小波变换用于序列图像编码的研究

系统地研究了小波变换用于序列图像编码的方法，其中包括变换域的位移估值算法、系数差值量化及变字长编码等。采用小波变换进行序列图像编码，恢复图像没有方块效应，主观评价良好。     

提升方案结合改进SPIHT的快速图像压缩方法

针对传统小波变换过程复杂的缺点和 SPIHT 算法编码过程重复运算、存储量大的问题,提出了基于提升方案快速 SPIHT 的压缩方法。该方法采用提升方案弥补传统小波变换的不足,提高了图像的重构质量和小波变换速度,并引入“最小阈值”、“最小输出位”和“最大值表”的思想对SPIHT 算法加以改进,降低了编解码过程的运算复杂度和时间消耗。实验证明,该算法较传统方法编解码速度提高了2.5倍,重构图像的峰值信噪比亦有所提高,是一种有效的快速图像压缩方法。     

采用小波与ALCT的分层图像编码算法

针对纹理较丰富的图像提出了一种分层编码算法。该算法将图像划分成平滑层和纹理层,基于小波变换和自适应局部余弦变换(ALCT)分别编码。为提高平滑层小波零树编码的效率,本算法先对原图像进行恰当的平滑运算,然后再进行小波变换,从而增加零系数的个数。第二层利用改进的折叠运算和快速 DCT 实现残差纹理图像的 ALCT,并且提出了一种 ALCT 系数的重组方案,进而实现了重组系数的嵌入式编码。实验结果表明,本算法在未进行算术编码的情况下,与小波零树 SPIHT 算法相比,峰值信噪比(PSNR)提高了 0.4dB,并在重建图像中更好地保留了原图像的纹理特征。     

一种利用离散余弦变换频谱图和小波变换图像编码的语音编码算法

语音、图像编码技术是现代数字通信的核心技术,通常是分开进行的,提出了一种利用二维DCT频谱图和小波变换图像编码的语音编码算法.深入分析了算法实现的关键技术——语音信号的二维DCT频谱图,仿真实现了该编码算法,对一段语音的处理结果表明,小波分解系数置零率为83.1941％,压缩后保存能量92.0867％,合成语音达到“优...     

真正三维小波变换技术及在视频图像编码中的应用

把图像信号当作真正三维信号处理，导出三维空间正交小波基形式。用三维S.Mallat算法来实现三维信号的小波变换，并将其应用在视频图像的编码中。结果表明，低频3－D子带包含有大部分信息，代表图像序列的上下文信息；量化矩阵取值可以调整变化，压缩比最大可达160。因此这种编码方法的性能是十分优越的。     

图像压缩中的小波变换

小波变换具有良好的局部特性和空间频率特性,并且具有描述非平稳图像信号的能力和适应人眼视觉特性的良好性能。嵌入式零树小波编码(EZW)算法是小波图像编码研究的一个里程碑。针对EZW不足,提出一种有效的EZW算法改进方案。     

R-D匹配优选小波包零树图像压缩

为使R-D小波包优选算法与零树编码在量化精度上更好地匹配，对R-D小波包优选算法的寻优次序进行修改，使小波包各节点的量化精度差异不超过一位。实验结果表明，R-D匹配优选小波包零树编码可以取得与R—D优选小波包零树编码相当或比后者更好的图像压缩效果，可见R-D匹配优选算法是更适合零树编码的小波包优选算法。     

一种基于SPIHT和匹配追踪的图像编码方法——SPMP算法

为了更好地利用图像的结构特征,提高图像重建的质量,提出了一种基于多级树集合划分(SPIHT)和匹配追踪(MP)的分层图像编码方法--(SPMP)算法.该方法首先采用拉普拉斯金字塔(Laplacian Pyramid)算法将原始图像分解成低频平滑层和高频细节层,然后使用离散小波变换和SPIHT算法编码图像的低频成分,使用...     

