面向图象压缩的图象分类及压缩结果预测

图象数据存在冗余使图象压缩成为可能 ,而不同图象的数据冗余度特别是空间冗余度相差很大 .对被压缩图象的空间冗余度这一图象的本质属性进行研究、减少图象压缩及方法选择时的盲目性是非常必要的 .为此提出了面向图象压缩的图象分类这一新概念以及具体分类算法 .该算法利用图象小波高频系数的分布特点 ,采用图象边缘度作为图象空间冗余度的度量 ,将不同内容的图象按边缘度大小分类 .分类的结果可对不同图象的压缩结果进行预测 .实验结果表明 ,图象分类结果和对压缩结果的预测是有意义的 ,并与人的视觉相吻合 .该分类思想对其他图象处理算法的选择和优化也有参考价值 .     

基于JPEG-LS框架的无损压缩技术研究

近无损图象压缩是近年来发展较为迅速的一门技术 ,由于其压缩效率较低 ,通常的压缩方法难以实现实时性。采用 JPEG LS框架结构 ,对系统软件进行了研究 ,通过实际测试 ,该方法平均压缩率可达原图象的35 % ,并且能够实时处理     

静止彩色图象压缩编码技术

近些年来，人们在继续研究灰度图象压缩编码技术的同时，越来越关注它们在彩色图象压缩编码技术中的推广使用。本文着重介绍用于静止彩色图象压缩编码中的几种主要技术的进展情况。     

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。     

PACS中的三维小波图象压缩

满足医学影象临床诊断需要的无失真压缩编码技术的研究是图象压缩研究的新领域,也是ＰＡＣＳ系统和远程医疗诊断系统研究的热点之一。该文提出将三维小波压缩技术应用于ＣＴ,ＭＲＩ等所产生的多帧断层图象,把二维医学序列图象组视为三维图象进行了研究,并提出了一套完整的,切实可行的三维小波压缩方案。通过实验证明,三维小波压缩技术大大优于目前ＰＡＣＳ中最常用的二维ＪＰＥＧ编码和二维小波压缩技术。     

多媒体技术中的静态图象格式及其转换

分析当前流行的几种图象格式及DVI技术的基础上,探讨了各种图象格式间的转换、图象格式中的压缩技术以及图象显示问题.     

基于提升方案的整数Deslauriers—Dubuc（m,n）插值小波变换结合SPIHT应用于图象无损压缩性能的研究

研究了基于提升方案的Deslauriers-Dubuc(m,n）插值小波变换结合SPIHT应用于图象无损压缩编码的性能，实验结果表明，基于提升方案和整数运算的插值小波变换是整－整可逆变换，适于快速的，渐进性的直至无损图象压缩，无损压缩性能远好于Huffman,WinRar,Raw WinZip,JPEGLS,以（4，4）插值小波为例平均而言压缩比较分别比上述编码方法提高了63％、49％、46％，34％左右，由于实现的可逆小波变换是基于整数运算的，可由加法和移位完成，运算速度快，便于运态图象编码及硬件实现。     

基于迭代分形的图象压缩和检索方法

图象所具有的海量性和无序性的特点，决定了多媒体应用的构建必须解决图象数据的高效压缩和有效检索两个关键问题，而由于传统的压缩和检索技术的研究是相互分离的，因而限制了多媒体应用系统整体性能的提高，针对此问题，从两者相互结合的观点，对图象压缩和检索方法进行了研究，首先在小波变换域内，基于迭代分形对图象数据进行压缩，然后在图象分形码的基础上，利用迭代函数系统分布特性构建的特征量来支持图象检索，实验结果验证了该方法的可行性和有效性，同时也表明了基于迭代分形的图象检索方法所具有的巨大应用潜力。     

基于预测模型的分形图象缩编码方法

给出了一个基于ρ图象模型的预测模型，用来预测分形图象编码中图象子块编码匹配成功的可能性以及匹配搜索空间的有效范围，并以此模型为根据提出了一种基于预测模型的分形图象压缩编码方案，大大减少了分形图象编码中不必要的尝试匹配搜索计算，实验结果表明该方案能够提高分形图象的编码速度，具有很高的实用价值。     

基于灰预测的图象编码技术

在研究以往编码技术的基础上,根据差分编码的思想提出了一种基于灰预测的编码技术。该方法通过建立灰模型对图象中象素点的灰度值进行预测,然后对各点预测值与原始值之间的误差编码,以达到图象压缩的目的。其主要特点是:采用灰模型对象素值进行预测易于实现,可避免线性预测时对于系数的确定;另外,采用差分编码技术减少了被编码数据之间的相关性,能够更有效地提高压缩性能。通过实例验证了以上方法的有效性。     

