一种基于局部极大模和分形的混合编码方法

在分析分形理论和小波变换模极大值用于图象压缩方面优缺点的基础上 ,根据它们的特点 ,综合利用两种方法的优点 ,弥补它们不足 ,提出了一种基于小波变换极大模和分形的混合编码方法 .该方法先利用小波局部模极大值提取的图象边缘特性来进行图象编码 ,然后用分形的自相似性对图象的误差图进行压缩 ,以获得高压缩比和质量好的恢复图象 ;同时还简单进行了理论阐述和给出了具体算法的步骤 .实验结果表明 ,采用此方法压缩后的图象不仅视觉效果好、无方块效应 ,而且边缘无振荡现象、图象清晰无模糊 ,压缩比高 .     

一种基于小波变换的多描述图象编码算法

网络信道的不稳定性可能会造成数据传输出错 ,从而可能导致恢复图象质量的急剧下降 ,或者使算法失效 .针对这种情况 ,提出了一种新的图象压缩方法来改善上述问题 .该方法是首先将图象进行小波分解 ,然后针对不同的频带特征采用不同的压缩方法进行编码 .在图象编码中 ,对于低频子带系数采用 DPCM编码 ,对于高频子带系数则采用多描述标量量化器 .由于小波分解后的系数经活动性预测分类后具有拉普拉斯分布的性质 ,因此可对其采用预测分类的自适应量化方法进行编码 .同时由于不同子频带的系数之间具有不同的相关性 ,因此在编码过程中采用了不同的方法来分别对高频子带系数和低频子带系数进行编码 ,并且充分利用了频带系数分布具有拉普拉斯分布的特点 .实验表明 ,该方法在减少传输误码敏感性方面具有理想的效果 .     

基于多分辨率级小波变换的图象压缩方法

随着国际互联网的出现,使得越来越多的图象信息传输交流越来越便捷,但传输速度始终是制约网络发展的重要因素,这也使得对图象进行压缩的要求更加迫切。小波变换的良好空间一频率局部化特性,使得原始图象的能量大部分聚集到了低频子带.为了提高图象压缩的效率和重建图象的质量,利用原始图象在小波分解中不同分辨率级能量分布不均匀的特点,提出了一种对各分辨率级进行分级处理的设计方法,即通过对各分解级量化因子的评价,为该级获取一个最佳的量化因子来进行压缩.实验证明,该方法在提高图象的压缩效率和重构质量方面取得了良好的效果.     

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 .     

基于整数小波变换和子带比特平面编码的图象压缩算法

在分析图象整数小波变换的基础上 ,提出了基于子带比特平面编码的压缩算法 .该算法将整数小波系数按子带分为若干比特平面 ,称之为子带比特平面 ,并采用简单高效的率失真优化算法确定子带比特平面的编码顺序 ,且这一顺序与图象无关 .按此顺序对子带比特平面进行自适应 MQ算术编码 ,便得到嵌入式压缩码流 .该算法可以从无损到有损 ,以任意倍率或质量进行图象压缩 ,压缩效率达到了浮点 EZW算法和 JPEG2 0 0 0整数小波编码方案的水平 ,而速度远快于这两者的速度 .该算法还具有复杂度低 ,占用内存少的优点 .     

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。     

一种基于PCA/SOFM混合神经网络的图象压缩算法

鉴于用神经网络实现图象压缩是一种非常有效的方法,为此提出了一种基于PCA/SOFM混合神经网络的图象压缩编码算法,并对SOFM网络学习参数的优化进行了探讨.实验证明,与PCA SOFM连续编码算法和基本SOFM算法相比,这种混合编码算法,由于占用存储空间少,因而降低了码书设计的计算量,并改善了码书的性能.     

基于小波变换的分形预测图象编码方法

提出一种把小波图象编码与分形图象编码相结合的新的编码方法。图象经过小波分解后,呈现出两种相似性;一种是图象本身的自相似性,一是同方向不同分辨率子图象之间的互相似性。利用第二种相似性,也即利用低分辩率子图象为同方向讷经子图象进行分形预测编码。由于小波分解后低分辨率子图象的范围比高分辨率子图象的小一倍,故该编码一般的分形编码方法大大缩短了编码的时间,就编码的效果而言,该方法也比较令人满意。     

基于二维DCT和分段编码的ECG信号压缩方法

通过分析心电图 (ECG)在相邻采样点和相邻心跳周期存在的冗余信息 ,提出了一种基于二维离散余弦变换 (DCT)的 ECG信号压缩方法 ,并提出了采用数据重排和分段编码技术来进一步提高压缩比 .对 MIT- BIHarrhythmia database部分数据进行压缩 ,实验结果表明 ,该方法在均方根误差 (PRD)约 4 .5 %时 ,压缩比可达到10∶ 1到 2 0∶ 1.运算量为 2 .75次乘法 /采样点和 7.2 5次加法 /采样点 .其比 L ee的 2 - D DCT算法提高近一倍 ,与Hilton和 L u的离散小波方法压缩效果基本相当 ,但计算量有较大幅度减少 .该方法是目前 ECG信号压缩算法中计算量小、压缩比较高的一种方法 .     

一种改进的遥感图象准无损压缩JPEG—LS算法

为适应遥感图象较高倍率准无损压缩的需要 ,改进了 JPEG- L S算法 ,该算法首先通过放宽游程检测门限 ,并通过引入局部梯度控制下的预测来增加平均游程长度 ,以提高压缩比 ;然后通过在游程编码区域附加误差修正编码及通过重构图象平滑滤波来改善重构图象的目视效果和提高 PSN R值 ;最后 ,采用 Golomb- Rice Coding技术来对越界误差进行编码 ,以保持 JPEG- L S算法误差界可控的优点 .综合利用以上措施 ,在相同单像素误差界 (±7)下 ,不仅压缩比略有提高 ,而且重构图象的视觉效果得到明显改善 ,PSN R提高约 1～ 3d B.     

