干涉超光谱图像的压缩算法

干涉超光谱图像的数据呈现非平稳特性,相邻谱线之间的相关性较弱,所以直接采用小波变换不利于去除数据之间的相关性.提出了一种将光谱数据采用EMD预处理,并对处理后的数据采用分类处理的算法,将每根谱线分为主干涉区域和非主干涉区域两部分,分别采用相似匹配和二次曲线拟合的方法对数据进行分解,避免了相似匹配中不利于硬件实现的开方运算.仿真结果表明:该算法可降低无损压缩输出码率达0.3bpp左右,并且可以提高有损压缩的效率.     

多传感器图像采集处理系统的设计与实现

为了完成一个多传感器图像采集处理系统的设计、软硬件实现,采用参数同步配置方法提高多CMOS图像传感器同步曝光精度.采用基于Bayer颜色滤波阵列图像的残差集近无损压缩方法提高图像数据传输速度.系统三传感器曝光达到了微秒级同步精度.约为课题任务要求的1/29.在保证重建图像质量精度的前提下,数据传输速度提高了约4.4倍.给出了系统部分最终测试结果.     

如何进行数据压缩

信息如何被高效存储和传递的问题一直是计算机研究的一个重要课题,而解决这一问题的最常用的就是数据压缩技术。首先讲述了数据压缩的原理、分类,然后用哈夫曼方法编写了一个用于无损压缩的算法并对这个算法进行了详细的描述。这个算法不仅适用于文档类文件的压缩,还可以对图像类文件进行压缩。最后对这个算法进行分析得出结论。     

基于3维上下文预测的高光谱图像无损压缩

如今高光谱数据的有效压缩已成为遥感技术发展中需要迫切解决的问题,为了对高光谱数据进行有效压缩,提出了一种基于3维上下文预测的高光谱图像无损压缩算法。该算法首先根据相邻波段间的相关性大小进行波段分组,同时对各个分组重新进行波段排序;然后采用自适应波段选择算法对高光谱图像进行降维,再利用k-means算法对降维后的波段谱向矢量进行聚类;最后在参考波段和当前波段中通过定义3维上下文预测结构,在聚类结果的基础上,对各个分类分别训练其最优的预测系数。实验结果表明,该方法可显著降低压缩后图像编码的平均比特率。     

面向同步辐射光源图像的可并行智能压缩方法

在建的高能同步辐射光源预计会产生海量原始数据,其中硬X射线实验线站产生的图像数据占比最高且具有高分辨率和高帧率的特点,亟需有效的无损压缩方法缓解存储和传输压力,然而现有通用无损压缩方法对该类图像压缩效果不佳,基于深度学习的无损压缩方法又耗时较长。结合同步辐射光源图像的特点,提出一种在保证图像压缩比前提下的可并行智能无损图像压缩方法。通过参数自适应的可逆分区量化方法,大幅缩小图像经过时间差分后的像素值分布范围,能够节省20%以上的存储空间。将以CNN为基础架构的时空学习网络C-Zip作为概率预测器,同时以数据集为单位过拟合训练模型进一步优化图像压缩比。针对压缩过程中耗时较长的算术编码过程,利用概率距离量化代替算术编码,结合深度学习进行无损编码,增加编码过程的并行度。实验结果表明,该方法的图像压缩比相比于PNG、FLIF等传统图像无损压缩方法提升了0.23~0.58,对于同步辐射光源图像具有更好的压缩效果。     

图像无损压缩技术分析与性能比较

讨论了目前常用图像无损压缩算法的基本原理和实现方法,并对这些方法的性能做了分析比较。通过实验表明,基于整数小波变换的压缩方法具有较好的压缩比。针对无损压缩比低的问题,提出根据图像特点首先采用预测编码方法或整数小波变换方法降低图像信息量,再使用熵编码方法的方案能较好地提高压缩比。     

多频连续波雷达数据实时压缩算法设计

随着测试参数种类增加,测试环境越来越复杂,海量雷达数据与有限存储容量之间的矛盾日益明显,实时数据采集与压缩技术可以缓解这一矛盾的加剧.雷达数据采集系统采取了基于FPGA的LZW实时无损压缩算法.该算法能够实现追求采集信号精度的同时减低算法难度,已成功应用于某飞行测试实验,性能指标满足应用要求.     

LZW数据无损压缩算法的C++实现

本文简要介绍了一晨常巧妙且非常简洁易读的数据无损压缩算法（LZW）,并采用C＋＋／OOP编程技术完整实现了该压缩算法,提供了多种函数调用接口。本文代码采用了哈希表检索、函数闭包、自释放动态数组多种编程技术,代码执行速度很快,而且思想清晰明了,很容易读懂,不仅可以帮助读迅速理解该压缩算法的原理,还可以作为读者在C＋＋编程方面的参考资料。     

基于感兴趣区的图象近无损压缩

无损感兴趣区（Lossless Region of Interest (ROI)图象压缩方法,即在感兴趣区采用无损压缩,而在其他区域采用有损压缩,从而保证了重要信息不丢失,并尽可能提高衅象的压缩比,在整形小波变换（IWT）和嵌入式零树编码的基础上,实现了无损感兴趣区（Lossless ROI)的图象近无损压缩,并提出了一种小波变换域形状编码算法－－树映射形状编码,同时给出了算法的原理及实现,并进行了相关实验,实验结果表明,该算法能够提高压缩效率,且压缩效率取决于感兴趣区的大小以及对不感兴趣区图象的质量要求。     

一种准无损压缩图象子带编码算法

针对有损压缩会损失一部分信息而无损压缩又压缩比较低的问题,提出一种实现准无损压缩的方法。该方法就是首先将图象用噪声模型进行去除噪声处理,以提高图象的信噪比,并有利于图象的压缩;然后再使用区域自适应子带编码算法进行编码。由于该算法能快速收敛,因而编码时间相对较少;编码通常能实时执行。实验结果表明,该压缩方案具有高信噪比、高压缩比等优良性能。从算法的理论基础来看,其中基于噪声模型的噪声清除算法对其他编码算法（如DCT、DPCM、JPEG、SPIHT、MPEG等等）同样具有推广意义。