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。     

一种准无损压缩图象子带编码算法

针对有损压缩会损失一部分信息而无损压缩又压缩比较低的问题,提出一种实现准无损压缩的方法。该方法就是首先将图象用噪声模型进行去除噪声处理,以提高图象的信噪比,并有利于图象的压缩;然后再使用区域自适应子带编码算法进行编码。由于该算法能快速收敛,因而编码时间相对较少;编码通常能实时执行。实验结果表明,该压缩方案具有高信噪比、高压缩比等优良性能。从算法的理论基础来看,其中基于噪声模型的噪声清除算法对其他编码算法（如DCT、DPCM、JPEG、SPIHT、MPEG等等）同样具有推广意义。     

Lossless compression and information hiding in images

This paper presents an image lossless compression and information-hiding schemes based on the same methodology. The methodology presented here is based on the known SCAN formal language for data accessing and processing. In particular, the compression part produces a lossless compression ratio of 1.88 for the standard Lenna, while the hiding part is able to embeds digital information at 12.5% of the size of the original image. Results from various images are also provided.     

无损图像压缩算法与有损图像压缩算法分析

随着图像信息的大量存储和传输,图像压缩技术的研究越来越深入。分析现有的无损图像压缩技术——基于统计概率方法、基于字典编码方法和预测编码方法。并详细介绍有序二叉决策图OBDD,并对其进行新型和有效的编码,同时分析有损图像压缩技术,并对无损压缩算法和有损压缩算法进行比较。     

图像无损压缩技术分析与性能比较

讨论了目前常用图像无损压缩算法的基本原理和实现方法,并对这些方法的性能做了分析比较。通过实验表明,基于整数小波变换的压缩方法具有较好的压缩比。针对无损压缩比低的问题,提出根据图像特点首先采用预测编码方法或整数小波变换方法降低图像信息量,再使用熵编码方法的方案能较好地提高压缩比。     

基于D^2PCM的数字减影图象序列无损压缩算法

充分利用数字减影（ＤＳＡ）图象序列在时间域上的减影图象之间仍然存在一定的相似性,提出了一种基于二阶差分ＰＣＭ（Ｄ＾２ＰＣＭ）的编码方式。方法在空间坐标与时间坐标上构成了一个二阶差分,能够有效地减少图象在空间以及时间域上的冗余度,从而实现对ＤＳＡ序列的无损压缩,减少了存储空间与传输时间。实际应用证明该处法是稳定和实用的。     

数字图像重压缩检测研究综述

随着数字图像处理技术的广泛应用,数字图像处理软件在给人们的工作和生活带来便利的同时,由恶意篡改图像所引发的一系列社会问题也亟待解决,因此能够对图像的真实性和完整性进行判断的数字图像取证技术显得尤其重要。篡改图像必然会经过重压缩这一步骤,因此数字图像重压缩检测能够为数字图像取证提供强有力的辅助依据。文中对数字图像重压缩检测研究进行了系统的梳理,提出了数字图像重压缩检测的技术框架,详细阐述了无损图像压缩历史检测、有损压缩图像双重压缩检测、有损压缩图像多重压缩检测以及其他格式的重压缩检测的取证算法和思路,对现有算法进行了性能分析和评价。然后,总结了图像重压缩检测的应用。最后,分析了数字图像重压缩检测目前存在的问题,并对未来的发展方向进行了展望。     

基于静态串表的图像无损压缩编码方法

结合前像素预测编码方法和Lempel-Ziv-Welch(LZW)编码思想并针对其对于变化频率较高的信号压缩效率较低的问题,提出了一种通过利用图像像素之间相关性构建静态串表对数字图像进行无损压缩的编码方法。通过对前向预测编码处理后的图像数据进行查表编码来实现图像无损压缩。实验结果表明该方法实现简单,压缩效率高于LZW算法和WinZIP算法。     

基于改进SPIHT的图像无损压缩算法研究

针对应用于图像无损压缩的传统SPIHT算法没有充分利用小波系数低频子带带内的相关性且存在编码冗余的不足之处,提出了基于改进SPIHT的图像无损压缩算法。首先对原始图像进行整数小波变换,然后对小波变换后的低频子带和高频子带分开编码,即对低频子带进行预测编码;对高频子带,当阈值小于等于2时,改变了传统SPIHT算法的编码方式,减少了比特输出。实验结果表明,与传统SPIHT算法相比,比特率平均降低了0.0653bpp。     

PPM压缩算法在图像压缩中的应用

PPM算法是一种文本无损压缩算法。它同广泛应用的WinZip相比具有很高的压缩比，后者主要应用了L－Z算不。而后者之所以能够得到广泛的应用主要是由于其易用性以及简单性，这正是PPM算法主要的缺点。PPM^*算法对PPM算法进行了改进，提高了压缩率，并且使所需内存大大减少。用按照PPM^*C算法编制的软件应用于图像压缩领域，效果同WinZip以及另一种压缩算法L－Z－W相比要好。