一种基于3维SPECK编码的超光谱图像压缩算法

提出一种针对超光谱图像压缩的基于小波变换的、嵌入式的3维块分割编码算法。通过3维小波变换,将超光谱图像的空间冗余和谱间冗余同时去除。针对变换域内的小波系数,将集合分割嵌入式块SPECK编码算法扩展为3维,构造一种3维SPECK编码算法,对小波系数进行量化编码。实验证明,3维SPECK编码算法具有良好的率失真性能,其压缩效果优于采用SPECK方法对每一波段图像做压缩编码的效果,并具有计算复杂度低和嵌入式的特性。     

基于视觉特性的Contourlet域图像压缩编码算法

为了有效克服小波变换难以准确捕获图像特征、而Contourlet变换存在冗余等不足,本文提出了一种基于视觉特性的Contourlet域图像压缩编码算法.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;然后根据人眼视觉特性(HVS),对变换系数进行加权处理;再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;最后采用SPIHT编码思想完成图像的压缩.实验结果表明,本文提出的Contourlet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(特别是低比特率下),而且具有比较强的通用性与适应性(SPIHT与WBCT对于Barbara之类纹理图像压缩效果较差,然而本文算法的压缩效果却较理想).     

一种基于Contourlet的图像低码率SPIHT算法

Contourlet是一种优于小波的不可分离图像表示方法,它除了具有一般小波变换的多尺度、局部性外,还具有方向性、各向异性。为此,本文提出了一种基于Contourlet变换的SPIHT编码方法。首先,对图像Contourlet变换各子带系数的分布情况进行了统计分析;进而设计了一种基于Contourlet变换的空间方向树结构,该结构具有类似图像小波变换域中“零树”的特性;在此基础上实现了一种基于Contourlet变换的渐进式编码算法（CSPIHT）,该算法除了具有一般基于小波变换的零树编码算法的特性外,还具有方向性和各向异性的特点,特别对图像的边缘方向信息和纹理信息具有很好的捕捉能力和解码的视觉效果。实验结果表明,所提出的算法CSPIHT在低码率下其重构图像的PSNR要高于SPIHT算法;而对于中等码率,尽管重构图像的PSNR略低于SPIHT,但重构图像纹理和边缘区域的视觉效果要优于SPIHT。     

基于谱图小波变换的图像压缩编码方法

针对小波变换图像压缩编码方法在高压缩比下得到的重构图像质量往往较差的问题,提出了一种基于谱图小波变换的编码方法.该方法首先将图像转化成图,利用谱图小波变换分解图得到谱图小波系数,这些系数的能量随着尺度的增加而衰减,然后根据谱图小波系数的特性对SPECK算法进行改进,最后对谱图小波系数进行量化,利用改进的SPECK算法对量化后的系数进行压缩编码,并在图像数据量压缩的同时从稀疏系数中恢复原始图像.实验结果表明,该编码方法对自然图像的压缩具有高效性,相比小波变换的压缩方法,重建图像的PSNR有所提高且变化平稳,与此同时还得到更大的压缩比.     

基于Contourlet的中低码率图像质量可分级编码算法

首先对图像Contourlet变换各子带系数的分布情况进行了统计分析,进而给出了一种基于Contourlet变换的空间方向树结构,并统计验证了该空间方向树的"零树"特性.同时针对图像Contourlet变换各子带"重要系数"的分布情况提出了一种基于图像Contourlet方向子带的多尺度量化方案,该方案对图像的边缘方向信息和纹理信息具有很好的捕捉能力,在此基础上提出了一种基于Contourlet变换的嵌入式图像质量可分级编码算法,该算法除了具有一般基于小波变换的零树编码方法的特性外,还具有方向性和各向异性的特点,其解码图像在中低码率下无论是PSNR还是纹理和边缘区域的视觉效果均优于SPIHT算法.实验结果验证了所提出算法的有效性.     

