基于方向提升小波变换的多描述图像编码

本文提出一种基于方向提升小波变换的多描述图像编码方法, 以避免压缩图像在互联网和无线网络环境下因数据包传输出错或丢失而导致的图像质量严重下降. 基本思想是在空域将一幅图像按梅花形下采样为两个描述, 为解决传统空域下采样多描述编码技术编码效率低的问题, 提出能充分利用相邻像素相关性的方向提升小波变换, 并通过四叉树的分割实现方向的组织和选择. 边缘信道解码出的低分辨率图像, 通过插值算法实现原始分辨率单描述的图像重建. 中央信道解码出的图像, 通过数据融合算法实现两描述的图像重建, 进而进一步改善图像视觉质量     

基于提升方案的自适应小波变换

介绍了小波变换提升方法 ,并引入自适应理论和多层提升方案。讨论了一种新的自适应方案 ,并对研究结果进行了测试 ,取得了较好的效果。     

基于纹理的自适应提升小波变换图像压缩

经典二维小波变换仅在图像的水平和竖直方向应用小波滤波,不能提供灵活的方向信息,对纹理信息丰富的自然图像稀疏化效果不理想,在基于小波变换的图像压缩中还需改进.为了实现更有效的图像的稀疏表示,文中提出一种新型的基于图像纹理的自适应提升小波变换:根据局部特征将图像自适应分块,预先判断局部图像纹理方向,保持正交性质不变;沿纹理方向应用小波滤波,结合提升变换格式实现即位运算;沿纹理方向插值获取分数像素值,保护纹理信息不被破坏,总体变换对图像纹理描述更有效;结合JPEG2000中的编码方法EBCOT,对变换系数和方向信息分别编码,应用于图像压缩.仿真实验是在数值结果和视觉效果上将文中方法和JPEG2000方法作比较,以体现文中方法的优越性.     

基于提升小波变换的视频图像编码技术研究

在提升小波的基础上,对感兴趣区域(ROI)进行Huffman无损压缩,对背景区域(BG)进行嵌入式零树(EZW)图像压缩编码。实验证明,在感兴趣区域占整幅图像大小10%左右时,该方法能够解决图像压缩比和重构图像质量之间的矛盾。     

小波变换图像编码的研究进展

基于小波变换的图像编码是当今十分流行的编码方法。文章结合小波变换的特点,介绍了小波图像压缩的基本原理及基于小波的图像多分辨率分析方法,阐述了小波图像压缩方法及其进展。     

基于自适应提升格式小波变换的图像压缩研究

为了减小提升格式小波变换中的误差、提高图像的压缩效果,提出基于自适应提升格式小波变换实现图像压缩的新方法。在自适应提升小波变换时,通过梯度法构造决策函数来调整更新算子和预测算子并获取最优的小波基函数,在系数量化时运用整数量化方法。实验结果显示该方法具有较好的压缩效果。     

基于提升结构的自适应小波变换研究

对提升结构的更新算子U（Update）和预测算子P（Predict）都进行了自适应设计。在更新算子U的设计中,主要对现有算法进行了改进,使变换得到的近似信号更能表现原始信号的特点;在预测算子P的设计中,提出了一种新的变步长LMS算法,与现有方法相比,此算法具有更快的收敛速度。采用此方法能在不传递任何附加信息的情况下实现视频信号的完全重构,更好地满足视频压缩中渐进传输及多分辨率分析的要求。     

自适应提升小波变换与信号去噪

文章引入了基于提升法的自适应离散小波变换,根据LMS自适应法使伯恩斯坦预测算子自适应匹配特定的数据序列,而且应用该方法于信号的软域值去噪,数值仿真实验表明自适应提升小波变换同经典的小波变换相比,去噪后信号的信噪比效率相近,提升方法的优点在于其设计上的灵活性和计算简单。     

