针对遥感图像压缩的改进SPIHT 算法

在研究遥感图像和小波分解系数特点的基础上,提出了一种改进的SPIHT算法：对第一阶小波变换产生的低频子带和高频子带进行小波再分解,并对再分解后的四个子带,取不同的门限值,分别进行编码;再分解后的高频子带小波系数不进行编码,在解码时直接赋予固定值重构图像。改进算法更好地处理了低频子带和高频子带的小波系数,对遥感图像的压缩实验证实了改进算法的有效性。     

基于小波系数特性的低比特率图像压缩编码算法

以层树分集（SPIHT）编码方案为基础,结合最低频子带系数分布特点与高频子带系数相关性,提出了一种新的低比特率小波域图像压缩算法.该算法首先对原始图像进行小波变换;然后对最低频子带系数进行优化处理,并自适应确定高频子带系数扫描次序;最后利用SPIHT编码思想完成图像的压缩.仿真实验结果表明,文中算法是一种高效的图像压缩编码方法,其压缩效果明显优于SPIHT编码方案（特别是低比特率下）.     

基于遗传分形编码的嵌入式小波图像编码算法

在分析小波变换与分形编码特点的基础上,提出了一种新的基于遗传分形编码的嵌入式小波图像编码算法。根据图像进行小波变换分解为不同空间频带上的子图像这一特性,对其低频子带进行基于遗传算法的分形编码,利用遗传算法的快速全局搜索能力提高分形编码中值域块与定义域块的匹配搜索速度;对其高频子带部分进行阈值去噪处理后进行SPIHT编码,两部分同时进行,提高图像的压缩效率。实验结果表明：同传统的分形编码和SPIHT编码压缩方法相比,该算法在图像的重构质量方面有所提高,尤其是在中低码率下PSNR(峰值信噪比)得到了较大提高,并且算法执行时间明显减少。     

基于小波包分解的 SAR图像压缩 *

针对 SAR图像含有丰富的中、高频信息 ,而基于小波变换的图像压缩方法会丢失高频细节信息 ,提出了基于小波包分解的 SAR图像编码算法。小波包变换对 SAR图像进行完全分解 ,再用与后续编码器相关联的代价函数进行最佳基搜索 ,然后根据各子带小波包系数的重要性进行加权 ,采用多级树集合分裂算法 ( SPIHT)编码。实验结果表明 ,该算法更好地保留了 SAR图像的细节信息 ,获得了同压缩比下优于传统 SPIHT算法的编码性能 ,更有利于后续图像处理。     

基于三维整数小波与自适应预测的高光谱图像压缩研究

高光谱图像作为一种三维图像,其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。根据高光谱图像的特点,本文提出了一种基于三维整数小波与自适应预测的无损压缩算法。首先利用三维整数小波变换充分消除高光谱图像的谱间冗余和空间冗余,自适应预测编码可以进一步消除变换后低频子带之间的冗余,从而进一步提高压缩性能;最后利用JPEG-LS标准和SPIHT算法分别对数据进行无损压缩。通过改变小波基,也可实现有损压缩。实验结果表明,该算法可以取得较好的无损和有损压缩效果。     

应用人眼视觉特性的Contourlet域图像压缩编码算法

鉴于Contourlet变换存在冗余,小波变换不能准确捕获图像特征等不足,提高编码速度和改进视觉效果,提出了一种基于人眼视觉特性的混合域图像压缩编码算法。算法对原始图像进行小波分解,对中高频小波子带进一步实施自适应方向分解;根据人眼视觉特性（HVS）,对不同子块变换系数进行加权处理;结合小波分解与方向分解特点,构造扩展的空间方向树结构;根据系数重要性,对低频系数采用新的排列结构,采用SPIHT编码思想完成图像压缩。实验结果表明,提出的混合域图像编码方法是一种高效的图像压缩算法,其压缩效果明显优于SPIHT、WBCT等图像压缩方案（特别是低比特率下）。     

基于改进的SPIHT整数提升小波变换的图像压缩

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、存储量大以及未考虑人眼视觉特性的不足,提出了基于改进的SPIHT整数提升小波变换的图像压缩算法,首先选用9-7整数提升小波对图像进行分解,然后对低频子带的重要系数采用特殊处理,对高频子带改变扫描方式来获得最大系数和按频率优先的原则输出系数.同时引用最小输出位、最大值表思想,具有节省索引的时间、节省内存、计算速度快,编码、解码简单的特点.实验结果表明了该算法在相同的比特率下(特别在低比特率下)得到的重构图像的PSNR值高于原算法且缩短编解码时间,是一种有效的快速图像压缩算法.     

