基于图层分割的文档图像压缩方法

传统的图像压缩技术，大都基于图像空域和色度空间同质性的假定，在文档图像的压缩中并不能取得最好的压缩效果。针对文档图像的特点，提出了一种基于图层分割的文档图像压缩方法。该方法首先利用多尺度的2色聚类算法进行文档图像的图层分割，然后根据不同图层的特征，分别采用效果最佳的压缩技术，能够获得比传统的方法更好的压缩效果。     

一种基于分块采集和压缩技术的屏幕共享方案

在深入研究现有的屏幕共享方法的基础上,在实际的远程教学系统的项目实践过程中提供了一种基于分块采集和压缩技术的解决方案。该方案主要利用分块采集和数据压缩技术来实现异地屏幕显示图像的共享,即首先使用划分的思想把屏幕分成一些固定的块,然后分块采集屏幕图像,对采集的图像进行分析,从而决定采用哪一种技术进行压缩,然后打包传输。针对图像发生变化的块数来决定采用何种压缩技术,主要有LZW和RLE数据压缩技术。实验证明,该方案不仅可以获得很好的压缩率,并且具有较好的实时性和较低的编码复杂度,因此,应用前景广泛。     

一种基于分块采集和压缩技术的屏幕共享方案

在深入研究现有的屏幕共享方法的基础上,在实际的远程教学系统的项目实践过程中提供了一种基于分块采集和压缩技术的解决方案.该方案主要利用分块采集和数据压缩技术来实现异地屏幕显示图像的共享,即首先使用划分的思想把屏幕分成一些固定的块,然后分块采集屏幕图像,对采集的图像进行分析,从而决定采用哪一种技术进行压缩,然后打包传输.针对图像发生变化的块数来决定采用何种压缩技术,主要有LZW和RLE数据压缩技术.实验证明,该方案不仅可以获得很好的压缩率,并且具有较好的实时性和较低的编码复杂度,因此,应用前景广泛.     

基于ETRN具有任意压缩率的彩色加密图像有损压缩

当前大多数的先加密后压缩ETC（encryption-then-compression）方法只能够获得有限固定的压缩率,而无法获取到实际需求的任意压缩率。针对此问题提出一种具有任意压缩率的加密彩色图像有损压缩算法,该算法采用均匀下采样和随机下采样有机结合的方式对加密图像进行压缩,以获得加密图像的任意压缩率。接收方接收到加密图像的压缩序列后通过解压解密获得解密图像,随后把从解密图像有损重构原始图像的过程表征为一个结合下采样压缩方式约束的最优化问题,并设计一种基于卷积神经网络的有损ETC系统图像重构模型ETRN（ETC-oriented reconstruction network）来求解该优化问题。ETRN模型包含浅层特征提取层SFE（shallow feature extraction）、残差堆叠模块RIR（residual in residual）、残差信息补充模块RCS（residual content supplementation）、下采样约束模块DC（down-sampling constraint）。实验仿真结果表明,提出的加密彩色图像有损压缩算法能够获得优秀的加密压缩和重构性能,充分体现了该方法的可行性和有效性。     

方差排序及相似膨胀分形压缩

该文就分形图像压缩中搜索与匹配过程的相似性,基于序列块和主块之间当前最小像差的方差信息,提出了一方差排序算法,该算法大大减少了对每个序列块进行搜索和匹配的主块数与相应的编码时间。同时又提出了一种不规则区域的图像分割算法,它比传统的基于块的分割获得了更大的压缩率。这两种算法结合使用可在较短的编码时间获得较高的压缩率。     

一种中文文档图像中检索方法研究

如何对急速增长的文档图像进行有效检索是文档图像管理系统的关键技术之一。提出了一种不需要识别文字的检索中文文档图像的方法,该方法在字符分割基础上采用基于粗外围特征粗匹配和基于改进Hausdorff距离相似度测量的两级匹配方法,以适应于时间、准确性的不同要求。同时用对200幅文档图像样本进行了实验,其结果表明,使用该方法对检索印刷体汉字的文档图像具有较高的检索效果,对于数字图书馆中文档图像检索系统的设计,有一定的参考价值。     

