MODIS多光谱图像压缩研究

为有效存储MODIS多光谱图像数据,该文提出一种基于谱间预测和整数小波变换的多光谱图像压缩算法.首先通过构造谱间最优预测器去除谱间冗余,再利用整数小波变换和SPIHT算法对预测误差图像去除空间冗余,最后进行自适应算术编码.该方法可实现MODIS多光谱图像的无损、近无损和有损压缩,取得了满意的实验结果;在不同小波基条件下与3D-SPIHT算法比较,表明了该方法的有效性.     

基于小波变换的图像压缩编码方法的比较及实现

对基于小波变换的嵌入式图像编码方法中最具代表性的EZ和SPIHT编码算法的原理进行了分析比较、并予以实现。     

基于小波零树的图像压缩

在信号处理领域，利用小波变换进行多分辨率分解是非常实用有效的方法。由于表现一个图像最主要的部分是低频部分，因此利用小波在时、频域良好的局部定位特性，在金字塔结构小波变换的基础上对信号进行多分辨率分解，提取其低频成分进行压缩，就可以得到合适的具有一定压缩比的处理图像。再将压缩后信号进行阈值量化编码，就可以得到更高质量和压缩比的图像。     

基于改进SPIHT的医学图像压缩

为了满足医学数据的存储和传输的需要,在SPIHT算法的基础上,提出了一种基于改进SPIHT的医学图像压缩算法,实现了对医学图像的编码。该算法在减少编码时间的同时,能够得到较高的压缩比,重建图像的峰值信噪比也有明显的提高。选取几幅医学图像进行有效性的验证,试验结果表明:此算法可以更好地保留图像的客观质量,提高了编解码的效率,获得了较好的压缩效果。     

整数双正交小波图像压缩及其DSP实现

对于高分辨率相机所成图像,数据量非常巨大,仅用软件压缩远远不能满足实时性要求.本文提出一种适于硬件实现图像压缩算法--整数双正交小波变换的提升算法,并用DSP(Digital Signal Processing)芯片实现该种算法.由于输入的图像的灰度值是整数,为减少误差,我们把滤波器的参数也设计成整数形式,这种小波的计算只需两个浮点运算和16个整数运算,降低运算的复杂度,减少存储空间,进而提高实时性.并结合SPIHT编码方法提高压缩比(可达到31.25).     

一种改进的无表零树编码的图像压缩方法

本文对SPIHT算法进行了改进,得到一种在编码和解码过程中都不用链表的小波零树编码方法,称为改进的无表零树编码.这种编码方法大大地减少了内存消耗,降低了编码复杂度,提高了编码速度.实验表明,在相同压缩比下本文算法比LZC算法提高了0.66dB,因此为硬件实现图像压缩编码提供了一种有效的方法.     

基于小波变换的红外图像压缩编码研究

根据红外图像空间相关性强的特征以及红外图像经小波分解后的数据特性,利用小波变换对红外夜视图像进行了压缩编码研究,得到了不同压缩比下的压缩结果。计算机仿真实验表明,此方法没有方块效应,视觉效果良好,对于红外图像来说有一定的应用价值。     

EZW算法在DICOM图像压缩中的研究

基于小波变换的图像编码是一种有效的图像压缩方法，近几年来得到了广泛的发展，其中最著名的是Shapiro提出的小波零树编码（EZW）方法。针对医学DICOM图像的需求和特点，本文提出了一种基于小波变换的EZW算法对DICOM图像进行压缩。     

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LS9/7小波的图像压缩算法研究

提出了一种基于提升格式小波的SPIHT图像压缩算法,该算法采用LS9/7进行小波变换,然后采用SPI-HT算法对变换系数进行编码,可实现任意码率的压缩.该算法具有运算简单,编码速度快等优点.实验结果表明,设计的算法是一种有效的图像压缩算法,能实现图像的快速压缩编码,其图像编解码时间和重构图像质量均优于原算法.     

