基于自适应稀疏变换的指纹图像压缩

随着指纹识别技术的广泛应用,大量指纹图像需要被收集和存储.在指纹识别系统中,对于大容量的指纹数据库,指纹图像必须经过压缩后存储以减少存储空间,本文提出了基于自适应稀疏变换的指纹图像压缩算法.该算法在离线状态下提取指纹图像特征训练超完备字典;在编码过程中,首先利用差分预测编码和稀疏变换将待压缩指纹图像转换到稀疏域,然后对直流系数和稀疏表达系数进行量化和熵编码,从而实现图像信息的压缩.实验表明,在中低码率段,本文算法相比于JPEG、JPEG2000和WSQ等主流压缩算法表现出更优越的率失真性能;在相同码率时,本文算法生成的压缩图像的主观视觉效果更好,指纹识别率更高.     

基于分离Bregman迭代协同稀疏性的图像压缩感知恢复算法

目前存在的CS恢复算法中大都采用固定的基函数,也就是在确定的域中对信号进行分解,比如:DCT域、小波域和梯度域,但这些域都忽略了自然信号的非平稳特性,缺乏自适应能力,从而不能够将图像分解得足够稀疏,也就使得CS恢复的效果很差,限制了CS在图像方面的应用。提出了一种基于分离Bregman迭代方法求解协同稀疏模型正则化的图像压缩感知恢复算法,能够在有效地刻画图像的局部平滑性和非局部自相似性的同时,获得更高质量的图像恢复效果。实验证明了本文提出算法的有效性,并且在峰值信噪比PSNR方面,比目前主流最好的算法高1 dB。     

基于生物视觉机理的数字文献图像去噪

针对数字文献图像去噪问题,提出一种基于生物视觉机理的图像去噪算法。模拟初级视皮层简单细胞感受野的响应特性,通过提取数字文献图像的特征,获得数字文献图像的基函数。由动物视觉感知系统的稀疏性,计算神经元对含噪声图像的响应,结合稀疏编码收缩法对响应系数进行收缩,通过响应强烈的神经元重构图像。实验结果表明,与传统的去噪方法相比,该算法能更好地去除数字图像中的高斯噪声,并保留图像细节信息。     

基于快速稀疏表示的医学图像压缩

随着数字医学图像数据量的日益增大,有必要采取一定的图像压缩技术进行压缩存储。为此,提出基于快速稀疏表示的医学图像压缩方法。使用K-奇异值分解算法构造医学图像过完备字典,采用批量正交匹配追踪(Batch-OMP)算法进行稀疏编码。该方法只需要存储稀疏编码非零位置的系数信息,利用过完备字典即可实现原始医学图像的重构。实验结果表明,该方法可提高图像稀疏编码的速度,与正交匹配追踪(OMP)算法相比可提速40%左右,并且图像重构效果优于联合图像专家组(JPEG)算法和多级树集合分裂(SPIHT)算法的压缩效果,相对JPEG压缩的图像峰值信噪比平均提高18%,相对SPIHT算法平均提高50%。     

基于稀疏表示的SAR图像压缩方法研究

基于过完备字典的图像稀疏表示是一种新的图像表示理论,利用过完备字典的冗余性可以有效地捕捉图像的各种结构特征,从而实现图像的有效表示。采用基于过完备字典稀疏表示的方法实现SAR图像的压缩。为了得到表示图像所需要的信息,只需要存储稀疏分解的系数极其对应的坐标,实现压缩的目的。采用K-SVD算法实现过完备字典的构造。K-SVD算法是一种基于学习的算法,由于训练样本全部来自于图像本身,因此字典能够更好地逼近图像本身的结构,实现稀疏表示。仿真表明对于SAR图像的压缩,算法是有效的,并且优于基于DCT的Jpeg算法和基于小波变换的EZW和SPIHT算法。     

基于分类冗余字典稀疏表示的图像压缩方法

JPEG和JPEG 2000标准在高压缩率条件下解压缩得到的图像会出现失真,利用冗余字典的稀疏表示可以在高压缩率下获得较高质量的解压缩图像,但单一的冗余字典表示不能充分反映图像结构。针对上述问题,提出一种利用分类冗余字典进行稀疏表示从而实现图像压缩的方法。利用KSVD方法训练平滑和细节2类冗余字典,根据字典原子与图像信号相关系数和表示误差的关系,通过改进的正交匹配追踪算法对图像进行稀疏表示,分别得到平滑表示系数和忽略较小取值的细节表示系数,将这些系数及其对应字典原子的索引值进行量化编码,完成图像压缩。实验结果表明,与JPEG、JPEG 2000以及基于单一冗余字典的方法相比,该方法在高压缩率条件下可以获得视觉效果更好的解压缩图像。     

基于变异系数的分形图像压缩稀疏编码算法

针对分形图像编码算法复杂度高、编码时间冗长的问题,提出正交稀疏编码和纹理特征提取表示图像块的方法.首先,灰度级的正交稀疏变换提高了图像的重建质量和解码时间.其次,相关系数矩阵度量范围块和域块之间的变异系数特征降低了冗余度和编码时间.仿真实验结果显示,该方法与传统的分形图像编码算法相比,图像重建质量更好,编码速度更快.     