超谱遥感图像的Markov链小波特征空间聚类算法

根据像素的谱特性，提出基于Markov链小波特征空间分解的超谱遥感图像聚类算法，并对小波特征空间Markov链聚类问题进行了理论分析。通过小波变换抽取并标记谱矢量小波系数的极值点，根据极值点的位置差异程度和相关系数阈值进行Markov聚类，避免了一般聚类算法求欧氏距离造成的时间开销，使聚类速度加快。算法中采用模拟退火并逐步降低聚类规模的方法实现Markov链特征空间在每个温度上的最优聚类。将此算法用于AVIRIS超谱图像聚类，结果表明算法在提高聚类精度，聚类速度等方面有一定的优越性。     

面向遥感影像的JPEG2000优化压缩算法

在常规的JPEG2000压缩框架下,提出一种面向遥感影像的JPEG2000优化压缩算法,对遥感图像整体处理传输耗时进行分段处理,在EBCOT编码中合并编码通道扫描过程及编码过程,实现对遥感图像编/解码过程用时的优化,在小波变换后清除高频子带小波系数中非重要的背景信息,并缩减相对重要信息的处理过程,从而缩短了与压缩比和图像大小密切相关的传输时间。实验结果表明,该算法在几乎不影响遥感图像质量的情况下可以显著提高遥感图像整体压缩、传输和重构的效率,缩短其处理耗时。     

基于Contourlet变换的遥感影像融合算法

针对目前最新发展的Contourlet变换能比小波变换更适合于进行多尺度边缘增强处理的特点，本文提出了一种新的基于Contourlet变换的用于融合遥感全色和多光谱影像的算法，分别对应于Contourlet变换后得到的低频和高频分量系数，结合小波变换采用了不同的融合规则．实验结果表明本文提出的融合算法能在保留多光谱影像光谱信息的同时增强了融合图像的空间细节表现能力和信息量，该算法是有效可行的．     

SAR复图像数据的CCSDS-IDC编码性能分析与四叉树编码

目的：CCSDS-IDC (国际空间数据系统咨询委员会-图像数据压缩) 是NASA制定的基于离散小波变换(DWT)尺度间衰减性的空间图像数据压缩标准,适用于合成孔径雷达(SAR)幅度图像及各类遥感图像的压缩。然而,与光学图像不同,常见的SAR图像都是复图像数据,其在干涉测高等许多场合具有广泛应用,分析研究CCSDS-IDC对SAR复图像数据的编码性能具有重要的应用价值。方法：由于SAR复图像数据不具有尺度间的衰减性,因此将其用于SAR复图像数据编码时性能较低。考虑到SAR复图像数据DWT系数呈现出聚类特性,提出将四叉树(QC)用于DWT域的SAR复图像数据编码,发现QC对SAR复图像数据具有高效的压缩性能。结果：实验结果表明,在同等码率下,对基于DWT的SAR复图像数据压缩, QC比CCSDS-IDC最多可提高幅度峰值信噪比4.4dB,平均相位误差最多可降低0.368;与基于方向提升小波变换（DLWT）的CCSDS-IDC相比,QC可提高峰值信噪比3.08dB,降低平均相位误差0.25;对其它类型的图像压缩,基于聚类的QC仍能获得很好的编码性能。结论：CCSDS-IDC对SAR复图像数据编码性能低下,而QC能获得很好的编码性能。对应于图像平滑分布的尺度间衰减性,其在某些特殊图像中可能不存在,而对应于图像结构分布的聚类特性总是存在的,故在基于DWT的图像编码算法设计中,应优先考虑利用小波系数的聚类特性,从而实现对更多种类图像的高效编码。     

基于小波特征和模拟退火的遥感图象快速聚类算法

不同遥感对象，光谱曲线的突变点位置差异很大，不同尺度的小波变换可有效提取这些突变特征，在此基础上，用小波特征相关系数描述像素的近似程度，取代一般聚类算法以欧氏距离为基础的聚类概念，聚类结果可准确反映遥感对象内容，基于小波特征抽取和模拟退火的多光谱遥感图象快速聚类算法，通过扩展频段，增加特征点的个数以丰富类的特性，对空间数据进行均匀抽样产生聚类空间，采用模拟退火技术和逐步降低聚类规模的方法，快速实现全局最优的聚类中心，类内评价最优代表作为聚类中心，保证类特性的持续性和强壮性，而且解决了K－means聚类的参数选择问题，最后采用TM多光谱遥感图象进行参数分析和算法比较，验证了该算法分类快速准确，且参数控制灵活，因此基于小波特征抽取和模拟退火的多光谱遥感图象快速聚类算法有较好的应用前景。     

