基于平衡多小波图像变换的视频多描述编码

提出了一种新的视频多描述编码方法，即基于平衡多小波图像变换的视频多描述编码。首先，把图像进行多小波变换，然后，按照图像多小波变换后子带图像分量的异同重组图像的多小波系数，相同分量的多小波系数就构成图像的一个描述。视频的每帧图像都如是处理，就得到视频的多描述编码。一个好的视频多描述编码方案应该满足两个基本条件：各个描述平均分担图像信息和各个描述能够互相差错掩埋。通过统计分析和数学推导发现，在目前几种常用的多小波中，只有平衡多小波能够满足视频多描述编码的两个条件。本文给出了各个描述之间进行差错掩埋的数学公式，并据此提出视频多描述编码的算法。实验结果表明，即使在丢失四分之三数据的情况下，该算法依然能够以接近30dB的PSNR值和较好的视觉效果恢复原图像。     

适用于丢包信道的多描述图像量化方法

为提高不可靠网络条件下传输图像的重建质量,提出一种结合遗传算法和小波变换的多描述图像编码方法。利用离散小波变换(DWT)将源图像分解为4个重要性不同的子带,通过自适应遗传算法优化的量化步长对子带系数进行均匀量化,增大引入相关后各个图像描述中的低频信息比重。3组测试图像的仿真分析结果表明,在丢失2或3数据包时,相校基于固定步长的MDTC.DWT/UQ方法,该方法具有更好的鲁棒性,用假设检验的方法进一步验证了该方法的有效性。     

模糊逻辑在图像融合中的应用

为了克服传统小波变换图像融合在重构时易丢失边缘信息的缺点,提出了一种基于积分的模糊逻辑融合算法.该算法首先由经J层小波变换后的小波系数特征来确定隶属度函数,再依据小波系数局部窗口内的标准差构造模糊优越程度,然后经积分得到融合后的小波系数,再经小波逆变换得到融合图像.实验结果表明,该方法优于传统的小波变换融合规则,而且能更好地保留源图像信息,在空间细节信息的增强和光谱信息的保持两个方面的综合性能得到提高,从而证明了该方法的有效性和优越性.     

基于小波变换的图像去噪算法的实现

图像的有效去噪是图像信息预处理的关键步骤,该文描述了利用正交小波变换和软阈值方法对数字图像的去噪的实现算法。它主要包含正交小波变换、阈值去噪与小波反变换部分,其中,正交小波反变换是指对包含噪声的数字图像进行正交小波变换,得到小波系数;阈值处理是指对小波系数进行软阈值处理,去除噪声;正交小波反变换是指对去噪后的小波系数进行正交小波反变换,得到去噪图像。此外,为了减少图像边缘失真,进行了滤波处理。     

结构相似指数噪声整形算法及其在图像编码中的应用

提出一种基于双树小波变换的结构相似指数噪声整形算法（SSIM-NS） 算法并将其应用于图像编码传输中。算法是在双树小波变换后的噪声整形过程中引入结构相似指数度量（SSIM）,自适应地调整增益因子以达到最大限度聚集图像能量减少小波系数的目的,运用SPIHT编码算法对噪声整形后的小波系数进行编码并传输。实验结果表明,该算法不仅能够有效地削减小波系数个数聚集图像能量,而且在低比特率条件下重构图像具有更高的峰值信噪比（PSNR）,能够显著提高解码图像的质量。     

数字图像压缩算法的仿真与应用研究

研究数字图像压缩问题,针对传统图像压缩算法无法消除图像中视觉和统计冗余,导致图像传输速度慢,效果低。为此,提出一种新的数字图像压缩算法。首先对图像进行小波变换,提取子层的小波系数,然后对变换后的小波系数用SWZ进行编码;并采支持向量机对小波系数进行拟合,最后对压缩后系数进行算术编码。结果表明,相对于传统图像压缩算法,新算法提高了图像压缩前后间的信噪比,加快了图像传输速度,为图像压缩方法提供了一种新的研究思路。     

适合网络传输的鲁棒小波低比特率视频编码

提出了一种适合包交换网络传输的基于离散小波变换的视频编码方案,通过对SPIHT小波系数编码算法进行复杂度降低、纹理分割等修改,来适应视频编码在编码效率和鲁棒性方面的要求,为解决网络数据包丢失造成的帧质量骤降,方案对数据包的重要性进行了均衡,每一个数据包中均包含帧内信息和帧间信息,利用改进的SPIHT算法生成混合比特流。试验表明,该方案运算复杂度低,对网络传输中的包丢失不敏感,并且能很好地抑制错误传播。     