基于小波变换的数字图像处理

从小波变换和其他应用于视频压缩编码的变换的对比出发,阐述小波变换的优势所在并给出小波变换的原理和特性。然后,提出三种在小波变换编码中起重要作用的技术。最后,分析四种主流的小波编码算法。     

基于自适应整数小波变换的侦察图像编码

由于侦察图像相关性低,基于传统小波变换的图像编码在渐进恢复时低频近似图像边缘模糊。针对这个问题,提出了基于自适应小波变换结合EBCOT的编码方法。该方法通过区别对待平滑区域和边缘部分,降低边缘被平滑的程度,保持边缘清晰。为了达到无损编码,还推导了整数到整数的自适应小波变换。实验表明,该方法达到了图像的无损编码,并在压缩比基本不变的情况下,图像的低频近似效果得以改善。     

一种新的可伸缩小波视频编码方法

提出了一种高度可伸缩的视频编码系统,首先对图象序列进行时间、水平和垂直方面的三维小波分解,并采用改进的集合分区等级树算法（ＳＰＩＨＴ）对小波系数进行量化。在量化过程,对压缩比特流进行排序和重组,以便中根据需要从中抽取某些子集进行译码。本编码方案帧率、空间分辨率和失真水平等的可伸缩性,对于在移动通信信道及ＡＴＭ网中进行视频传输业务是非常有用的。     

基于小波与三维离散余弦变换的视频图像压缩

提出一维小波与三维DCT（离散余弦变换）相结合的视频图像压缩算法,可有效地改善XYZ压缩方法在高压缩比时的性能。该方法不涉及运动估计和运动补偿,复杂度低。实验结果表明,这种算法能快速、高质量地压缩视频图像。     

一种新的数字图象编码方案

给出了同时实现两幅数字图象编码变换矩阵的定义,一般构造模式。证明了由编码矩阵还原原图像的正确性、唯一性并得到实现图象编码的最小上界。此方案完全采用逻辑异或运算,因此编码和解码速度快。编码方案具有随机性和变化的多样性,在军事和银行等领域具有很强的应用价值。     

低信噪比图象识别中二元统计编码的应用

用数理统计观点，把图象看成是由纯噪声象和纯目标象叠加而成，用二元统计编码方法，对信噪比接近１的相干图象，进行了计算机模拟，获得了被噪声淹没的二元目标象，给出了对比度与目标恢复程度之间的对应关系。     

应用轮廓波和稀疏编码收缩法消噪毫米波图像

结合以峭度为稀疏标准的稀疏编码算法的高阶统计特性以及轮廓波分解的方向性和能量变化特性,提出了一种新的基于轮廓波和稀疏编码收缩技术的毫米波图像消噪方法。稀疏编码是一种有效的模拟视觉系统的图像特征提取方法,根据提出的特征系数的稀疏先验分布知识,能够自适应地确定收缩阈值。把该收缩技术应用到轮廓波变换域,能够很好地减弱毫米波图像中的未知噪声。采用相对信噪比评判消噪图像的质量,仿真实验表明,与标准稀疏编码收缩方法、轮廓波变换域降噪方法以及小波软阈值收缩方法相比,该降噪方法能够获得较好的图像恢复质量。     

基于Contourlet变换尺度间相关的图像去噪

Contourlet域数据分析表明,信号的变换域系数在尺度间相关性高,而白噪声则呈弱相关或不相关。通过相关性强弱区分噪声与信号系数,并结合阈值函数,提出了基于Contourlet变换尺度间相关的图像去噪新算法。实验结果表明,新方法去噪后的图像比小波相关去噪算法的PSNR值更高,视觉效果更好,尤其适用于纹理轮廓丰富的图像去噪。     

图像压缩编码方法综述

本文对图像压缩的几种经典压缩编码方法进行了汇总和分析。介绍了他们的压缩原理和特点，然后对新一代的编码方法，包括小波变换编码、分形编码和神经网络编码，进行了简要的介绍。指出了各自的优缺点，并对图像压缩编码方法的发展方向进行了展望。     

小波多辨率CT成像及处理算法

分析了小波变换进行低分辨率快速图像轮廓重构和局部区域精确重构的算法。在这种算法中，滤波器与小波有关，从而可由反投影得到各种小波图像。通过小波多尺度分析和小波系数控制，提出一种简单算法进行图像增强和噪声去除。与标准的算法相比，该算法提高了重建速度和图像精度。