改进SPIHT算法对医学图像的压缩

医学图像是医学诊断和疾病治疗的重要根据。为了实现图像的存储和远程医疗中快速传输图像的要求,必须对图像进行压缩。先分析CT医学图像经过小波变换后系数的统计特性,在基于小波变换的基础上,用SPIHT算法对CT医学图像进行压缩编码。提出了2种针对CT医学图像压缩编码改进的SPIHT算法。一是细化扫描产生的有效值,二是将小波变换后系数的低频近似部分按二进比特进行传输。用Matlab进行仿真,仿真结果表明改善了峰值信噪比。     

改进的图像多分辨率零树小波编码算法

本文在研究Ｓｈａｐｉｒｏ零树方法进行小波图像编码基础上，提出一种改进型多分辨率零树编码算法。本算法从客观信噪比的角度出发，以码流中增加单位码字平均所能减少的系数量化误差为依据，确定各部分小波系数参加编码的顺序，同等码率下可提高ＰＳＮＲ０．１～０．５ｄＢ，同时改进后的算法可以使编码产生的码流在原来支持多码率解码的基础上，支持多分辨率图像解码     

基于小波变换的遥感图像无损压缩算法研究

随着遥感技术的迅速发展,遥感图像数据量日益增大,有限的信道容量与传输大量遥感数据的需求之间的矛盾日益突出。在应用中,常要对遥感图像进行无损压缩存储,但是由于遥感图像自身的特点,其能够达到的无损压缩效率一直较低。文中探讨了利用小波变换对遥感图像进行压缩的技术,并研究三维整型DCT变换的无损压缩方法。     

实现图像感兴趣区域渐进编码的新方法——一种改进的嵌入式零树小波编码算法

在分析了Shapiro的嵌入式零树小波编码算法的基础上，针对其效率的不足提出了一种改进方法。本算法通过识别重要子带，而不是EZW中的重要系数，大大减少了需要编码的零树的数量，因而节省了时间。在此改进的基础上，结合坐标数据压缩算法实现了对图像感兴趣区域的渐进编码。该算法可在接收到图像的全部编码数据之前，首先实现感光趣区域的高品质重建，且编码效率也有明显提高。     

DSC的超光谱图像无损压缩算法

有效的星载超光谱图像压缩技术对于解决超光谱图像实时传输极为重要。针对超光谱图像传统的联合编解码算法的不足,提出了一种基于分布式信源编码(Distributed Source Coding,DSC)的超光谱图像无损压缩算法。为利用超光谱图像的局部空间相关性,将超光谱图像进行分块处理;引入多元线性回归模型构建编码块的边信息,并为每个编码块选取最优的预测阶数,以有效利用超光谱图像的局部谱间相关性。根据(n,k)线性分组码的原理,通过多元陪集码实现超光谱图像的分布式无损压缩。实验结果表明:该算法能够取得较好的无损压缩性能,同时具有较低的编码复杂度,适合星载超光谱图像的压缩实现。     

静态图像零树小波编码算法分析与实现

零树小波编码实现图像的高效压缩,能够有效的节省存储空间,提高Internet传输效率。其中的提升小波变换实现图像整数到整数的变化,给图像的无损压缩提供理论基础。零树小波编码非常好地适应高压缩比应用领域的要求。程序实现了对一幅静态图像进行零树小波编码压缩,将压缩后的文件保存在指定路径下。编码结束后,程序会显示压缩文件的存储容量,便于与压缩前的图像进行对照。在解码中,打开压缩文件,进行解码操作后,程序重新显示出图像。     

小波变换和预测编码结合的抗差错SAR图像无损压缩算法

分析了即将推出的JPEG2000标准算法和基于自适应的上下文预测编码技术，提出了小波变换有损编码加自适应上下文预测无损残差编码的具有抗差能力的SAR图像无损压缩算法。该算法既具有小波变换图像编码的累进传输，对信道具有一定鲁棒性的特点，而且压缩率高于即将推出的国际标准JPEG2000的无损压缩和国际标准算法JPEG—LS。     

基于自适应间隔游程编码的空间数据实时无损压缩方法

在综合考虑空间数据的存储特征和算法复杂度的基础上,提出了一种基于自适应间隔游程编码的空间数据实时无损压缩方法.该算法改进了传统游程编码的规则,并采用自适应间隔编码技术,使空间数据的实时TCP传输成为可能.     

基于位平面编码的SAR图像无损压缩算法

对于低相关性、高动态范围SAR幅度图像的无失真压缩,采用预测或变换编码的方法很难取得较好的效果。本文在对SAR图像统计特征进行分析的基础上,提出一种基于位平面编码的无损图像压缩算法。在该算法中,将SAR图像分成各个独立的位平面,对各位平面分别计算其中元素为0的概率,并将此概率与阈值比较,从而选择相应的编码分块尺寸,之后对分块采用修正的四叉树编码。文中同时给出了编码转换阈值的计算方法。仿真实验结果表明,该算法对SAR幅度图像的压缩率明显高于国际图像压缩标准JPEG2000和JPEG-LS。     

