静态图象的动态压缩方法

文中介绍一种通过动态压缩途径来压缩静态图象的方法。该方法首先使用排列变换将静态图象分解成动态图象序列，然后再利用现有的ＭＰＥＧ压缩程序对该图象序列进行压缩。文中还讨论了各种扫描曲线对于所生成的图象序列中相关性的影响，肯定了希尔伯特曲线的良好的局部相关性。最后使用标准测试图象Ｌｅｎａ进行了实验，结果，在压缩比同为６６：１的情况下，本方法的峰值信噪比（ＰＳＮＲ）要比ＪＰＥＧ高出０．６ｄＢ左右。     

基于小波变换和矢量量化的遥感图象压缩方法

提出基于小波变换 (WT)的矢量量化 (V Q)的遥感图象压缩编码方法。采用二维 WT消除象素间的空间相关性 ,然后对变换后的小波系数进行 VQ压缩编码。实验结果表明 :该方法可获得 10倍压缩比 ,峰值信噪比(PSNR)为 30 .5 2。本方法明显优于 JPEG方法 ,而且没有方块效应。该方法可用于各种遥感图象压缩 ,压缩比和PSNR这两项指标与 JPEG压缩方法相比 ,也有明显的提高。     

一种基于小波变换结合反向迭代修正的VQ图象压缩编码方法

将反向迭代法引入对ＶＱ（矢量量化）编码误差进行修正，从而使建立在小波变换基础上的ＶＱ编码方法的重建图象质量得到改善，使信噪比（ＳＮＲ）提高了３～８ｄＢ。对于与训练集内样本相差较大的图象在压缩比相同的条件下，改善重建图象的效果尤为明显。     

利用色彩分量相关性彩色图象压缩编码

为了提高彩色图象编码速度,提出了一种利用色彩分量相关性,结合小波变换来对彩色图象进行压缩编码的新方法,该方法是将彩色图象3个色彩分量之一首先进行小波变换零树编码,并将该色彩分量分割成若干个大小相等,但不重叠的子块,然后再计算出该色彩分量在每个子块中与另两个色彩分量在同一子块中的相关系数,这样对另两个色彩分子量的压缩编码就转变成相关系数的编码,编码则是通过反量化和小波逆变换,以得到一个重构的色彩分量,再由这个色彩分量和重构的相关系数,解出另两个色彩分量,然后由这3个色彩分量来恢复图象,实验结果表明,该方法不仅编（解）码速度快,而且有较好的信噪比、压缩比及视觉效果。     

一种新的基于形状与纹理的人脸正脸压缩方法

人脸压缩技术在有着广泛应用前景,同时也是非常具有挑战性的问题.本文提出了一种新的基于形状与纹理的人脸正脸的压缩方法.该压缩方法利用主分量分析(PCA)分别建立人脸的形状库与纹理库.压缩时,首先提取待压缩正脸图象的形状信息和纹理信息,利用训练库进行投影变换,最后进行量化和熵编码.基于本文的压缩方法,对于人脸面部信息压缩可以达到很高的压缩比.在相同的压缩比下,本文方法视觉效果远高于基于DCT压缩方法、小波方法和普通PCA方法,同时也具有更高的PSNR.     

一种基于小波变换与自适应混合量化的新图象压缩算法

本文提出了基于小波变换与自适应混合量化的图象压缩算法，该算法首先将小波变换后的图象高频子带划分为扫描块，然后依据图象的纹理复杂度和重要性程度将这些扫描块划分为4类（平坦，过渡，弱纹理和强纹理）；最后对各类扫描块分别进行向量和标量量化混合编码，实验结果表明，试图象压缩算法在压缩速度，图象复原质量等方面均优于FVQ编码算法和JPEG方法。     

一种基于小波变换的静态图象压缩编码方法

本文介绍了一种利用小波变换对静态图象数据进行压缩编码的具体方法。主要内容包括小波变换在图象压缩编码中的应用原理、变换域的量化、数据编码技术，以及计算机模拟结果和评价。文中描述了一种实用的基于小波变换的图象数据压缩算法。     