基于DWT及DCT的数字图像水印综述

综述了基于离散小波变换及离散余弦变换的数字图像水印算法．由于小波变换具有良好的局部性时频分析特性和多分辨率分析,而离散余弦变换具有良好的聚能效应,因此两者在图像水印领域有很好的应用效果．对基于两种变换的数字水印技术的相关概念和现有方法进行了描述与分析,同时总结了两类算法优缺点,并讨论了几种可能的解决策略。另外,对基于两种变换的数字图像水印技术的未来发展方向和前景进行了预测。     

基于对象的三维医学图像形状自适应编码算法

提出了一种针对三维医学图像已知诊断对象区域的形状自适应小波编码方法.该算法仅对对象区域内的像素应用形状自适应小波变换去相关,变换后,对象在变换域中的系数个数与图像域的像素保持相同.为了实现快速无损变换,提出一种基于提升的形状自适应小波变换方法.通过分析形状自适应变换后无效系数的位置,又提出一种改进的OB-3DSPECK(object-based set partitioned embedded block coder)算法,取消了对象区域外无效块或系数的符号输出,即只输出两种符号码流到自适应算术编码器.对于三维医学图像的对象区域,该算法能够提供有损到无损的渐进编解码.实验结果表明,该算法平均SNR比OB-3DSPECK提高0.5dB.此外,由于减少了一种符号输出,使得算术编码过程可选.     

基于方向提升小波变换的多描述图像编码

本文提出一种基于方向提升小波变换的多描述图像编码方法, 以避免压缩图像在互联网和无线网络环境下因数据包传输出错或丢失而导致的图像质量严重下降. 基本思想是在空域将一幅图像按梅花形下采样为两个描述, 为解决传统空域下采样多描述编码技术编码效率低的问题, 提出能充分利用相邻像素相关性的方向提升小波变换, 并通过四叉树的分割实现方向的组织和选择. 边缘信道解码出的低分辨率图像, 通过插值算法实现原始分辨率单描述的图像重建. 中央信道解码出的图像, 通过数据融合算法实现两描述的图像重建, 进而进一步改善图像视觉质量     

一种自适应的基于局部小波系数特征的遥感图像融合方法

光谱保持和高分辨率保留是影像融合的两个重要问题。本文提出了一种自适应的基于局部小波系数特征的遥感影像融合方法。该方法在对多光谱影像进行IHS变换的基础上,对多光谱的I分量和高分辨率的全色影像分别进行小波多分辨率分析,而后对分解得到的近似分量以及各层各方向的细节分量利用移动模板逐一提取对应的小波系数矩阵的局部特征,采用本文提出的自适应融合准则在小波域进行影像融合,最后通过小波逆变换得到新的I′分量,与H,S分量一起还原到RGB空间,最终得到融合后的高分辨率多光谱彩色图像。本文采用一组TM多光谱图像和SPOT全色图像数据进行融合实验,利用标准差、熵,光谱扭曲度等5个重要评价指标对融合效果进行数理分析。其实验融合图像的目视效果和统计指标均优于IHS融和方法和小波融合方法。     

一种新的基于小波变换的多聚焦图像融合算法

提出了一种基于小波变换的多聚焦图像融合算法（简记为WMFFA）。首先综合源图像求得参照图像,并对源图像和参照图像分别做小波变换,将其分解成低频和高频图像,然后求出源图像的每个小波系数与参照图像中对应位置上的小波系数之间的距离,按照距离特征从源图像中选取小波系数,组成融合后的小波系数并进行小波反变换,得到融合图像。对提出的融合算法性能进行了评价与分析,结果表明提出的算法对多聚焦图像融合是有效的。     

基于DWT低频系数的自适应盲水印算法

提出了一种基于小波变换低频系数的自适应数字水印算法。通过小波变换将图像分解成不同空间与频率的系数,这些系数之间存在着一种树状结构关系。利用这种树状结构关系将低频系数分成两类,一类对应图像的强纹理区域,一类对应图像的弱纹理区域;针对分类的结果将不同强度的水印分量嵌入到对应的低频小波系数中。该算法具有很好的不可感知性,实验结果表明该算法有较好抗JPEG压缩、低通滤波、剪切等各种攻击的能力。     

基于小波变换区域方差的遥感图像融合新算法

提出一种基于小波变换的遥感图像融合新算法。利用离散小波变换把图像分解成不同尺度的低频和高频部分,采用小波区域窗口和子区域窗口统计把小波系数分类成边缘和非边缘系数。在融合处理中,低频图像的小波系数平均值作为融合后的低频系数,高频细节系数根据不同区域特征选择方法以及对应输入图像小波系数的最大多窗口区域方差来确定融合后高频小波系数。实验结果表明,这种方法能够在保留图像微小细节方面获得满意的结果,这种算法有效且优于其他的图像融合方法。     

