现 ,使得图象数据格式普遍为压缩格式 ,从而促进了压缩域内图象检索技术的迅速发展 .为了使人们对基于压缩域的图象检索技术有一概括了解 ,该文对目前的压缩域检索技术进行了回顾和讨论 :首先 ,介绍了图象检索系统的基本概念 ;然后 ,分类分析了不同压缩域的检索技术 ,包括变换域方法 (如傅立叶变换、离散余弦变换 (DCT)以及子带和小波变换 )和空域方法 (如矢量量化和分形等 ) ;接着 ,对这些检索方法进行了讨论和比较 ,并得出一些有用的结论 ;还举例介绍了基于压缩域图象检索技术的实际应用 ;最后对压缩域图象检索技术的研究发展及其应用前景指出了一些可能的方向 .     

一种基于分形维数的图像压缩编码方法

本文提出了一种基于分形维数的ＤＣＴ变换压缩编码与ＩＦＳ分形编码相结合的图象压缩方法。实验结果表明,与基本的自动分形图象编码方法相比,运算时间下降而压缩比和信噪比提高。     

一种基于分形小波变换的工业电视图象编码方法研究

通过分析工业电视图象的特点,提出了一种基于分形小波变换编码的工业电视图象压缩方法,从而较好地解决了分形编码只能压缩静止图象的不足,该方法不仅适合于煤矿工业电视图象压缩,而且还可用于其它背景区图象相对静止的工业电视图象的压缩编码,实验结果表明,该法可取得较高压缩比和峰值信噪比,因此具有实用价值。     

一种基于小波变换的分形图像编码压缩算法的研究

有效的编码压缩算法是图像数据存储和传输的关键。本文在分析基本分形编码压缩算法(FCC)优缺点的基础上，提出了一种新的结合小波变换的分形图像编码压缩算法(DWT—FCC)，该算法首先对图像进行二级小波变换分解，然后对分解后的高层子图像进行基本分形编码，并根据不同层子图像结构间的相似性，由高层分形编码构造低层子图像分形编码，实现图像的编码压缩。实验结果表明，该算法在缩短图像编码时间和提高压缩比方面，均取得了良好的效果。     

基于零树小波与分形图像的编码算法结合研究

通过有机结合零树小波编码、分形图像编码，提出了一种基于零树小波和分形图像的小波图像压缩算法，讨论了基于零树小波图像压缩的编码算法机理，提高了算术编码的性能，并对JPEG2000与JPEG效果图像的测试实验结果进行了比较，实验结果表明，JPEG2000的压缩效果优于目前已有的小波图像压缩算法。     

基于分形图像编码的小波补偿算法

提出了一种对图像进行分形“粗略”（概貌）编码,“细节”（边缘）信息通过小波变换提取图像高频信息进行补偿的编码算法。该编码算法中,小波变换产生的高频小波系数根据系数重要性采用类似嵌入式小波零树编码方式进行编码,从而具有比特率可控等特点。通过实验表明,新编码算法的编码效果优于分形自适应四叉树编码算法和小波变换编码算法。     

一种基于小波变换的分形零树混合编码方法

为了降低分形编码的复杂度和提高编码效率 ,提出了一种基于小波变换的分形零树混合图象编码方法 .该方法首先利用小波变换将图象分解为不同方向不同分辨率的子图象 ,然后分别在不同分辨率层将这些子图象以类似于零树的结构 ,构成一棵棵的小波子树 (wavelet subtree) ,最后在编码时 ,对每一棵小波子树进行具体的分析 ,或采用分形编码 (fractal coding) ,或采用零树编码 (zerotree coding) .与传统的基于小波变换的分形编码相比 ,此算法在充分利用子带图象间的相似性和块内存在的自相似性的同时 ,也充分利用了小波变换后子图象块内 ,特别是高分辨层的子图象块内所存在的大量局域性的冗余性 .实验结果表明 ,此方法在较大的压缩范围内 ,都能够获得较好的压缩效果 .     

变步长和变阈值的分形小波图像压缩算法

针对目前分形小波混合图像压缩方法存在的不足，提出了一种新的分形小波混合图像压缩方法。同方向、不同分辨率的相邻子带图像之间进行分形搜索时，根据其系数的重要程度不同，采用不同的误差阈值与搜索步长，高分辨率子带的搜索步长大，误差阈值小，而低分辨率的子带则采用小步长和大误差阈值进行搜索。实验表明，相对于经典的基于小波树的分形图像压缩方法，该改进算法在不影响信噪比和解码图像质量的前提下，提高了压缩比和编码速度。     

基于边缘自适应小波变换的低比特率图像压缩算法

常规的小波压缩算法在低比特率情况下将不可避免地在图像强边缘附近产生振铃效应。为此提出了一种基于边缘自适应小波变换的低比特率图像压缩算法。在编码端，先检测出图像的强边缘并将其作为附加信息进行编码；然后，利用强边缘信息将图像沿行列方向分割成一些独立的数据段分别进行小波变换；最后，利用EBCOT算法对得到的小波系数进行编码。特别地，从图像的成像机理出发，提出了一种克服分段数据边界效应的新方法。实验结果表明，这种边缘自适应小波变换即使在比特率极低的情况下也可以保持图像轮廓的清晰，强边缘附近的振铃效应也得到有效的抑制。由于附加信息的存在，压缩图像的PSNR值相比于常规方法通常会有所降低，但图像的主观视觉质量却有明显的提高。     

使用小波变换的图象压缩编码算法

本文实现了一种利用小变换的极大值描述进行图像压缩编码的方法。该编码方法能有效的保持图像的重要边缘,在压缩比较高情况下,重建图像主观视觉效果良好。     

一种新的基于小波变换的边缘检测算法

应用小波变换理论对图像进行平滑降噪处理,对降噪图像进行多级小波分解,从而获取多分辨率图像。对小波分解的各级小波系数求其局部模极大值,从而得到不同分辨率下的图像边缘,合并不同分辨率下的图像边缘得到一个组合边缘,细化图像边缘。实验证明。这种方法对有噪声污染的图像进行边缘检测效果好于LoG、Sobel、Canny等经典的边缘检测方法。