数学形态学在运动序列图象压缩中的应用

基于运动补偿的编码算法在运动图象压缩中得到非常广泛的研究和应用。该文提出一种基于数学形态学形态变换的运动补偿编码方法,通过形态变换确定对宏块中的不规则小块是否进行分割,以运动矢量比特数的增加换取帧间位移误差场（DFD）能量的大大降低,从而达到了提高压缩比（或相同压缩比下提高图象质量）的目的。     

基于小波变换的图象感知熵编码

本文提出了一种基于小波变换的图象感知熵量化编码方法，此法首先通过小波变换将图象在频率域内进行分解；然后在充分考虑人眼对图象的视觉效果的基础上对小波系数进行量化和行程编码；最后针对小波系数量化和行程编码所得的码字分布特性，采用感知熵编码实现编码码率趋近于图象的感知熵，采用该方法可在保证一定图象质量的情况下，消除冗余信息，提高图家编码的压缩比。     

基于压缩感知理论的分类量化图像编码方法*

针对矢量量化压缩速度慢、图像复原效果不理想等问题,根据图像小波分解后高频子带稀疏的特点,提出了一种基于压缩感知（compressed sensing,CS）理论的分类量化图像编码算法。仿真结果表明,与LBG矢量量化编码算法相比,重构图像质量得到极大提升,在相似压缩比下,该算法取得了较好的效果,PSNR 平均有1～3 dB 的明显提高;在相似信噪比（PSNR）下,该算法在图像压缩方面也有很大改进。     

一种小波图像压缩编码的抗干扰算法

提出了一种基于小波树搜索方式的改进了的小波图像压缩算法,算法保留和继承了EZW和SPIHT算法的所有优点,改进了它们难于抵御干扰的弱点,重点探讨了搜索规则、格点矢量编码方法以及责任中结命令 道纠错的沸合编码选择,并给出了在模拟的噪声环境下,用该算法进行编解的峰什玲噪比及其与SPIHT算法的比较。     

控制图象灰度失真的高保真压缩算法

为实现遥感图象的高保真压缩 ,在借鉴 JPEG- L S近无损压缩思想的基础上 ,提出了 3项改进措施 ,设计与实现了比 JPEG- L S压缩倍数高、图象恢复质量更好的视觉无失真压缩算法——“控制图象灰度失真的高保真压缩算法 (L IGE)”.实验结果表明 ,该算法既可限制图象最大灰度误差 ,又能控制恢复图象的峰值信噪比 ,从而有效地控制图象失真度 ,压缩倍数为 4时 ,数据处理速度与图象恢复质量两方面 ,均优于基于小波变换和嵌入式零树编码的 SPIHT算法 .该研究成果将对发展我国未来的高分辨率卫星、小卫星通信系统、星 -天 -地信息网提供有力的技术支撑 .     

一种简单误码检错多分辨率SPIHT算法

由EZW算法演变而来的SPIHT算法是目前为止影响最大的小波压缩算法之一,它通过独特的扫描方式,将小波系数按照能量大小或者重要性程度编码输出。由于引入了小波树,隐藏了扫描路径,SPIHT能获得高压缩比,同时保持较高的图像质量。而后提出的多分辨率SPIHT算法能使解码器根据信道条件,选择图像还原分辨率。然而,SPIHT对路径可靠性要求严苛,任何路径信息的传输错误都会导致剩余所有码元的解码出错。许多学者就路径码元的保护提出了不同改进,却未能从根本上提高算法的抗噪性能。为此,提出了一种改进了的SPIHT算法,该算法在保持较高信噪比和不增加码元数量的基础上,使解码器具有简单误码检错能力。     

改进的静态图像零树编码算法

Ｓｈａｐｉｒｏ的ＥＺＷ静 图像压缩算法,由于充分利用了小波变换图像的良好性质,引起了图像数据压缩领域的广泛注意,ＥＺＷ算法被认为是静态图像变换编码领域迄今为止最好的算法之一,通过分析与实验,发现该算法也存在一些不足,地此该文提出 了一种改进的零树编码算法,在一定 克服了这些不足,该算法编码流包括在发）最低了带图像的编码流,最低频的子带图像包含了原始图像的绝大春系数的绝对值比人它子图的系数要大几个数     