误差分散半调图像的有损压缩算法

对误差分散半调图像进行无损压缩所得压缩率较低,而现有二值图像有损压缩算法对该类图像的压缩效果并不理想。为此,结合逆半调技术设计一种有损压缩算法。选用LUT逆半调算法对误差分散半调图像进行灰度化重建,对灰度图像的DCT变换系数量化压缩法进行改进,提高了压缩率,并构建出一种误差分散图像的有损压缩算法。实验结果表明,该算法能获得较高的压缩率和较好的压缩效果。     

遥感图像Contourlet变换域压缩融合

基于传统分块压缩感知(BCS)的图像融合中,由于空间域BCS采样缺乏考虑图像的全局特性,导致融合图像重构质量差,且存在分块效应。首先将输入图像在Contourlet变换(CT)域稀疏表示,并对CT分解系数进行分块压缩感知;再对压缩采样线性加权融合;最后用迭代阈值投影(ITP)方法重构融合图像,并消除分块效应。提出了基于Contourlet变换域分块压缩感知(CTBCS)的遥感图像压缩融合方法,并给出算法的详细实现流程。基于BCS和CTBCS进行压缩采样,再用ITP算法进行图像重构,仿真结果显示,与BCS相比,CTBCS采样有效考虑了图像的全局特性,基于CTBCS的ITP重构收敛速度更快,重构计算复杂度更小,重构精度更好,对应的重构图像峰值信噪比(PSNR)更高;实际资料测试结果表明,基于CTBCS的压缩融合效果比基于BCS的压缩融合效果更好,更接近常规CT融合效果。CTBCS压缩融合用较少量采样点获得与常规CT相比拟的融合结果,有效实现了大数据量遥感图像的压缩融合。     

基于九宫格的二值图像压缩算法

针对目前二值图像压缩方法压缩率低的情况,提出基于九宫格的二值图像压缩算法。该算法采用多数同一化少数的思想,统计九宫格内黑白像素的数量,数量多的像素同化数量少的像素,以达到所有像素为同一种像素的目的,然后对这些像素进行压缩编码。该算法可以根据不同压缩率的要求,对九宫格做进一步的分块,每个分块都进行同一化操作,再分别对这些分块进行压缩编码,实现了压缩率分别为9,4.5和3的压缩。实验结果表明,该算法具有较高的压缩率,在图像质量要求不高,压缩率要求较高的情况下具有较大的优势。     

基于投影直方图的文档图像快速匹配研究

如何实现文档图像间的快速匹配已成了人们日益关注的课题.针对文档图像的现有方法进行了研究,提出一种文档图像匹配的新方法.为进一步提高文档图像的匹配性能,结合用行列方向投影特征进行了文档图像的特征分析和提取工作.从而建立了特征相似匹配模t,在进行文档图像匹配时主要采用了平方差进行相似度度量和折半查找进行快速匹配的策略.实验表明随着二分法次数的增加,文档图像的相似度比较效率一定程度上得到很大的提高,匹配算法具有很好的杭倾斜和抗压缩效果.     

Adaptive binarization method for degraded document images based on surface contrast variation

Document binarization is an important technique in document image analysis and recognition. Generally, binarization methods are ineffective for degraded images. Several binarization methods have been proposed; however, none of them are effective for historical and degraded document images. In this paper, a new binarization method is proposed for degraded document images. The proposed method based on the variance between pixel contrast, it consists of four stages: pre-processing, geometrical feature extraction, feature selection, and post-processing. The proposed method was evaluated based on several visual and statistical experiments. The experiments were conducted using five International Document Image Binarization Contest benchmark datasets specialized for binarization testing. The results compared with five adaptive binarization methods: Niblack, Sauvola thresholding, Sauvola compound algorithm, NICK, and Bataineh. The results show that the proposed method performs better than other methods in all binarization cases.     

