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。     

基于DPCM与S+P变换的图像无损压缩

S+P变换是由AmirSaid犤7犦提出的一种多分辨表示方法,能够实现整数到整数的变换,从而成功地应用于图像的无损压缩,其性能优于基于线性预测的JPEG标准。为了进一步提高压缩性能,论文提出了一种基于DPCM与S+P变换的图像无损压缩算法。首先,对原始图像进行线性预测,得到差值图像;其次,对差值图像进行S+P变换;最后,对变换系数进行熵编码压缩。新算法利用像素间的相关性,给出了一种新的利用一维S+P变换实现图像变换的方法,减少了变换增加的数据量,有效地解决了边界处理问题。实验结果与性能比较表明:新算法有效的,优于其它著名的基于多分辨分解的无损图像压缩编码算法犤7,10,12犦。     

一种新的无损小波图像压缩算法

基于Daubechies 5-3旋转小波，本文提出了一种无损图像压缩新算法，这一工作证实了小波压缩的如下问题，小波压缩具有与JPEG那样快的运行速度，在不改变变换系数的条件下，采用序贯处理方法能急剧地减小存储器的需要量，能用小波实现图像的无损压缩，对比实验表明，这种快速，有效的无损图像压缩技术比标准的JBIG和无损的JPEG性能要优越。     

基于感兴趣区的图象近无损压缩

无损感兴趣区（Lossless Region of Interest (ROI)图象压缩方法,即在感兴趣区采用无损压缩,而在其他区域采用有损压缩,从而保证了重要信息不丢失,并尽可能提高衅象的压缩比,在整形小波变换（IWT）和嵌入式零树编码的基础上,实现了无损感兴趣区（Lossless ROI)的图象近无损压缩,并提出了一种小波变换域形状编码算法－－树映射形状编码,同时给出了算法的原理及实现,并进行了相关实验,实验结果表明,该算法能够提高压缩效率,且压缩效率取决于感兴趣区的大小以及对不感兴趣区图象的质量要求。     

基于感兴趣区域的医学图像近无损压缩

在应用整数小波变换和基于分层树集合分割排序算法的基础上,提出了一种新的基于感兴趣区域的编码方法.本文还提出了一种感兴趣区优先编码策略,可以保证在极低的码率下感兴趣区的重建质量远远好于非感兴趣区的重建质量.这些方法得到的压缩码流都具有嵌入的特点,支持渐进传输.     

IWT应用于无损数字图像压缩的快速算法

数字图像的无损压缩是一个新兴的研究热点。在传统的熵编码基础上引入整数小波变换可以使得图像的压缩比有一定的提高。利用整数小波变换空间上的非相关性,采用效率优先的算法和位分裂的编码技术,可以使得图像的处理速度有非常大的提高。     

基于整数小波变换的图像无损压缩方法

本文提出了一种基于整数的第二代小波变换图像无损压缩算法,它克服了第一代小波变换所存在的缺陷。首先将图像进行整数小波变换,然后利用不同子带的小波系数分布特性,对不同的子带采用不同的预测方式,对预测误差进行哈夫曼编码。与JPEG无损压缩模式相比较,该算法方法简单,有较好的压缩性能。     

整型小波变换应用于遥感图像无损压缩

基于“提升”(Lifting)算法实现整型小波变换(IWT),然后将图像变换到小波域,用零树编码 和算术编码相结合的方式对图像进行无损压缩,并针对遥感图像波段之间的相关性进行了谱间预 测。最后进行了一些相关实验,实验证明将IWT应用于遥感图像无损压缩是有效的。     

基于整数小波变换的机载多光谱图像无损压缩

首先探讨了基于提升方案的整数小波变换,结合线性预测技术,提出了一种机载多光谱遥感图像的无损压缩方法。该方法通过整数小波变换减少图像的空间冗余,然后根据多光谱图像谱间的相关性对整数小波变换后的结果进行预测,并且加进了相关性判断这一环节保证了预测的有效性。算法适合并行处理和硬件实现。对机载64波段多光谱遥感图像的试验结果表明,该方法与改进的预测树方法相比其无损压缩比平均提高了16%,压缩时间缩短了三分之二。     

基于整数小波变换的图像压缩算法

IWT（integer wavelet transform）是一种基于提升格式整数小波变换的图像压缩算法.IWT比传统的浮点小波变换效率要高.在硬件实现时,整数运算比浮点运算便宜,基于提升格式的整数分解时所需的存储空间只是传统变换的一半.基于此考虑有损压缩,图像先作基于提升格式的整数分解,然后结合改进的EZW和自适应量程编码.在编码性能不受影响的情况下,此算法比Shaprio的EZW编码要快1.5倍.     