A new wavelet-based fuzzy single and multi-channel image denoising

In this paper, we propose a new wavelet shrinkage algorithm based on fuzzy logic. In particular, intra-scale dependency within wavelet coefficients is modeled using a fuzzy feature. This feature space distinguishes between important coefficients, which belong to image discontinuity and noisy coefficients. We use this fuzzy feature for enhancing wavelet coefficients' information in the shrinkage step. Then a fuzzy membership function shrinks wavelet coefficients based on the fuzzy feature. In addition, we extend our noise reduction algorithm for multi-channel images. We use inter-relation between different channels as a fuzzy feature for improving the denoising performance compared to denoising each channel, separately. We examine our image denoising algorithm in the dual-tree discrete wavelet transform, which is the new shiftable and modified version of discrete wavelet transform. Extensive comparisons with the state-of-the-art image denoising algorithm indicate that our image denoising algorithm has a better performance in noise suppression and edge preservation.     

基于小波变换和神经网络的盲数字水印算法

文中提出了一种基于小波变换和神经网络的盲数字水印算法。算法嵌入的水印信息是一幅二值图像,每位水印信息被连续多次嵌入宿主图像小波分解的低频子带。利用提取含水印图像小波分解的低频子图的特征点坐标集估计水印图像遭受的几何失真,根据估计的几何失真参数对受到几何攻击的水印图像进行校正,最后利用神经网络很好的非线性映射和自适应学习功能实现水印信息的盲提取。实验表明,算法对常见的图像处理和几何攻击具有很好的鲁棒性。     

多聚焦图像区域能量框架融合算法

在基于小波变换多聚焦图像融合算法中,由于融合图像中相邻像素点之间的不一致使融合图像质量大为降低。应用变换域的融合规则,以小波变换系数提取区域能量为特征值,并根据全局匹配度来决策融合规则,提出了能量框架融合算法,对小波各分量的来源进行一致性检测,使融合图像的小波分解系数更精确地应用于融合图像重构,并对此算法进行了仿真实验,通过对评价指标的分析比较,结果显示此算法图像融合效果优于加权平均、灰度值取大和区域能量算法。     

基于离散小波框架变换的彩色多聚焦图像融合算法

提出了一种基于离散小波框架变换的彩色多聚焦图像融合算法。首先求取各彩色多聚焦图像的灰度分量,再对各灰度分量进行离散小波框架变换,根据离散小波框架变换系数求取各图像中像素的清晰度指标,然后根据各图像中像素的清晰度指标对属于清晰区域的像素进行组合,从而得到融合后的图像。试验结果表明本文所提出的算法能够较好地解决彩色多聚焦图像融合问题。     

基于模糊剪枝的最优小波包基图像压缩算法

提出一种基于模糊剪枝的最优小波包基图像压缩算法。图像经完全小波包分解后,以每个小波包分解的高频系数占所有高频系数的比值及每个节点子女熵值与原节点熵值的比值作为模糊系统的2个输入;通过构造模糊规则,将小波包系数分为裁剪类和保留类,由保留类构造最优小波包基;根据最优小波包基,在不同的小波包分解层次上采用不同的阈值对图像进行压缩。仿真实验结果表明,该算法与比特-失真率优化算法和小波包最优树全局阈值压缩算法相比性能更优。     

A novel compression algorithm for electrocardiogram signals based on the linear prediction of the wavelet coefficients

This paper describes a new algorithm for electrocardiogram (ECG) compression. The main goal of the algorithm is to reduce the bit rate while keeping the reconstructed signal distortion at a clinically acceptable level. It is based on the compression of the linearly predicted residuals of the wavelet coefficients of the signal. In this algorithm, the input signal is divided into blocks and each block goes through a discrete wavelet transform; then the resulting wavelet coefficients are linearly predicted. In this way, a set of uncorrelated transform domain signals is obtained. These signals are compressed using various coding methods, including modified run-length and Huffman coding techniques. The error corresponding to the difference between the wavelet coefficients and the predicted coefficients is minimized in order to get the best predictor. The method is assessed through the use of percent root-mean square difference (PRD) and visual inspection measures. By this compression method, small PRD and high compression ratio with low implementation complexity are achieved. Finally, we have compared the performance of the ECG compression algorithm on data from the MIT-BIH database.