高维图像压缩的小波方法

高维(三维到四维)图像已应用于许多领域,产生了巨大的数据集.文中设计了一种适用于高维的小波压缩方法,并用四维(三维+时间)心脏超声波图像验证了它的压缩能力.实验证实:高维小波压缩方法能够取得比二维小波压缩方法高许多的压缩比,同时基本保持图像的质量.可应用于因特网上的动态三维图像传输和远程医疗等领域.     

贝叶斯小波图像压缩感知方法

现有小波图像压缩感知方法大多利用父子小波系数的相关性来提高重构精度, 很少考虑同一尺度兄弟小波系数间的相关性关系. 鉴于此, 提出一种基于贝叶斯模型的高频系数联合重构小波图像压缩感知方法. 该算法将同一尺度水平、垂直和对角三个方向高频系数分别压缩感知采样, 然后设计分层贝叶斯模型, 充分利用此三个方向兄弟小波系数的相关性来重构图像. 实验结果表明本文提出的方法比传统的多尺度压缩感知有更高的图像重构质量.     

基于小波变换的医学图像压缩技术

分析了医学图像压缩的必要性,简要介绍了二维离散小波变换和Mallat算法,在此基础上探讨了基于小波变换的医学图像压缩技术。实验结果表明,小波变换算法具有较高的压缩比和较好的图像恢复质量。     

基于小波编码的巡航导弹图像压缩方法研究

弹栽图像压缩系统要求压缩算法在保证图像质量的前提下对图像实现大压缩比实时压缩.针对这些要求,提出了采用小波编码算法作为图像压缩系统的实现算法和DSP作为算法的实现平台.小渡压缩算法分为两个部分,即先对图像进行整型提升小波变换,再利用SPIHT(Set Partitioning in Hierarchical Trees)算法对变换结果进行编码.对小渡编码过程中存在重复运算和存储量大的缺点进行了改进,使之适合于DSP并行处理.实验结果表明,改进的算法与原算法相比,重构图像的峰值信噪比相当,大于28dB,满足图像质量要求;图像压缩速度达到20帧/s,完全满足实时性要求.     

基于小波变换的图像压缩方法

小波变换克服了传统傅立叶变换的缺点,具有良好的时、频局部化性能,从而使得小波理论在图像处理领域得到广泛的应用。首先对图像进行小波塔式分解,然后依据小波系数的统计特性和分布特点,对不同的子图像块采用不同的量化、编码方法,并且在计算机上进行模拟实现,结果表明所提出的方案可以在保证重构图像质量良好的情况下获得较大的压缩比。     

基于提升方案的高维形态小波构造

研究基于提升方案的高维形态小波构造方法.结合数学形态学和高维小波分析来构造高维形态小波.提出高维多通道形态小波构造的一般性框架--高维多通道提升方案.采用最大值(最小值)形态算子构造一维多通道Haar形态小波和高维多通道Haar形态小波.最后通过两个例子说明形态小波变换的优点和可行性.     

提升小波变换在静态医学图像压缩编码中的应用

LeGall(5,3)提升小波直接在时域完成小波构造,不仅算法简单、适合并行处理,而且还能同时用于图像的无损或有损压缩。为了满足远程医疗系统静态医学图像压缩处理的特定要求,该文详细讨论了基于提升格式的LeGall(5,3)小波变换的算法,并在DSP上加以实现。实验结果表明该方案在提高运算处理速度、改善图像压缩比和重建图像质量等方面都取得了较好的效果。     

用小波变换进行图像压缩

利用新兴的小波理论对数字图像进行压缩与重建,用C语言编程,在微机处理系统上实现,效果较为理想。     

率失真最优的多分辨率小波图像压缩方法

提出了一种具有渐进多分辨率特性的小波图像压缩算法。对图像作提升小波分解后，首先利用人眼视觉特性，对小波系数作无视觉失真的量化，然后按各子带对视觉效果不同的贡献，在给定的编码比特约束条件下．将比特资源按照率失真曲线最优地分配给各子带，最后以给定的比特量对各子带分别进行分层量化和算术编码，从而达到最小的失真要求。最优分配方法将小波系数建模为广义高斯分布，给出了最优分配给各子带比特数的理论公式，它不需遍历不同的量化阶段，且在率失真意义上最优。实验结果表明，与经典的算法相比．在PSNR相仿的情况下，低码率时有更好的视觉效果，有更优越的综合性能。     

基于小波变换的声呐图像压缩方法

提出了一种新的基于小波变换的声呐图像压缩方法：对于小波变换后的系数采用基于零块的编码，充分挖掘小波系数能量集中的特点；在熵编码时使用上下文量化技术来减少上下文个数以提高编码效率。实验结果表明，使用本文的算法压缩声呐图像能够得到较高的压缩比和较好的图像质量。     

一种基于小波变换的图像压缩方法

量化在图像压缩编码中起着至关重要的作用。从标量量化的角度出发,提出了逐级量化的编码方法,该方法能在保证一定图像质量的前提下大大降低编码率。最后,通过实例分析说明了本方法的具体实现过程,并对经典图像进行实验。证实了本方法的正确性和实用性。     

基于非线性软阈值化的小波图像压缩方法

针对传统硬阈值和软阈值化过程中因信号锐变导致图像质量变差的问题,本文对小波压缩中的软阈值算法进行了改进,提出了非线性软阈值压缩算法,使得图像压缩质量有了较大提高。     

小波变换在图像压缩中的应用

小波变换克服了传统傅立叶变换的缺点，具有良好的时频局部化性能，从而使得小波理论在图像处理领域得到广泛的应用。实验证明，经过小波变换编解码的图像在实现较高压缩率的情况下能够保证较好的图像质量。     

小波变换在图像压缩中的应用

小波变换克服了传统傅立叶变换的缺点,具有良好的时频局部化性能,从而使得小波理论在图像处理领域得到广泛的应用。实验证明,经过小波变换编解码的图像在实现较高压缩率的情况下能够保证较好的图像质量。     

小波变换在图像压缩中的改进算法

近十几年来小波理论研究已成为应用数学的一个新方向。作为数学工具,小波被迅速应用到图像和语音分析等众多领域。该文试图通过深入研究小波变换图像的能量分布特点,一种优化方案,通过改善小波变换子带灰度分布的均匀度,从而提高图像压缩效率。     

基于改进的MSE准则的小波图像压缩

目前，大多数图像压缩算法是在纯粹基于像素值的均方误差(MSE)准则下工作的，由于MSE准则不能很好地刻画图像的边缘和平坦区域的差别，因此按MSE准则进行优化的压缩方法有时难以达到很好的视觉效果．根据人类视觉的特性，小波子带图像的分布特性和子带系数对保存边缘、纹理信息的重要性程度，提出一种改进的MSE准则．实验证明，基于文中改进的MSE准则的小波图像压缩方法可以获得较好的效果，能在低比特率下较完整地保存边缘和纹理信息，重构图像的主观质量有一定程度的提高。     

一种基于零树的小波图像编码方法

在Shapiro零树编码方法基础上,用矩阵描述父子关系,结合剪枝概念定义了零重要元素,提出了一种基于零树的小波图像编码方法,实现了此编码方法;用几幅标准图像对此编码方法进行仿真实验,给出了实验结果,并把实验结果与原零树编码方法实验结果进行比较,结果表明:在同样信噪比下,提高了压缩比,编解码的复杂度却并未增加。     

小波变换在图像压缩中的应用研究

本文在MATLAB平台上运用小波变换,实现了一级和二级不同扫描次数的图像压缩,并对其结果进行分析比较,验证了小波变换在图像压缩中的可行性和优越性。