方向自适应提升小波在遥感图像中的研究

针对于遥感图像纹理复杂的特点,提出了一种利用自适应方向提升方案的遥感图像压缩编码新方法。传统的提升方法主要在垂直和水平方向上进行,从而降低垂直和水平方向上像素的相关性;与传统的提升方法不同,基于自适应方向提升的方法充分利用了图像其他纹理方向的相关性来进一步提高预测的精度,从而降低高频部分的能量值。该算法首先利用自适应方向提升的方法对遥感图像进行多尺度快速整数小波变换,然后采用子带位平面编码算法来实现遥感图像的高效压缩编码。实验结果表明,对一般遥感图像,该算法在高倍率压缩的情况下要优于目前的JPEG2000算法。     

基于整数小波变换的遥感超光谱图像无损压缩

由于遥感图像信息十分宝贵,应尽可能采用无损压缩或近无损压缩方法。本文提出基于"提升"(Lifting)算法实现整数小波变换(IWT)的方法,将变换方法用于去除空间冗余,保证了小波变换后图像信息无损失,再用算术编码对图像进行无损压缩。由于变换方法的去相关性能良好,实验证明将IWT应用于遥感图像无损压缩是有效的,能达到预期的目的,解码后的图像能无失真的恢复。     

波段排序的高光谱影像3维混合树编码方法

目的 高光谱影像压缩的关键技术是对空间维和光谱维的去相关性。根据高光谱影像数据结构的特点,如何有效去除其空间相关性与谱间相关性是高光谱影像压缩中至关重要的问题。对高光谱影像进行编码时,3维小波变换是极为有效的去除冗余的方法。因此提出了一种通过波段排序并结合3维混合树型结构对高光谱影像3维小波变换系数进行编码的算法。方法 首先,将高光谱影像按照自然波段顺序进行波段分组,并对每组影像进行相邻影像的谱间相关性统计;其次,对相关性较弱的波段组,建立以影像波段序号为顶点、影像相关性系数为边的完全图,对这个完全图求其最大汉密尔顿回路。按照求得的最大汉密尔顿回路顺序对该波段组进行重新排序,从而提高波段组的谱间相关性;在此基础上,对重新排序后的波段组进行3维小波变换,并通过3维混合树结构对3维小波变换系数进行零树编码。结果 通过对大量AVIRIS型高光谱影像数据的仿真实验,验证了本文方法的有效性。对相关性较低的波段组,加入排序算法后,其解码影像与未排序时比,峰值信噪比有了一定的提高。通过实验统计,算法平均用时2.7579s。结论 由于采用了对弱相关性波段组的重新排序机制,使得基于混合树结构的3维零树编码出现了更多有效的零树,在一定程度上提高了编码效率。通过实验统计算法用时,表明该方法以较小的时间代价获得了解码效果的提升。     

基于蜂群[k]-means算法的遥感图像聚类应用研究

在遥感领域，获取用于训练的标记数据耗费巨大且困难，因此许多非监督技术逐渐被发展和应用于标记样本有限的遥感图像。将[k]均值和蜂群算法相结合，提出一种新的非监督聚类算法。使用灰度共生矩阵和小波变换提取遥感图像特征，对特征数据集进行蜂群[k]-means聚类。整个聚类过程首先使用最大最小距离积邻域均值法产生初始聚类中心，将蜂群算法和[k]-means算法交替执行，实现遥感图像的聚类。通过UCI数据集和凉水国家级自然保护区的遥感数据的实验结果表明，该算法具有较高的聚类准确率，满足遥感图像聚类的应用需求。     