Document Image Recognition based on template matching of component block projections

Document Image Recognition (DIR), a very useful technique in office automation and digital library applications, is to find the most similar template for any input document image in a prestored template document image data set. Existing methods use both local features and global layout information. In this paper, we propose a novel algorithm based on the global matching of Component Block Projections (CBP), which are the concatenated directional projection vectors of the component blocks of a document image. Compared to those existing methods, CBP-based template-matching methods possess two major advantages: (1) The spatial relationship among the component blocks of a document image is better represented, hence a very high matching accuracy can be obtained even for a large template set and seriously distorted input images; and (2) the effective matching distance of each template and the triangle inequality are proposed to significantly reduce the computational cost. Our experimental results confirm these advantages and show that the CBP-based template-matching methods are very suitable for DIR applications.     

Neural network based method for image halftoning and inverse halftoning

A hybrid neural network based method for halftoning and inverse halftoning of digital images is presented. The halftone image is performed by single-layer perceptron neural network (SLPNN), and its corresponding continuous-tone image is reconstructed by radial-basis function neural network (RBFNN). The combined training procedure produces halftone images and the corresponding continuous tone images at the same time. The PSNR performance and visual image quality of these contone images achieved is comparable to the well-known inverse halftoning methods. The resultant halftone images compared with the error diffusion halftone are visually good, too. Furthermore, we apply different kinds of halftone images to a bi-level image compression method, called Block Arithmetic Coding for Image Compression (BACIC), which is better than the current facsimile methods.     

基于动态阈值分块算法的屏幕图象压缩技术

计算机屏幕图象压缩一直是屏幕共享技术中的关键问题,而现有算法一般是直接应用传统的RLE,LZW或JPEG算法,但由于这几种算法在对计算机屏幕图象进行压缩时,均无法兼顾恢复质量与压缩比的要求.为此提出了一种基于动态阈值分块的高效压缩算法,该算法首先将屏幕图象按照某种规则划分为纯色块、文字块、图标块和图象块4种特征块,然后针对特征块特点采用相应的压缩算法,以保证压缩算法在恢复质量与压缩比上能同时达到最佳.实验结果表明,该算法图象恢复质量较好,压缩比较大,压缩速度较快,整体性能优于当前现有的屏幕压缩算法,具有广泛的应用前景.     

A local linear level set method for the binarization of degraded historical document images

Document image binarization is a difficult task, especially for complex document images. Nonuniform background, stains, and variation in the intensity of the printed characters are some examples of challenging document features. In this work, binarization is accomplished by taking advantage of local probabilistic models and of a flexible active contour scheme. More specifically, local linear models are used to estimate both the expected stroke and the background pixel intensities. This information is then used as the main driving force in the propagation of an active contour. In addition, a curvature-based force is used to control the viscosity of the contour and leads to more natural-looking results. The proposed implementation benefits from the level set framework, which is highly successful in other contexts, such as medical image segmentation and road network extraction from satellite images. The validity of the proposed approach is demonstrated on both recent and historical document images of various types and languages. In addition, this method was submitted to the Document Image Binarization Contest (DIBCO??09), at which it placed 3rd.     

端到端优化的图像压缩技术进展

图像压缩是数据压缩技术在数字图像上的应用,其目的是减少图像数据中的冗余,从而用更加高效的格式存储和传输数据.传统的图像压缩方法中,图像压缩分为预测、变换、量化、熵编码等步骤,每一步均采用人工设计的算法分别进行优化.近年来,基于深度神经网络的端到端图像压缩方法在图像压缩中取得了丰硕的成果,相比传统方法,端到端图像压缩可以...     

文本图像的去噪算法应用研究

针对在通过拍照采集图像的过程中由于光照不均而造成的文本图像的噪声问题,研究了文本图像区别于一般图像的结构特征和噪声特征,提出了一种基于文本图像的投影结合分块形态学的快速去噪方法.该方法对输入的文本图像进行二值化,对二值化后的文本图像进行投影处理,根据对投影结果进行分析来快速去除行列间噪声,根据行列间噪声的多少产生一个阈值,通过这个阈值来确定分块后的图像是否需要字符内去噪,字符内去噪则采用形态学滤波法.实验结果证明,该方法对于正常情况下光照不均的文本图像的去噪较传统的全局去噪算法的效率更高,效果更好.