静止图像的自适应分类编码

本文提出一种静止图像自适应分类编码方法，它利用人眼的视觉特性及图像的局部统计特性，并融编解码、传输，后期处理于一体，本文讨论了其工作原理和参数的选取，并给出了实验结果。     

新一代静止图像编码系统-JPEG2000

JPEG2000是最新制定的静止图像编码国际标准，JPEG2000不仅提供的率失真性能和主观图像质量优于原JPEG标准，而且在支持渐进图像传输、感兴趣区图像编码和抗误码性能上也优于传统的JPEG标准和其它编码方法。本文对JPEG2000系统的结构、特性以及其编码算法进行了分析，并给出JPEG2000与原JPEG标准的性能比较。     

静止图像编码

本文简要介绍了静止图像编码中的方块截断编码、子带编码、拉普拉斯锥形编码及国际JPEG建议。此外,还介绍了两个实用的静止图像传输系统。     

一种基于双正交小波变换的静止图像编码算法

本文研究了基于双正交小波变换的静止图像编码算法，提出了一种新的数据结构即扩展子树，从而实现了一种性能较好复杂度较低的静止图像编码方案。     

JPEG2000率失真斜率计算的浮点操作及其VLSI结构研究

在采用JPEG2000算法的图像压缩芯片结构研究中，我们发现编码(EBCOT)部分的计算结构是相当复杂的。其中率失真计算结构是否合理，直接关系到编码算法的效率。本文着重阐述了完成率失真浮点计算所必需的硬件结构；提出了新型的专用于率失真计算的除法算法及其结构；在保证计算精度和速度的前提下，最大限度地降低了计算结构的复杂度。本论文提出的计算结构已通过RTL级源代码和综合布线后门级仿真，并经过Xilinx FPGA测试线路板上运行验证。为确保JEPG2000图像编码芯片的最终成功流片解决了一个关键问题。     

零树编码在图像压缩中的应用

零树编码是基于小波变换的一种图像压缩方式,它的出现为实现高压缩比、高质量压缩图像提供了新途径。近几年,随着矢量量化技术的广泛应用,零树编码思想再次被赋予新的活力。针对零树编码思想在图像压缩领域中的应用进行缩合性的描述。     

视频编码新标准VC-1

VC-1是新一代的视频压缩标准之一，具有比以往标准更高的压缩效率，适合不同领域的视频应用。本文对VC-1的特点、关键算法、性能以及发展前景进行了全面论述。     

数字图像压缩编码

本文介绍图像压缩的一些概念，并介绍几种抽样量化和编码的方法以及有关的国际标准。     

分层多描述编码的率失真

对分层多描述编码的速率失真进行了理论分析,并通过对失真以及速率与量化步长关系的分析,建立了分层多描述模型.     

视频编码流的转换编码

１引言目前,ＡＴＳＣ和ＤＶＢ标准的视频压缩部分都是ＭＰＥＧ２标准的一个子集。ＭＰＥＧ通过提供多种“类”和“等级”来覆盖尽可能多的应用领域,但目前真正得到广泛重视和支持的主要是主类。ＭＰＥＧ２提供了分层编码工具以支持一些较为复杂的应用,但是受编解码器复杂度的制约,分层编码的层数有限,在很多情况下无法与数字电视格式和传输信道特性的多样性相匹配。在视频点播应用中,分层的特点限制了用户的选择,并且可能与未来的网络不能很好地适应,如移动网采用低码率传送视频。为解决这类问题,近来多种视频转换编码技术得到…     

新一代的静止图像压缩标准JPEG2000

JPEG2000是国际标准组织ISO／ITU－T为适应21世纪图像压缩应用而制定的静止图像压缩标准。目前,该标准的第一部分（PART1）已基本完成。本文介绍了这一即将完成的新标准的特点及应用场合,阐述了JPEG2000图像编码系统的实现过程,对其中采用的基本算法和关键技术进行了描述。     

Multiband Lossless Compression of Hyperspectral Images

Hyperspectral images exhibit significant spectral correlation, whose exploitation is crucial for compression. In this paper, we investigate the problem of predicting a given band of a hyperspectral image using more than one previous band. We present an information-theoretic analysis based on the concept of conditional entropy, which is used to assess the available amount of correlation and the potential compression gain. Then, we propose a new lossless compression algorithm that employs a Kalman filter in the prediction stage. Simulation results are presented on Airborne Visible Infrared Imaging Spectrometer, Hyperspectral Digital Imagery Collection Experiment, and Hyperspectral Mapper scenes, showing competitive performance with other state-of-the-art compression algorithms.      

高分辨率航测CCD图像的无损压缩算法

针对超高分辨率CCD相机拍摄图像,提出了一种无损压缩算法.算法以嵌入式小波零树编码为基础, 通过对零树编码输出的比特平面采用变长游程编码方法很好地提高了图像压缩比.同时,算法将游程编码与比特平面编码统一进行,编码效率大大提高.实验结果表明,该算法的像素平均比特率相对经典的嵌入式小波零树算法均有明显降低.     

