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。     

基于提升小波变换的无损医学图像压缩

随着医学信息网络的发展,医学图像在网络中的传输对于远程医疗、教学以及患者信息的共享非常必要。在传输过程中对传输的速度和图像的质量要求很高,对图像进行压缩传送是目前有限带宽下的必然选择,而传统的压缩算法如基于离散余弦变换(DCT)的JPEG算法、基于字典技术的游程编码RLE难以满足这些要求。本文提出基于提升小波变换的无损医学图像压缩方法,并在JPEG2000标准框架下用PC机对DICOM(Digital Imaging and Communication in Medicine)标准脑部CT图像做了实现,取得满意的效果。     

一种基于自适应预测的医学图像高效无损压缩方法

随着数字化医学图像海量的增长及PACS系统的广泛应用,对医学图像进行高效的无损压缩已成为广泛关注的问题.本文提出一种基于自适应预测的无损压缩方法,该方法利用神经网络模型自学习的能力,自适应的调整预测器的预测系数.实验表明,该方法能有效去除X线医学图像的空间相关性,还能同时去除彩色医学图像的空间和谱间相关性,取得较高的压缩比,且编解码速度较高.     

Efficient Differential Pixel Value Coding in CABAC for H.264/AVC Lossless Video Compression

Since context-based adaptive binary arithmetic coding (CABAC) as the entropy coding method in H.264/AVC was originally designed for lossy video compression, it is inappropriate for lossless video compression. Based on the fact that there are statistical differences of residual data between lossy and lossless video compression, we propose an efficient differential pixel value coding method in CABAC for H.264/AVC lossless video compression. Considering the observed statistical properties of the differential pixel value in lossless coding, we modified the CABAC encoding mechanism with the newly designed binarization table and the context-modeling method. Experimental results show that the proposed method achieves an approximately 12% bit saving, compared to the original CABAC method in the H.264/AVC standard.     

基于SPIHT算法的医学图像无失真压缩

提出了一种第二代小波变换与SPIHT算法相结合在图像无损压缩中的编／解码方案，给出了本方案的实验结果及与其他方法的压缩性能比较，研究表明这一方法对于医学图像具有较高的无损压缩率。     

基于L∞最小搜索和陪集码的高光谱图像无损及近无损压缩

 分布式信源编码(DSC)由于其较低的编码复杂度及较高的抗误码性被应用于高光谱图像压缩.在典型的基于陪集码的分布式高光谱图像无损压缩算法s-DSC(scalar coset DSC)框架下,本文指出最优的预测准则应为无穷范数最小,提出了基于L_∞最小搜索的预测方法来逼近最优准则,并将框架推广到近无损压缩.实验表明,和原有的s-DSC相比,本文算法无损压缩的平均码率降低了大约0.25bpp,近无损性能也明显优于JPEG-LS,本文算法具有较低的计算复杂度、较高的压缩性能,且具有一定的抗误码能力,适用于星上压缩.     

基于聚类的高光谱图像无损压缩

高光谱海量数据的有效压缩成为遥感技术发展中需要迫切解决的问题。该文提出了一种基于聚类的高光谱图像无损压缩算法。针对高光谱图像不同频谱波段间相关性不同的特点,根据相邻波段相关性大小进行波段分组。由于高光谱图像波段数量较多,采用自适应波段选择算法对高光谱图像进行降维,以获取信息量较大的部分波段,利用k均值算法对降维后的波段谱矢量进行聚类。采用多波段预测的方案对各组中的波段进行预测,对于各个分类中的每个像素,分别选取与其空间相邻的已编码的部分同类点进行训练,从而获得当前像素的谱间最优预测系数。对AVIRIS型高光谱图像的实验结果表明,该算法可显著降低压缩后的平均比特率。     

高分辨率航测CCD图像的无损压缩算法

针对超高分辨率CCD相机拍摄图像,提出了一种无损压缩算法.算法以嵌入式小波零树编码为基础, 通过对零树编码输出的比特平面采用变长游程编码方法很好地提高了图像压缩比.同时,算法将游程编码与比特平面编码统一进行,编码效率大大提高.实验结果表明,该算法的像素平均比特率相对经典的嵌入式小波零树算法均有明显降低.     