基于遗传分形编码的嵌入式小波图像编码算法

在分析小波变换与分形编码特点的基础上,提出了一种新的基于遗传分形编码的嵌入式小波图像编码算法。根据图像进行小波变换分解为不同空间频带上的子图像这一特性,对其低频子带进行基于遗传算法的分形编码,利用遗传算法的快速全局搜索能力提高分形编码中值域块与定义域块的匹配搜索速度;对其高频子带部分进行阈值去噪处理后进行SPIHT编码,两部分同时进行,提高图像的压缩效率。实验结果表明：同传统的分形编码和SPIHT编码压缩方法相比,该算法在图像的重构质量方面有所提高,尤其是在中低码率下PSNR(峰值信噪比)得到了较大提高,并且算法执行时间明显减少。     

一种基于小波包变换的分形编码方法

利用小波包分析对高频部分进一步分解的特点,尝试将分形编码和小波包变换相结合来进行图像压缩。首先将图像进行小波包分解,然后对高频部分采用基于小波变换的压缩,对低频部分进行分形压缩。计算机模拟试验表明,采用上述改进方案,与基本分形编码相比,编码速度提高了20倍左右,且重建图像的主观保真度更高。     

结合小波变换的零搜索分形图象编码

为提高分形图象编码的质量,缩短编码时间,针对Monro在文献[1]中提出的零搜索分形图象编码方法,其恢复图象在存在的块效应的问题,提出了一种结合小波变换的多项式近似快速分形图象编码方法,该方法是利用各频带间能量分布不均衡的特性,构造一种结合小波分解的分形图象编码算法,首先对图象进行塔式离散正交小波变换,然后再对小波系数进行分形编码,实验结果表明,用该算法对图象进行编码,不仅使恢复图象的质量得到了较大的提高,而且编码时间仅用1．48s。     

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 .     

一种基于改进嵌入小波编码的新图象压缩算法

基于逐次逼近量化与零树结构的嵌入零树小波编码(EZW)被认为是静态图象变换编码领域迄今为止最好的压缩算法之一.然而通过分析和实验,发现该算法在一定程度上存在时间复杂度较高和复原图象质量不尽理想等不足.本文提出了一种基于改进嵌入小波编码的新图象压缩算法,该算法能够通过以下3项措施提高EZW算法工作效率:(1)对最低频子带进行单独编码;(2)采用全新的嵌入小波编码策略,不再利用导致计算量剧增的双亲-子女(Parent-Children)关系;(3)进行嵌入小波编码时,不再考虑ZTR(零树根)和IZ(孤立零)符号.实验结果表明:本文提出的新图象编码算法在压缩/解压缩速度、图象复原质量等方面均明显优于EZW编码算法.     

基于小波系数零树结构的分形预测图象编码

提出了一种基于小波系数零树结构的分形预测图象编码方法,首先按照零树结构在同方向不同分辨率的各个子带图象上确定要预测的图象块（Ｒａｎｇｅ Ｂｌｏｃｋ）,也就是将这些图象块串起来构成一棵与零树相类似的图象树（Ｒａｎｇｅ Ｔｒｅｅ）;然后,对每一图象块,在同方向低一级分辩率的子带图象上寻找与其最佳分形匹配的相似块（Ｄｏｍｉａｎ Ｂｌｏｃｋ）,而这些相似块也按照零树结构上下延伸,以产生多棵相似树（Ｄｏｍａｉｎ Ｔｒｅｅ）,其中与图象树最接近的相似树就是图象树的预测树,理论分析和实验结果表明,该方法在峰值信噪比稍微下降的情况下,能够获得较高的压缩比。     

基于小波变换的一种图像编码方法

利用小波图像系数特点,实现高效压缩编码。文中给出了小波图像系数统计数据例子、符号编码定义以及数值编码结构。采用均匀标量量化方法完成小波图像中的低频子图编码。按照EZW的小波树结构组织低频外的其它子图,利用文中定义的方法对系数进行符号编码与数值编码。用标准图像测试编码方法,并把实验结果与EZW方法比较。结果表明:此方法的编码时间较EZW方法短,在相同压缩比下,峰值对数信噪比(PSNR)有明显提高。     

一种结合矩阵相关系数的快速分形图像编码

分形编码是一种非常有潜力的压象压缩技术,但其算法过程耗时较长和计算复杂性过高,因此需要一种减少编码时间的方法.针对此问题,根据分形图像编码的特点,首先利用分形后定义域和值域之间的相关系数的大小来确定最佳的定义域块,提出了旨在降低编码复杂度和缩短编码时间的一种改进的快速分形编码算法.算法在编码搜索过程中,仅搜索符合条件的父块,从而减少搜索范围,降低编码时间.实验结果表明,算法与基本分形算法比较,在峰值信噪比和图像质量可以接受的情况下,使编码速度大大加快.     

基于分形维数和小波的快速分形图像编码

在对图像块进行小波变换的基础上,通过计算各频带的分形维数,形成图像块的分形特征向量,把传统的子块匹配问题转化为分形特征向量意义下的子块匹配问题。实验结果显示,该文提出的方法与全局搜索法相比,尽管解码图像质量略有下降,但编码速度约提高了77倍。