基于小波变换的多方向小波变换

方向小波变换(SAWT)是小波变换(WT)的多方向扩展,它的基是各向异性的,具有多尺度、多方向的图像表示特性。SAWT不能恒保持多分辨率尺度关系,不能较好地表示图像中的平滑区域,因此利用WT和SAWT构造了一种新的多尺度、多方向且能保持多分辨率尺度关系的小波方向波变换。为了验证该变换的有效性,利用其进行了图像去噪实验。实验结果表明,所提方法能够很好地表示图像中的平滑区域和细节信息,并且能获得更高的峰值信噪比和结构相似性。     

应用于图像的基于提升方法的双自适应小波变换

由于小波具有良好的时频特性,对于平滑图像,利用固定尺寸的小波滤波器滤波可以获得良好的分解结果.然而对于具有较多突变点的图像而言,采用固定尺寸的小波滤波器进行滤波并不是一个理想的选择.基于Heijman等人提出的2维自适应更新提升格式,本文提出了一种双自适应的小波变换算法,在更新与预测过程均采用自适应算法.最后,对标准图像进行测试分析,实验结果表明该算法在图像精确重构不需要额外的附加信息,且可以提高图像的峰值信噪比（PSNR）.     

小波提升原理在图像编码中的应用

介绍了小波提升的基本原理及其实现流程;着重论述了小波提升在JPEG 2000中的具体应用和其中的有关参数的选择;分析和比较了小波提升和Mallat算法。提升方案实现D9/7小波变换所消耗时间的实验充分说明：小波提升实现小波变换比Mallat算法速度快大约一倍。     

基于整型小波变换和嵌入式零树编码的医学图像压缩

对给定的医学图像采用基于“提升”算法的整型小波变换,对变换后的小波域图像编码。编码时,针对医学DICOM标准的数据结构,在小波零树编码的基础上,根据不同频率子带的小波系数对恢复图像的重要程度进行不同处理。实验证明,该方法视觉效果良好,实现了医学图像的无损压缩,有较好的压缩比和压缩效果。     

基于整型小波变换和嵌入式零树编码的医学图像压缩*

对给定的医学图像采用基于“提升”算法的整型小波变换,对变换后的小波域图像编码。编码时,针对医学DICOM标准的数据结构,在小波零树编码的基础上,根据不同频率子带的小波系数对恢复图像的重要程度进行不同处理。实验证明,该方法视觉效果良好,实现了医学图像的无损压缩,有较好的压缩比和压缩效果。     

基于小波变换的静止图像快速编码算法

基于小波变换静止图像压缩提出一种快速算法.在兼顾压缩比和峰值性噪比的同时,采用离散小波变换的快速算法,对量化和熵编码两部分进行优化,提高了算法的快速性,并进行了实验验证.     

基于改进的提升小波变换的图像融合算法

研究图像融合精度问题,由于光学传感器的光谱分辨率不同,在图像融合中易丢失信息,影响图像质量。传统的图像融合算法计算量大、实时性差的缺点,同时没有细致考虑低频分量融合规则以及高频分量邻域特征对融合的影响,因而得到的融合效果不理想。为了解决上述问题,提出了一种改进的提升小波变换图像融合新算法,算法引进了图像对称概念策略,仿真结果表明,改进的图像融合算法计算量明显减少,实时性也明显提高,与传统的标准小波变换图像融合算法以及拉普拉斯金字塔融合算法相比,较有效地提高了图像融合的精确度。     

Daubechies提升小波在图像去噪中的仿真研究

在介绍了一般小波理论和小波图像去噪的基础上,重点阐述了提升小波算法(lifting scheme)的基本原理,给出了用提升方法构造传统小波的普遍实现方法,按照提升小波的一般理论,对Daubechies(9/7)小波进行提升格式处理,并将Dau-bechies(9/7)提升格式小波应用到二维图像去噪研究中.计算机仿真试验结果表明,在去掉噪声后图像信号的信噪比相近的情况下,提升小波与传统小波相比,其优点在于计算简单,编程容易,速度快.     

基于小波变换的图像融合研究

主要讨论了基于小波变换的多传感器图像融合算法。它的中心思想是把图像分解到不同的频率段上，然后在各自的频率段上分别采用不同的融合算子进行融合处理，从而得到完整的图像信息。