小波图像零树量化算法的研究和改进

介绍和分析了零树量化的基本算法，提出了对该算法的两种改进方法。通过实验仿真，结果表明这一改进减小了算法的运算量，提高了压缩性能。     

基于波段分组的高光谱图像无损压缩

高光谱图像海量数据给存储和传输带来极大困难,必须对其进行有效压缩。针对高光谱图像不同频谱波段间相关性不同的特点,提出一种基于波段分组的高光谱图像无损压缩算法。为了降低波段排序算法的计算量,根据相邻波段相关性大小预先进行分组,采用最佳后向排序算法对各组波段进行重新排序。在当前波段和参考波段中选取具有相同空间位置的邻域结构,在最小二乘准则下,利用邻域像素对当前预测像素进行最优谱间预测。参考波段和预测残差数据进行JPEG-LS压缩。对OMIS-I型高光谱图像进行实验的结果表明,与基于多波段预测算法相比,该算法可进一步降低压缩后的平均比特率。     

基于双向预测的高光谱图像无损压缩

提出了一种基于双向预测的高光谱图像无损压缩算法。该算法首先采用自适应波段选择算法选出信息量较大的波段,然后利用聚类算法对这些波段的谱向矢量进行分类预处理。为了便于组织谱间预测过程,根据相邻波段相关性大小进行自适应波段分组,采用双向预测的方法去除谱间相关性。通过在参考波段和预测波段中定义三维上下文预测结构,在聚类结果的基础上,对各个像素分别训练最优的预测系数,从而实现当前波段的有效预测。对AVIRIS型高光谱图像的实验结果表明,该方法可获得较好的无损压缩性能。     

基于同类邻点预测的高光谱图像无损压缩

提出了一种基于聚类、对类波段重排、搜索同类相邻点预测的高光谱数据无损压缩方法。根据谱向特征,进行高光谱图像按像素聚类,对各个分类,根据波段间相关系数,利用最大生成树进行波段重排。对每种分类像素,搜索同类邻点,训练预测系数,并进行三维预测。残差采用Golomb-Rice编码。实验证实了算法的有效性。     

渐近式图像无损压缩算法

提出一种基于游程编码RLC(Run-Length Coding)的渐近式图像无损压缩算法。根据提出的转换法对二进制码流进行转换来调整二进制码流的顺序以提高数据的相关性,在此基础上利用新的基于RLC的编码算法对二进制码流进行编码。最后转换与编码过程不断迭代直到不能压缩为止。实验结果表明,本文提出的压缩算法既适用于各种纹理的图像,又能提高压缩比。     

一种基于阵列配置加速比模型的无损压缩算法

针对现有压缩算法通过增加复杂度来降低压缩率,获得信息高效传输的问题。该文提出阵列配置加速比模型,证明低压缩率不一定能提高传输效率,并找到影响信息传输效率的因子,即解压模块吞吐率和数据块压缩率。将影响因子与配置信息特征结合,设计了一种新的无损压缩算法,并硬件实现了解压模块,吞吐率可达到16.1 Gbps。采用AES, A5-1和SM4对无损压缩算法进行测试,然后与主流无损压缩算法LZW, Huffman, LPAQ1和Arithmetic对比。结果表明,整体压缩率相当,但该文压缩算法产生的数据块压缩率经过优化,不仅能满足加速需求,且具有高吞吐率的解压性能;该文无损压缩算法获得的配置加速比,比硬件吞吐率理想情况下的LPAQl, Arithmetic, Huffman, LZW算法分别高8%, 9%, 10%, 22%左右。     

基于LZW的多模式自适应的无损压缩算法

本文对LZW无损压缩算法的原理进行了剖析，并在此基础上研究出了一种多模式的、自适应的无损压缩算法。该算法经实验验证，和传统的LZW算法相比具有更高的压缩比和更好的自适应性。     

基于多波段谱间预测的高光谱图像无损压缩算法

该文提出一种基于多波段谱间预测的高光谱图像无损压缩方案。首先,充分考虑到随着高光谱图像谱间分辨率的提高,其谱间相关性也越来越强烈,推导出由多个波段对当前波段做线性预测的预测器系数,然后给出快速计算求解预测器系数的算法。对AVIRIS图像进行压缩,实验结果表明,该算法压缩比高,运算速度快,具有极高的实用价值。     

基于FPGA的无损图像压缩算法实现

针对采用传统硬件方法实现JPEG LS无损图像压缩算法时延时较多、实时性较差的问题,文中提出了一种基于FPGA的全流水线结构来实现JPEG LS算法。该结构以提高最大吞吐量为主要目标,通过多级流水线降低每一级运算的延迟,大幅提高了压缩算法的实时性,硬件电路操作频率可达120 MHz。     

基于分类和陪集码的高光谱图像无损压缩

在基于陪集码的高光谱图像压缩算法中,由于按照编码块的最大残差确定整块无损压缩所需的码率存在较大冗余,该文提出了基于分类和陪集码的高光谱图像压缩算法。首先利用前一波段对应位置的预测噪声对当前波段编码块的像素进行分类,将具有相似相关性的像素归于一类,然后对每一类像素分别进行陪集码编码。实验表明分类可以有效地降低码率。和基于陪集码的算法相比,该文算法无损压缩的平均码率降低了大约0.4 bpp。