Context-based embedded image compression using binary wavelet transform

Binary wavelet transform (BWT) has several distinct advantages over the real wavelet transform (RWT), such as the conservation of alphabet size of wavelet coefficients, no quantization introduced during the transform and the simple Boolean operations involved. Thus, less coding passes are engaged and no sign bits are required in the compression of transformed coefficients. However, the use of BWT for the embedded grayscale image compression is not well established. This paper proposes a novel Context-based Binary Wavelet Transform Coding approach (CBWTC) that combines the BWT with a high-order context-based arithmetic coding scheme to embedded compression of grayscale images. In our CBWTC algorithm, BWT is applied to decorrelate the linear correlations among image coefficients without expansion of the alphabet size of symbols. In order to match up with the CBWTC algorithm, we employ the gray code representation (GCR) to remove the statistical dependencies among bi-level bitplane images and develop a combined arithmetic coding scheme. In the proposed combined arithmetic coding scheme, three highpass BWT coefficients at the same location are combined to form an octave symbol and then encoded with a ternary arithmetic coder. In this way, the compression performance of our CBWTC algorithm is improved in that it not only alleviate the degradation of predictability caused by the BWT, but also eliminate the correlation of BWT coefficients in the same level subbands. The conditional context of the CBWTC is properly modeled by exploiting the characteristics of the BWT as well as taking advantages of non-causal adaptive context modeling. Experimental results show that the average coding performance of the CBWTC is superior to that of the state-of-the-art grayscale image coders, and always outperforms the JBIG2 algorithm and other BWT-based binary coding technique for a set of test images with different characteristics and resolutions.     

基于小波变换的ROI图像压缩改进算法研究

小波变换作为一种多分辨率分析方法,具有良好的空频局部特性,特别适合按照人类视觉系统特性设计图像压缩编码方案。基于小波变换的嵌入式编码算法能够有效地应用于基于感兴趣区域(ROI)的图像压缩与渐进传输。为了进一步提高效率并改善图像压缩传输的效果,本文在该算法的基础上提出了两点改进:(1)计算感兴趣区域模板时,将数学上的"排列组合"思想应用于传统的回溯法,使计算过程更加简单;(2)在对小波系数嵌入式编码时,牺牲图像背景区域的细节系数以获取感兴趣区域更高的解码质量。最后给出了改进算法的部分实验结果,证明了改进算法的有效性。     

Image compression approach with ridgelet transformation using modified neuro modeling for biomedical images

Image compression is applied to many fields such as television dissemination, remote sensing, image storage. Digitized images are compressed by a method which exploits the redundancy of the images so that the number of bits required to represent the image can be reduced with acceptable degradation of the decoded image. The humiliation of the image quality is limited with respect to the application used. There are various biomedical applications where accuracy is of major concern. To attain the objective of performance improvement with respect to decoded picture quality and compression ratios, in contrast to existing image compression techniques, an effective image coding technique which involves transforming the image into another domain with ridgelet function and then quantizing the coefficients with hybrid neural networks combining two different learning networks called auto-associative multilayer perceptron and self-organizing feature map is proposed. Ridge functions are effective in representing functions that have discontinuities along straight lines. Normal wavelet transforms not succeed to represent such functions effectively. The results obtained from the combination of finite ridgelet transform with hybrid neural networks found much better than that obtained from the JPEG2000 image compression system.     

基于独立分量分析和支持向量机的遥感影像融合分类算法

遥感影像分类是遥感定量化分析的重要手段,遥感影像融合是提高分类正确率的有效途径之一。本文提出一种遥感影像的融合分类算法。首先采用Contourlet变换对多光谱影像和全色影像进行融合,然后结合独立分量分析的去相关性、稀疏特性以及很好地捕捉影像重要边缘信息、纹理信息的能力,提取融合影像的独立分量特征,并用支持向量机实现分类。与其他算法的主、客观比较结果表明,该算法的实验效果较好,可有效地提高遥感影像的分类精度。     

一种有效的无损图象编码方法

由于一些正当的原因,无误差编码在某些应用中是唯一可接受的压缩方法。文章首先采用一种整数到整数小波变换对图象进行分解,然后通过优化改进著名的SPIHT压缩算法2,实现了一种有效的无损编码方法。压缩结果表明：该方法性能优于经典的一些无损编码方法,同时也优于直接采用SPIHT的无损压缩方法,因此可推广应用到卫星遥感图象、医学图象的传输和归档中去。