一种基于整数小波变换的图像无损压缩方法

由于第二代小波变换可以实现图像的整数到整数的变换,而且图像的恢复质量与变换时边界采用何种延拓方式无关,完全可以克服由第一代小波变换所带来的缺陷。该文利用这个特性,提出了一种基于整数小波变换的图像无损压缩算法。该方法首先将图像进行整数小波变换,然后利用不同子带的小波系数分布特性,对不同的子带采用不同的预测方式,最后将预测误差进行哈夫曼编码。实验结果表明,该方法算法简单,有较好的压缩性能,与JPEG无损压缩模式相比较,有较大的优势。     

自适应不规则纹理的胶囊内镜图像无损压缩

为缓解无线胶囊内镜图像在电子设备以及服务器中的存储压力,提出一种自适应不规则纹理的无损压缩算法。在图像块内,利用扩展角度预测模式寻找与待预测像素最邻近的5个参考像素,并给其中3个参考像素分配不同权重,同时根据邻近像素值梯度变化规律,扩大待预测像素在不规则纹理方向上的预测值选择范围,基于图像块的最小信息熵选择最优的预测值,将真实值与预测值作差获得预测残差,以适应不规则纹理图像。利用跨分量预测模式选择最优的预测系数,构建符合图像块内预测残差分布规律的线性关系,从而消除当前编码像素中3个分量的冗余数据。结合Deflate算法对经多角度预测模式与跨分量预测模式预测后的剩余残差进行熵编码。实验结果表明,该算法在Kvasir-Capsule数据集上的无损压缩比平均为5.81,相比WebP、SAP、MDIP等算法,具有较优的压缩性能,能够有效提高图像的冗余消除率,其中相较WebP算法的冗余消除率提高约1.9%。     

Image coding algorithm based on Hadamard transform and simple vector quantization

Transform coding is commonly used in image processing algorithms to provide high compression ratios, often at the expense of processing time and simplicity of the system. We have recently proposed a pixel value prediction scheme in order to exploit adjacent pixel correlation, providing a low-complexity model for image coding. However, the proposed model was unable to reach high compression ratios retaining high quality of reconstructed image at the same time. In this paper we propose a new segmentation algorithm which further utilizes adjacent pixel correlation, provides higher compression ratios and it is based on application of Hadamard transform coding. Additional compression is provided by using vector quantization for a low number of quantization levels and by simplifying generalized Lloyd’s algorithm where the special attention is paid to determination of optimal partitions for vector quantization, making a fixed quantizer. The proposed method is quite simple and experimental results show that it ensures better or similar rate-distortion ratio for very low bit-rates, comparing to the other similar methods that are based on wavelet or curvelet transform coding and support or core vector machine application. Furthermore, the proposed method requires very low processing time since the proposed quantizers are fixed, much less than the required time for the aforementioned methods that we compare with as well as much less than the time required for fractal image coding. In the end, the appropriate discussion is provided comparing the results with a scheme based on linear prediction and dual-mode quantization.

     

整数CDF(2,2)双正交小波变换结合SPIHT的无失真图像压缩

讨论了整数CDF(2,2)可逆双正交小波变换,该方法可以由加法和移位完成,所以运算速度快,便于硬件实现该方法与SPIHT以及熵编码相结合可以实现无失真图像压缩,与ARJ、JPEG、整数Haar变换结合DPCM中使用的无失真编码方法相比,压缩比分别平均提高了40%、30%、15%左右。     

DPCM与整数小波变换相结合的图像无损压缩

论文讨论了将DPCM变换与整数小波变换相结合的方法来实现图像的无失真压缩。在论文压缩算法中,首先对图像进行DPCM预测,将差值图像经过整数小波变换,然后再用无损SPIHT算法进行压缩编码,最后再经过相应的逆变换即可以得到重构的无失真图像。该方法简单易懂,硬件实现方便。仿真结果表明,这是一种效果很好的图像无损压缩方法。     

基于Logistic混沌映射和IWT-SVD量化的盲鲁棒水印算法

为了提高数字水印的鲁棒性以及水印嵌入位置的保密性,提出了一种基于Logistic混沌映射和整数小流变换—奇异值分解(IWT-SVD)量化的盲鲁棒水印算法:对二值水印图像进行Arnold置乱,对原始载体图像进行8×8分块,利用生成的Logistic混沌序列选择嵌入水印的图像块,充分保证了水印嵌入位置的保密性;对选中的图像块进行二级IWT分解,对得到的二级低频子带系数进行SVD;将置乱后的水印信息嵌入.算法不需要原始载体图像,实现了水印的盲提取,更具实用性.仿真实验结果表明:算法对常规图像处理操作、压缩攻击和剪切攻击均具有较强的稳健性.     

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。     

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。     

CFA图像无损压缩神经网络预测器的设计

论文将神经网络引入预测器设计中,实现了一个用于贝尔模板自然图像无损压缩的神经网络预测器。该预测器含有两个隐含层,具有很强的非线性预测能力,可直接对贝尔模板类型的图像进行无损压缩。为了提高预测精度,在CFA数据的因果邻域像素中实现了边缘检测,并将其应用到预测器中,实验表明该边缘检测方法简单有效。     

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编码性能的研究

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 Huffm an、Win Rar、Raw Win Zip、JPEGL S.以 ( 4,4)插值小波为例平均而言压缩比分别比上述编码方法提高了 63 % ,49% ,46% ,3 4%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 ,便于动态图象编码及硬件实现