Accelerating BPC-PaCo through Visually Lossless Techniques

Fast image codecs are a current need in applications that deal with large amounts of images. Graphics Processing Units (GPUs) are suitable processors to speed up most kinds of algorithms, especially when they allow fine-grain parallelism. Bitplane Coding with Parallel Coefficient processing (BPC-PaCo) is a recently proposed algorithm for the core stage of wavelet-based image codecs tailored for the highly parallel architectures of GPUs. This algorithm provides complexity scalability to allow faster execution at the expense of coding efficiency. Its main drawback is that the speedup and loss in image quality is controlled only roughly, resulting in visible distortion at low and medium rates. This paper addresses this issue by integrating techniques of visually lossless coding into BPC-PaCo. The resulting method minimizes the visual distortion introduced in the compressed file, obtaining higher-quality images to a human observer. Experimental results also indicate 12% speedups with respect to BPC-PaCo.     

一种快速解压的无损压缩算法

随着信息技术的不断发展,大量数据给存储和传输都带来了巨大的挑战。数据压缩能够有效减少数据量,方便数据的处理和传输。无损压缩是一种利用数据的冗余特点进行压缩的压缩方法,解压时可以完全还原数据而不会有任何失真。在研究LZO算法的快速解压原理基础上,设计了一种新的压缩算法。该算法通过减少压缩数据中压缩块的数量,降低了解压程序的执行开销。测试结果表明,新算法可实现比LZO算法更快的解压速度。     

基于“北斗”通信的文本数据传输

北斗卫星导航系统是我国自主研发且具有通信能力的区域性卫星导航系统,根据“北斗”覆盖面广、安全性好的特点,可对我军情报数据,装备数据等文本信息进行远距离可靠传输。针对“北斗”传输带宽小的特点,采用 Huffman数据压缩技术对文本数据进行无损压缩,可以提高通讯效率。论文主要介绍了 Huffman数据压缩技术原理在“北斗”数据通讯中的应用及文本数据面向窄带条件下的分发组织模型。     

一种实时低成本压缩算法的VLSI实现

针对传统视频图像压缩算法时延长和成本高的问题,提出一种新的无损/近无损视频压缩算法。该算法由码率控制器和熵编码器组成,其中码率控制器通过对已有信息进行分析（上下文）来确定当前宏块的可用比特数,然后根据大量实验得出的高效Huffman码表,并结合位平面编码器对残差进行编码。实验结果表明,文中提出的视频图像压缩算法能够工作在300 MHz,吞吐量最差为1.3 pixel/cycle,同时仅用一块120＊720的SRAM来存储上一行像素值,因此很好地解决了时延和成本问题。     

一种使用帧间差值的图像传感器片上视频压缩算法

为了减少图像传感器视频数据的输出,提出了一种通过编码相邻两帧之间差值的无损视频压缩算法.算法首先将基于差分脉冲编码调制原理的差分操作在模拟域实现,减小了电路的复杂度.然后两帧之间的差值被基于块的无损压缩方案编码.实验结果证明,压缩后的图像数据可以被无损失的还原.通过对7个具有代表性的8位深度1280×720@60 fps的样本视频进行测试,在块大小为4×4和模式切换阈值为63时实现了最佳的压缩效果.在几乎没有光的条件下压缩率高达78.5％.在复杂运动场景下该算法压缩率为43.5％.提出的压缩算法更适用于长时间处于静止场景的视频录制.     

Quadruple Difference Expansion-Based Reversible Data Hiding Method for Digital Images

ABSTRACT

Lossless data hiding is a special type of data hiding technique that guarantees not only the secret data but also the ability of cover media to be reconstructed without any distortion. A latest lossless data hiding technique is proposed by Hong Lin Jin's that is based on hiding only one data bit in the spatial domain in gray-level image. However, this method uses double difference expansion to embed bits which results in a small embedding capacity. For this purpose, we propose an improved algorithm with the potential of increasing the payload capacity and maintaining good image quality. The proposed improved algorithm is characterized by two aspects. First, the proposed improved reversible data hiding scheme is enhanced to exhibit data hiding in color palette images. Second, the embedding level is improved by using quadruple difference expansion to guarantee the embedding of 2-bit data into color images. Experiments of the proposed improved method have been conducted over several well-known test images. The results show that the proposed improved method significantly improves the embedding capacity over Hong Lin Jin's scheme by the range of 15–35% for grayscale images and 20–46% for color images while still maintaining the quality of the stego-images.     

利用改进整数变换实现图像无损信息隐藏

为了在图像中实现无损信息隐藏,并提高数据嵌入容量和隐蔽性,给出一种基于改进整数变换的无损信息隐藏方法。首先对图像块采用改进算法进行整数变换,使得变换前后图像块引入失真较少,然后自适应选择整数变换后引入失真较小的可修改图像块进行整数变换,并嵌入较大数据量的机密信息,在公共信道进行传输后接收端能正确提取机密信息,并无损恢复原宿主图像。实验结果表明,该方法具有较大的数据嵌入容量和较好的隐蔽性,可用于医学图像中隐藏病历信息及遥感、军事图像的无损隐秘传输等领域。     

基于直方图技术的无损数据隐藏

提出一种无损图像数据隐藏的方法。该方法基于无损数据隐藏的基本原理,选择灰度图像作为载体及要隐藏的数据,采用直方图调整技术来防止灰度图像边界数据值的溢出,用整数小波的提升变换及直方图峰值点移动形成空位的方法完成数据的嵌入。实验结果表明该算法不仅嵌入信息量大,而且失真小易重构,被广泛应用于医学、法律、军事等领域。     

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。