用于图像传输的超低位速率图像压缩方法

从图像传输的角度介绍了两种超低位速率图像编码方法,并以其目前典型应用－头戾图像的传输为例阐述了编码压缩的过程,对其应用前景作了介绍。     

基于Contourlet变换的图像压缩感知重构

根据图像信号在Contourlet变换域的稀疏特性,分析Contourlet变换的基本原理,提出一种基于Contourlet变换的压缩感知重构方法。针对Contourlet变换的基函数并不严格规范正交、无法构造正交变换矩阵的问题,采用改进梯度投影算法恢复稀疏处理后的系数,在保证图像质量的情况下,实现图像的低速率重构。实验结果表明,该算法的鲁棒性较好。     

应用知识基图像压缩方法实现低比特率图像的传输

从图像传输的角度介绍了知识基图像压缩编码，以其目前典型应用－头肩图像的传输为例阐述了编码压缩的过程，并对其今后的应用前景作出展望。     

分形图像压缩与公有数字水印技术

介绍了分形图像压缩的理论基础：分形空间、迭代函数系统、仿射变换、压缩映射定理和拼贴定理;并介绍和分析了基于分形图像压缩的公有数字水印技术。     

基于预处理-修正模式的分形图像压缩方法

通过迭代函数系统（IFS）的不动点来逼近源图像的分形图像压缩方法是图像编码的一种相对新的技术。目前这种方法已派生出众多的图像编码方案，其中大多采用分块和匹配的方法来实现对图像的编码。为提高计算效率，总是希望能用尽可能少的域块（Domain Block）为图像的分类块（Range Block）找到最佳匹配。但这种考虑容易导致最终获得一个有些粗糙的图像编码。本文提出了一类预处理-修正模式的分形图像编码方法。我们保留原有编码作为预编码，进而提出修正预编码的具体算法。算法中充分利用了已有的计算结果，且修正编码过程中可以适当地加入人工干预，有利于提高压缩效率和改进编码质量。     

基于四叉树的分形图像压缩编码算法的C 实现

该文首先介绍了分形图像压缩的基本理论,如迭代函数系统,拼贴定理等。然后重点研究了基于四叉树的分形图像压缩编码算法。最后通过编写代码实现此算法,并与基本的分形图像压缩算法进行试验比较,进行总结。     

基于虚拟日志压缩的数据同步方案

在基于虚拟日志的数据同步中,当主库端存在对同一记录的频繁修改时,庞大的虚拟日志记录会影响整个数据同步效率。针对该问题,提出一种基于虚拟日志压缩的数据同步方案。虚拟日志压缩通过计算合并日志记录,只保留与数据同步相关的日志信息,从而减少网络数据流量,提高数据同步效率。实验结果表明,该方法适合广域网异构数据库的异步数据同步。     

基于多小波变换的医学图像压缩

小波因具有多尺度特性和良好的局部特性,在医学图像的压缩中取得了较好压缩的效果。但是,小波由单个尺度函数生成,不能同时满足对称性、正交性等的缺陷,存在应用上的局限性。因而,本文提出基于多小波的医学图像压缩方案,实验结果表明,其PSNR值得到了较大的提高,且具有更好的主观视觉效果。     

基于演化算法的灰度图象压缩

基于分形和分块迭代函数系统(PIFS)的特点，本文提出了一种改进的用于求解具有全局最优的自相似分块的演化算法，详细地阐述了个体的编码方法、适应度函数的设计、遗传算子的设计和选择策略，通过实验结果表明，该方法解码质量好、编码速度快、压缩比高．     

适于低码率图像编码的DCT快速算法

提出了一种 8× 8二维离散余弦变换 (DCT)的快速算法 该算法可独立地计算每一变换系数 ,并运用于图像变换编码中 ,在只计算需要被编码和传输的低频变换系数并且不增加运算量的前提下 ,将量化过程与DCT计算融为一步 ,有效地提高了编码速度     

基于整数小波变换和零树编码的监控图像压缩

图像的小波变换压缩编码是近年来图像压缩领域的热点之一。本文介绍了将小波图像编码技术应用于相对图像复杂度较少的监控图像,并在PC和DSPs两个平台上分别进行了压缩编码实验,得到了比JPEG标准更好的压缩效果。     

基于Bandelets域的自适应图像压缩

针对第二代Bandelets变换,提出一种新的图像压缩算法。在图像剖分子块时,依据父、子目标函数值的计算比较,优化四叉树剖分,并利用最小二乘法改进剖分区域的最优方向搜索,实现图像压缩,既保留图像丰富的边缘及纹理效果,又降低计算复杂度。实验结果表明,该算法相比JPEG2000的峰值信噪比可提高0.1 dB以上。