一种新的数据无损压缩编码方法

为了降低数据存储和传输的成本,对数据进行压缩处理是一种有效的手段。该文针对具有较小均方值特征的整型数据序列提出了一种新的可用于数据无损压缩的位重组标记编码方法。该方法首先对整型数据序列进行位重组处理,以提高部分数据出现的概率;然后根据数据流中局部数据的概率分布特点自适应地选择合适的编码方式对数据流进行编码。运用实际具有较小均方值特征的整型数据序列对该文方法和其它几种无损压缩方法进行了压缩解压测试,并对比分析了各种压缩算法的压缩效果。测试结果表明,新方法可以实现数据的无损压缩与解压,且其压缩效果优于LZW编码,经典的算术编码,通用的WinRAR软件和专业音频数据压缩软件FLAC的压缩效果,具有良好的应用前景。     

基于双向预测的高光谱图像无损压缩

提出了一种基于双向预测的高光谱图像无损压缩算法。该算法首先采用自适应波段选择算法选出信息量较大的波段,然后利用聚类算法对这些波段的谱向矢量进行分类预处理。为了便于组织谱间预测过程,根据相邻波段相关性大小进行自适应波段分组,采用双向预测的方法去除谱间相关性。通过在参考波段和预测波段中定义三维上下文预测结构,在聚类结果的基础上,对各个像素分别训练最优的预测系数,从而实现当前波段的有效预测。对AVIRIS型高光谱图像的实验结果表明,该方法可获得较好的无损压缩性能。     

基于波段分组的高光谱图像无损压缩

高光谱图像海量数据给存储和传输带来极大困难,必须对其进行有效压缩。针对高光谱图像不同频谱波段间相关性不同的特点,提出一种基于波段分组的高光谱图像无损压缩算法。为了降低波段排序算法的计算量,根据相邻波段相关性大小预先进行分组,采用最佳后向排序算法对各组波段进行重新排序。在当前波段和参考波段中选取具有相同空间位置的邻域结构,在最小二乘准则下,利用邻域像素对当前预测像素进行最优谱间预测。参考波段和预测残差数据进行JPEG-LS压缩。对OMIS-I型高光谱图像进行实验的结果表明,与基于多波段预测算法相比,该算法可进一步降低压缩后的平均比特率。     

结合预测误差反馈的高光谱图像无损压缩研究

高光谱图像的海量数据给存储和实时传输带来极大困难,必须对其进行有效压缩.提出了一种结合预测误差反馈的高光谱图像无损压缩算法.根据高光谱图像相邻波段相关性强弱进行波段分组,有效降低了波段排序算法的计算量.通过研究波段排序算法的性能,采用最佳后向排序算法对各组进行波段排序.为有效去除高光谱图像相关性,采用JPEG压缩标准中的无损预测模式对各波段进行谱内预测,利用参考波段预测误差对当前波段谱内预测值进行反馈校正,可进一步提高预测精度.最后,利用JPEG-LS标准对参考波段和预测残差进行无损压缩.对AVIRIS型和OMIS-I型高光谱图像的实验结果表明,该算法可显著降低压缩后的平均比特率.     

基坑监测系统中图像的无损压缩传输

基坑监测系统中,为了减小棋盘格靶标图像图像的传输时间和传输带宽,同时满足监测精度的要求,必须对图像进行无损压缩。由此着重分析了棋盘格图像特点,并从无损压缩原理出发,比较了霍夫曼、游程长度、算术、LZW等几种图像无损压缩方法的优劣,并且探讨了先将图像作DCT变换再进行无损压缩的效果。实验结果表明： LZW 编码方法对棋盘格图像具有最大的压缩比和最快的压缩速度,是基坑监测系统中的最理想的无损压缩方法。     

Lossless Compression of Microarray Images Using Image-Dependent Finite-Context Models

The use of microarray expression data in state-of-the-art biology has been well established. The widespread adoption of this technology, coupled with the significant volume of data generated per experiment, in the form of images, has led to significant challenges in storage and query retrieval. In this paper, we present a lossless bitplane-based method for efficient compression of microarray images. This method is based on arithmetic coding driven by image-dependent multibitplane finite-context models. It produces an embedded bitstream that allows progressive, lossy-to-lossless decoding. We compare the compression efficiency of the proposed method with three image compression standards (JPEG2000, JPEG-LS, and JBIG) and also with the two most recent specialized methods for microarray image coding. The proposed method gives better results for all images of the test sets and confirms the effectiveness of bitplane-based methods and finite-context modeling for the lossless compression of microarray images.      

图像无损压缩的预测编码及量化误差处理

本文提出了一种基于预测编码并对量化误差进行四叉树编码从而实现对灰度图像无损压缩的方法。采用固定预测系数的算法，使得预测过程速度很快；通过四叉树编码方法处理量化误差，避免了对小数编码和处理这一复杂的过程。整个实现过程十分简单，实验结果显示，图像通过预测器后的平均码长明显小于原始图像的熵。