离散脊波变换及其在SAR图像压缩中的应用

首先介绍了SAR图像的特点，在对离散脊波变换的正交性及其与Radon变换的关系深入研究的基础上，利用其在线性特征表示方面的优势，将离散脊波变换应用到SAR图像的压缩，提出了一种基于离散正交脊波变换的SAR图像压缩方法。实验数据表明该算法对斑点噪声污染严重的SAR雷达图像压缩较传统的小波变换更加有效。     

小波变换在图像压缩中的应用

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处理和语音分析等众多领域.本文试图从工程和实验角度出发,较为直观地探讨小波变换在图像压缩中的应用,并给出了利用MATLAB软件加以实现的方法.     

小波变换在图像压缩中的应用

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处理和语音分析等众多领域。本文试图从工程和实验角度出发,较为直观地探讨小波变换在图像压缩中的应用,并给出了利用MATLAB软件加以实现的方法。     

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。     

Ridgelet变换在图像压缩中的应用

Ridgelet变换特别适合描述具有直线或超平面奇性的高维信号。本文将介绍有关Ridgelet变换的理论,并在此基础上提出一种新的基于正交有限Ridgelet变换（FRIT）的图像压缩方法一FRIT＋DWT。试验结果表明,FRIT＋DWT方法较传统Wavelet方法获得了更高的压缩比和更好的压缩效果。     

小波变换在热图像压缩中的应用

对图像进行小波变换后各子图像数据的特性进行了探讨,并利用这些特性提出了一种方块分割方法和 一种矢量量化编码时所需的数据平稳性和各态遍历性的大数据检测方法;然后研究了小波变换在热图像压缩中的 应用.     

样条小波变换在图像压缩中的应用

本文介绍样条小波,并在此基础上提出了基于图像分解的二元张量积小波的多分辨分析方法,对变换后的图像进行二维离散余弦的二次变换,量化编码后得到了较高的压缩比和较好的重建图像。     

Contourlet变换在图像压缩中的应用研究

目前基于小波变换的图像压缩方案比较普遍.而二维小波只是一维小波的张量积,基函数的支撑区域由区间扩展为正方形,只有有限个方向.Contourlet变换是一种图像的多尺度几何分析工具,能够稀疏表示图像,非线性逼近能力很强,它的基函数则具有方向性,各向异性.本文在分析了Contourlet变换的基础上,对变换后的重要系数和其位置进行了编码.对标准图像barbara进行测试,实验结果表明:基于Contourlet变换的方案和基于小波变换的方案相比,峰值信噪比平均提高约0.5dB,且采用Contourlet变换能够较好地保留图像中的纹理,图像的主观视觉质量较好.     

小波变换在图像压缩领域中的应用

小波分析是当前数学中一个迅速发展的新领域,同时具有理论和应用的双重意义。由于小波变换具有传统的DCT正交变换的能量紧致性,同时还具有与人类视觉系统很相似的特性,因此在图像压缩领域受到关注。文章介绍了小波理论及正交小波变换的快速算法（Mallat算法）,分析了小波变换的统计特性,讨论了小波变换在图像压缩领域内的应用。     

小波变换在热图像压缩中的应用

对图像进行小流变换后各子图像数据的特性进行了探讨，并利用这些特性提出了一种方块分割方法和一种矢量量化编码时所需的数据平稳性和各态扁历性的大数据检测方法；然后研究了小流变换在热图像压缩中的应用。     

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。     

Bandelet变换原理及应用研究

近年来,多尺度几何分析在统计分析、模式识别、信号处理、数字图像处理等领域中应用广泛.作为自适应多尺度几何分析的一种新方法,Bandelet变换侧重于图像边缘的表示和处理,对于图像中的几何正则方向具有较强的自适应跟踪能力,由于Bandelet变换能提供对图像的最稀疏表示,能够用比别的基函数更少的非零系数来达到同样的逼近效果,特别是对几何特征明显的图像更具优势.文中详细介绍了Bandelet变换的提出、基本原理和方法等技术实现细节,探讨和和分析了Bandelet变换在数字图像的压缩、融合、去噪和分割等诸多方面的应用,并探讨了Bandelet变换技术的应用发展趋势.     

图像分解和区域保护在SAR图像压缩中的应用

在机载通信链路带宽有限的条件下,SAR图像的有损压缩是解决实时性和带宽限制的可行方案。提出了一种基于图像分解的敏感目标区域自动提取与保护的SAR图像压缩策略。首先将SAR图像分解为结构分量和纹理分量,然后在纹理分量中对包含潜在目标的区域进行检测,生成敏感目标区域掩码,最后对潜在目标区域进行保护性的低损压缩,对背景区域进行高损压缩。实验结果表明,恢复后的图像与标准的JPEG2000算法相比在同样的码率条件下具有更好的视觉效果。     

浅析小波变换在图像压缩编码中的应用

小波变换是在傅里叶变换无法分析突变信号和非平稳信号的基础上产生的、具有多分辨率分析的时一频分析方法。它具有良好的时域和频域局部特性,因而在数据通信领域得到了广泛的领域。本文描述了小渡变换技术在图像压缩编码中的简单应用,并在MATLAB平台上进行仿真,实现了一级、二级两种扫描的图像压缩,突出了图像处理中采用小波变换技术的可行性和优越性。     

基于小波变换的SAR图像压缩算法研究

针对合成孔径雷达(简称SAR)图像局部相关性较弱、对比度低、纹理丰富、难以保真压缩等特点,提出一种以小波变换为核心的图像压缩算法;文中重点介绍了编码器的预处理、离散小波变换、量化和熵编码等四个核心模块的实现过程;该研究课题应用该算法对某次航拍的实测数据进行压缩处理,并与标准JPEG压缩算法进行了效果对比,结果表明该算法具有高压缩比、低算法复杂度的优点,较适用于SAR图像的实时压缩与传输。     

小波变换理论及其在图像压缩中的应用

本文主要介绍小渡变换理论和多分辨率分析的基本概念,并引入小波变换理论在图像压缩中的应用,最后给出基于MATLAB中小波分析函数进行图像压缩的实验数据,并对结果进行了分析。     

小波变换技术及其在图像压缩中的应用分析

小波变换是一项重要的变换编码技术,它采用多分辨率分析方法,克服了傅氏变换的缺点,解决了时间和频率分辨率的矛盾,具有很好的局部化时频分析特性。多分辨率分析及Mallat算法为小波基的构造和快速变换提供了理论基础。该文阐述了小波变换原理,并实现了在MATLAB环境下图像小波变换压缩的模拟仿真。     

基于Matlab的小波变换在图像压缩中的应用

小波变换克服了傅利叶变换在单分辨率上的缺陷,具有多分辨率分析的特点,在时域和频域都有表征信号局部信息的能力,从而使得小波理论在图像处理等领域得到广泛的应用。本文基于Matlab数学分析工具环境下从实验角度出发,探讨了小波变换在图像压缩中的应用和小波基的选取。