基于快速逐次逼近量化的零树编码图像压缩算法

提出一种基于快速逐次逼近量化的零树编码图像压缩算法。该算法通过以下三项措施提高EZW算法的编码效率:(1)引进子带峰值的概念建立逐次逼近量化的快速算法;(2)对小波边缘子带进行有效处理以消除编码冗余;(3)建立了5个上下文内容模型对重要位符号进行编码。实验结果表明,该算法是一种高效的图像压缩算法,在压缩性能方面优于经典的EZW和SPIH T算法。     

基于矢量量化的嵌入式零树小波改进编码方法

基于矢量量化的SOFM算法和嵌入式零树小波算法(EZW)如今已经广泛的被使用于图像压缩领域,均被认为是非常有效的压缩编码技术。矢量量化方法压缩比较高,但往往存在分块效应,而EZW算法在高压缩比情况下存在恢复的图像质量较差的问题,提出一种基于矢量量化的嵌入式零树小波方法,它的基本原理是引入差值图像思想,先对原图像做矢量量化,再将原图像与矢量量化的恢复图像求差值图像,差值图像经过小波分解以后会存在大量为0的小波系数,再利用EZW编码,帮助提高重建图像质量。实验表明,相对于EZW和JPEG2000算法,本文算法的压缩比和编码质量均有显著提高。     

基于结构树集合分割的效能选择性图像编码算法的改进

J．M．Shapiro提出的嵌入式小波零树(EZW)图像压缩编码算法，以其渐进嵌入的风格和简单高效的特点，开辟了小波变换在图像压缩编码应用中的广阔前景，引起了人们的普遍关注。在EZW算法之后，又有许多对EZW算法进行改进的方案被相继提出。其中由A．Said提出的基于结构树集合分割(SPIHT)的算法对进一步提高EZW算法的压缩比效果尤为明显。而文献[1]又提出了基于结构树集合分割的效能选择性(AS-SPIHT)图像编码算法。本文提出了一种改进的AS-SPIHT(IAS-SPIHT)图像编码算法。该算法首先通过建立四元组模型，简化了SPIHT及AS-SPIHT算法的实现；其次，通过充分利用已检出重要系数的先验知识，进一步提高了压缩比。     

改进的分形矢量量化编码

为了提高图象的分形矢量量化编码效果，在利用四叉树对图象进行自适应分割的基础上，基于正交基三维分量投影准则，提出了图象块非平面近似方法，进而形成一种新的静态图象分形矢量量化编码方法。该方法首先通过对投影参数进行DPCM编码来构造粗糙图象，然后由此来构成差值图象编码的码书。由于该方法把分形和矢量量化编码结合起来，因此解码时只需查找码书，并仅进行对比度变换。计算机编、解码实验结果表明，该编码方法具有码书不需外部训练，解码也不需迭代等优点，且与其他同类编码器相比，该方法在压缩比和恢复图象质量（PSRN）方面均有明显改善。     

改进的多分辨率SPIHT算法

由于引入了小波树,隐藏了扫描路径,因此SPIHT算法能获得较高压缩比,同时保持较好的图像解码质量。而多分辨率SPIHT算法能根据接收方的分辨率需求,使解码器根据不同信道条件选择图像还原分辨率。但是,该算法按照分辨率级成组扫描处理每级LIP, LIS, LSP表,更新下一级表时,会造成重复比较和冗余编码,既浪费执行时间,又增加了计算复杂度。该文改进了该算法,简化了原有算法流程,减少了编码冗余。理论分析和实验表明,在保持较高PSNR的同时,该算法明显提高了编码速度。     

嵌入式零树编码在图像压缩中的研究与应用

针对EZW和SPIHT算法在压缩效率和压缩性能方面的不足,提出了改进算法,将(5,3)整数小波变化与这两种算法结合起来,并对三个子带分别进行编码,给出了两种算法的峰值信噪比、均方误差的理论对比分析。所有结论被Matlab仿真试验验证。