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。     

基于混合编码的分形图像压缩方法研究

提出了一种基于混合编码的分形图像压缩方案,改进了分形编码与SP IHT算法,对提升小波变换后的最低频部分采用改进的分形编码,其他部分采用改进的SP IHT算法。试验结果表明,该方法在缩短了图像压缩时间的同时,明显减少了分形压缩恢复图像的方块效应。     

Image Super Resolution Based on Interpolation of Wavelet Domain High Frequency Subbands and the Spatial Domain Input Image

In this paper, we propose a new super‐resolution technique based on interpolation of the high‐frequency subband images obtained by discrete wavelet transform (DWT) and the input image. The proposed technique uses DWT to decompose an image into different subband images. Then the high‐frequency subband images and the input low‐resolution image have been interpolated, followed by combining all these images to generate a new super‐resolved image by using inverse DWT. The proposed technique has been tested on Lena, Elaine, Pepper, and Baboon. The quantitative peak signal‐to‐noise ratio (PSNR) and visual results show the superiority of the proposed technique over the conventional and state‐of‐art image resolution enhancement techniques. For Lena's image, the PSNR is 7.93 dB higher than the bicubic interpolation.     

基于小波等级树的分组集合划分图像编码

本文提出了一种基于小波等级树分组集合划分的图像压缩算法,它是对基于等级树集合划分算法(SPIHT)的一种改进算法。在本算法中,通过引进组的概念,扩展节点集合的类型以及定义各子带的子带上限等方法,获得了比SPIHT算法更好的压缩效果。对多幅图像的实验结果也表明了本算法的有效性。     

基于小波变换的高分辨率遥感图像复原算法实现

为了促进遥感图像的后续研究,针对高分辨率遥感图像实现了基于小波变换的迭代收缩（IST）图像复原算法。考虑到算法在复原过程中对内存需求较大,实现过程中采用内存映射文件的方法,将高分辨率遥感图像映射到进程地址空间。针对分块复原图像时通常会伴有边缘跳变现象,影响拼接后的图像质量的问题,使用特殊分块策略对图像进行分块处理。复原算法在VC平台下实现,通过遥感图像复原实验,并对复原图像进行评价分析,复原性能和效率良好。     

基于双正交小波变换的航空图像压缩研究

提出一种基于提升方案的双正交小波变换结合SPIHT编码的图像压缩方法.小波提升方案是继多分辨分析之后,另一种非常有效的构造小波滤波器的方法,在双正交条件下按所需的小波性能自由构造双正交小波基,并能加快小波变换的执行速度.分析了应用提升方案构造双正交小波的算法,选用性能优良的双正交小波,结合SPIHT编码,进行图像压缩.实验表明,通过该方法进行图像压缩,图像重建质量较高.     

基于并行DSP的高分辨目标检测系统设计

研究了基于位置相关的高分辨检测方法的改进和基于并行ADSP_TS101芯片的高性能并行数字信号处理(DsP)系统的硬件平台的实现。提出了利用脉内非相干积累和设定K_(max)门限进行预检测的方法,优化了基于位置相关的高分辨检测方法的第2门限检测,并成功应用于并行DSP硬件平台中。试验表明,该硬件平台能够实现宽带雷达目标的实时高分辨检测。     

针对静止图像压缩的整数小波优化设计

为了提高整数小波变换(IWT)的有损图像压缩效率,提出一种基于最优缩放因子(OSF)的整数小波优化设计方案——OSF-IWT。通过对变换前图像系数的适当放大2的整数幂倍,减少尾数截断对变换系数幅值的影响。同时选取提升框架中的OSF,优化小波系数的分布特性,提高小波图像的能量集中性,使有损压缩效果达到最佳。采用SPIHT编码的实验结果表明,在保持原IWT的低计算复杂度和可逆性同时,有损编码条件下,OSF-IWT的峰值信噪比(PSNR)超过采用Daubechies(Db)917的离散小波变换(DWT)0．3～0．6dB。