Lossless Data Hiding Scheme Based on VQ Index Coding

Lossless data hiding can restore the original status of cover media after embedded secret data are extracted. In 2010, Wang et al. proposed a lossless data hiding scheme which hides secret data in vector quantization (VQ) indices, but the encoding strategies adopted by their scheme expand the final codestream. This paper designs four embedding and encoding strategies to improve Wang et al.'s scheme. The experiment result of the proposed scheme compared with that of the Wang et al.'s scheme reduces the bit rates of the final codestream by 4.6% and raises the payload by 1.09% on average.     

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。     

图像无损压缩的预测编码及量化误差处理

本文提出了一种基于预测编码并对量化误差进行四叉树编码从而实现对灰度图像无损压缩的方法。采用固定预测系数的算法，使得预测过程速度很快；通过四叉树编码方法处理量化误差，避免了对小数编码和处理这一复杂的过程。整个实现过程十分简单，实验结果显示，图像通过预测器后的平均码长明显小于原始图像的熵。     

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。     

基于感兴趣区域的航拍视频压缩编码技术综述

航拍视频监控的应用日益广泛,而有限的信道容量和存储空间促进了新压缩技术的提出与发展,这其中,针对人眼的视觉特性,基于感兴趣区域的视频压缩编码技术发展迅速.全面分析总结了基于感兴趣区域的视频压缩编码技术在航拍视频编码中的应用.     

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。     

基于三维自适应预测的高光谱图像无损压缩算法

利用高光谱图像具有较强的谱间相关性的特点,本文提出一种基于三维自适应预测的高光谱图像无损压缩方法,首先根据相关系数计算波段预测顺序,然后利用相关性较强的空间邻点和谱间邻点,采用基于神经网络模型的自适应预测方法进行三维预测编码.实验结果表明,该方法能够有效的去除高光谱图像的空间和谱间相关性,与现在最优的无损压缩国际标准JPEG-LS相比,压缩后的平均比特率能够降低0.3bpp左右.     

基于ADV212芯片的红外视频无损压缩研究

为避免红外视频在压缩存储过程中发生细节损失,提出了一种红外视频无损压缩的实现方案。该方案采用FPGA作为核心控制,以ADV212为压缩芯片并对其进行分析,选择合适的工作模式进行无损压缩。通过在线切换配置,还可对所存储视频进行解压缩和回放。该方案已经在自主研发的手持式红外观测仪中使用,效果良好。     

后向自适应的红外视频无损压缩算法

红外视频广泛用于侦测、监控,在安全领域发挥重要作用.针对红外视频存储所需空间大,不便于传输等问题,本文提出针对红外视频的多预测模式无损压缩算法.首先分解红外视频为序列帧并对各帧图像分块,通过对时间和空间去相关预测;对预测获取的残差进行计算,对于依旧存在相关性的残差进行二次预测,对每个子块选择最优预测器;对处理好的残差进行熵编码,完成本算法.对多个红外视频分别使用本文算法、Gzip算法、LOCO-I算法进行比较,结果表明本文算法可以获得更高的压缩比,有效改善红外视频存储问题,实现高效信息的传输.     

基于改进SPIHT的多波段遥感图像无损编码

首先利用基于地物反射特性的方法去除谱间相关性,再对残差图像采用S+P变换去除空间相关性,然后,利用改进的分级树的集合划分(SPIHT)方法,实现遥感图像的高效无损编码,实验表明本方法能取得满意的结果,显示了本方法在多波段遥感图像压缩中的潜力.     

Multiband Lossless Compression of Hyperspectral Images

Hyperspectral images exhibit significant spectral correlation, whose exploitation is crucial for compression. In this paper, we investigate the problem of predicting a given band of a hyperspectral image using more than one previous band. We present an information-theoretic analysis based on the concept of conditional entropy, which is used to assess the available amount of correlation and the potential compression gain. Then, we propose a new lossless compression algorithm that employs a Kalman filter in the prediction stage. Simulation results are presented on Airborne Visible Infrared Imaging Spectrometer, Hyperspectral Digital Imagery Collection Experiment, and Hyperspectral Mapper scenes, showing competitive performance with other state-of-the-art compression algorithms.