改进的SPIHT小波图像压缩编码

针对原SPIHT算法存在扫描的重复且未能充分利用小波系数分布特点,随着压缩比的增加,会引起编码效率的下降等不足,提出一种改进的图像压缩编码算法。改进的图像编码算法低频子带进行DPCM无损编码,高频子带采用优化排序的SPIHT算法。仿真结果表明,改进算法较原算法在重构图像的主观效果和峰值信噪比上都得到了提高。     

基于9-7整数小波变换的SPIHT的改进

对SPIHT进行了研究,提出了基于9-7整数小渡变换的改进的SPIHT。它首先对图像进行整数小渡分解,然后对低频子带图像采用DPcM预测编码,对高频子带改变扫描方式来获得最大系数和按照频率优先的原则输出系数。实验结果表明算法在相同的输出码率情况下不仅得到了更好的恢复效果,而且缩短了编码时间。     

一种分层图像编码算法

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具有不同特征的两层:平滑层和纹理层,分别基于小波变换和自适应局部余弦变换(ALCT)进行编码。编码平滑层时,仅对原图像一级小波变换后的低频子带进行小波SPIHT编码,在减少计算量的同时,提高了整个算法的性能。该文改进了实现ALCT的折叠算子,并且提出了一种ALCT系数的重组方案,从而利用零树编码获得了嵌入式码流。实验结果表明,本算法在未进行算术编码的情况下,压缩性能优于SPIHT,并且在重建图像中更好地保留了原图像的纹理特征。     

基于改进逐次逼近量化与复杂关联模型的零树图像编码算法

提出一种基于改进逐次逼近量化与复杂关联模型的零树图像编码算法，该算法通过以下4项措施提高EZW算法的工作效率：（1）对最低频子带进行单独编码；（2）定义多阈值以完善逐次逼近量化过程；（3）个性嵌入编码策略以消除编码冗余；（4）采纳关联模型以提高算术编码效率。实验结果表明，该算法是一种高效的图像压缩算法，其编解码速度、图像复原质量等关键技术指标均优于EZW和SPIHT等编码算法。     

基于SPIHT和分类比特编码的无损图像压缩

在整数小波变换的基础上提出了一种基于SPIHT分类比特平面上下文编码的无损图像压缩算法,和其他方法比较,把变换后的系数分成符号模板、高位比特位、低位比特位三类,对高位比特位的系数用SPHIT算法进行编码,而符号模板和低位比特位用基于上下文的算术编码,在低位比特位的上下文编码中不仅考虑了同一位平面的相邻位置相关的上下文,也考虑位平面之间的上下文。实验表明,提出的方法具有较好的压缩效果。     

基于自适应子带分解和内容模型的图像编码

在SPIHT算法基础上引入了两种算法——自适应子带分解算法和基于内容模型的算术编码算法，以改进压缩性能．自适应子带分解算法改变了小波变换后系数的统计分布，在低码率时峰值信噪比(PSNR)得到一定的改善；基于内容模型的算术编码算法进一步开发了子带间以及相邻像素间的相关性，增强了压缩性能．实验结果表明：文中算法和STIHT算法比较，改进了压缩性能，同时保留了零树算法的渐进传输等优点。     

基于高频子带自适应扫描的改进零树图像编码算法

提出了一种基于高频子带自适应扫描的新图像编码算法，该算法以EZW编码方案为基础，能够通过单独编码最低频子带、自适应扫描高频子带内小波系数、采纳复杂关联模型等措施，在一定程度上克服EZW编码算法存在的编解码速度慢、峰值信噪比（PSNR）有待进一步提高等不足。对比实验表明：算法在编解码速度、图像复原质量等方面均优于EZW算法。     

低比特率混合域图像压缩编码算法研究

为了更有效地进行图像压缩,提出了一种新的混合域低比特率图像压缩编码算法。该算法首先对原始图像进行小波分解,并对中高频小波子带进一步实施自适应方向分解;然后根据小波系数统计特性,优化处理最低频子带系数;再结合小波分解与方向分解的特点,构造了一种扩展的空间方向树结构;最后采用SPIHT编码思想完成图像的压缩。实验结果表明,该混合域图像编码方法是一种高效的图像压缩算法,不仅其压缩效果明显优于SPIHT、WBCT等图像压缩方案(特别是在低比特率下),而且具有比较强的通用性与适应性。     

一种小波变换域彩色图像压缩编码方案

提出了一种基于人眼视觉特性与局部相关的小波域彩色图像编码方案．该方案以嵌入零树小波（EZW）编码思想为基础,通过建立可逆彩色空间变换,丢弃部分高频细节子带、单独编码最低频子带、高频子带自适应EZW编码及多关联预测算术编码等措施,实现彩色图像的自适应压缩编码．实验结果表明,文中算法具有较好的压缩效果和较强的通用性．     

结合近似最优比特分配的改进SPIHT算法

SPIHT算法是一种实用、高效的小波零树图像编码算法。针对SPIHT算法存储空间需求大、运算复杂度较高等缺点,提出了一种改进的快速、低存储SPIHT算法,该算法将小波变换所形成的水平、垂直、对角和低频4个子带分成4个处理单元,对每个处理单元分别进行量化编码,并在各单元之间采取近似最优比特分配以提高量化性能。实验结果表明,改进算法在提高峰值信噪比等性能指标的同时,有效地减少了算法的存储需求及运算时间。     

基于小波变换的空间可分级图像压缩编码算法

图像压缩算法如EZW和SPTHT都具有较高的压缩率,为了能使图像压缩编码算法同时具有较高的压缩率和良好的压缩性能,本文分析了SPTHT算法,在相同压缩效率的情况下,将其进一步改进,使之具有空间可分级性。在编码过程中,单个像素的相关信息按其所在的分辨率层输出到基础层或增强层码流中,而对于集合的测试信息按其最高层像素所在的分辨率层以较大的概率输出到相应的码流中。这样,虽然低频子带与高频子带相关联而编码,但实验结果显示与低频子带单独编码的性能非常接近。同时给出了一种基础层和增强层之间的码率分配方案。实验结果显示,随码率的增大,基础层所占的比率越来越低,同时,对包含边缘较多的图像,其基础层码率所占的比率也较低。