多媒体资源库图像自动压缩处理技术分析

本文主要介绍了使用JPEG2000标准,构造系统框架,自动完成多媒体资源库中图像压缩处理的技术.从标量量化的角度出发,先对原始图像进行预处理,然后采用小渡变换技术、Otsu算法、码字快速搜索算法、PCRD优化算法进行编码,得到较好的实验结果.     

基于图像低频子带极大值映射的量化算法

针对图像压缩中的死区量化不能有效保留图像边缘信息的问题,提出了低频子带极大值映射量化算法.在图像经过小波变换后所形成的各级子带中,首先利用与低频子带系数呈映射关系的各级高频子带系数的均值确定低频子带中各系数的重要性.在量化过程中,高频子带系数采用JPEG2000中的死区量化步长进行量化,低频子带系数根据自身重要性自动更新量化步长,从而有效保留图像的边缘信息.提出的算法在量化步长更新时对低频系数的选择具有自适应性的优点,与传统的JPEG2000算法相比,所提算法能够加快优化截断的嵌入式分块编码(EBCOT)阶段Tier1的编码速度.实验结果表明,所得图像证明了此算法在保留图像的边缘信息方面具有一些优势,所提算法的峰值信噪比与传统的死区量化相比有约0.2 dB的提升.     

JPEG2000在低比特率图像压缩的研究

介绍了JPEG2000的主要特点和基本架构,以及JPEG2000编码器的两个重要部分:小波变换和熵编码.简明分析了小波变换DWT与离散余弦变换DCT的区别和小渡变换的优点.详细介绍了JPEG2000的核心编码算法EBCOT.着重介绍了JPEG2000在图像低比特率情况下的应用,并进行了实际应用的实验:在图像压缩比很高时,JPEG2000与JPEG的压缩效果对比图.     

一种改进的JPEG算法研究

图像压缩技术是视频信息存储和传输的关键技术之一,本文首先分析了标准JPEG算法的过程和不足,理论上讨论了切匹雪夫(HEBYCHEV)算法较DCT变换的优越性,并且引入自适应量化算法对标准JPEG的量化表加以重构,通过微机仿真表明在相同压缩比的条件下较标准JPEG的恢复图像信噪比有所提高,同时恢复图像的质量也有改进,这种方法有一定的价值和实用性。     

第二代Bandelets变换定码率图像压缩

由于第二代Bandelets变换是由量化步长来控制最佳Bandelet化过程,难以实现定码率图像压缩。为了解决这个问题,提出了一种通过非线性逼近来控制最佳Bandelet化过程的方法。同时采用了沿几何流的方向小波变换方法,直接把JPEG2000的编解码器应用到Bandelets变换系数上进行有效的图像压缩,而无需重新构造上下文模型。实验表明,提出的压缩方法具有很好的边缘和纹理保护能力,特别对于直线纹理图像,压缩性能优于JPEG2000标准。     

基于JPEG标准静止图像压缩算法的分析与研究

介绍了JPEG标准、JPEG2000标准及其相比JPEG标准的改进和优点。通过对JPEG标准压缩流程及算法的分析与研究,得到JPEG标准压缩的基本原理：利用人类的视觉特点对亮度分量的精度敏感,而对色度分量的精度迟钝,将RGB颜色模式转换为YCrCb颜色模式;基于视觉特点来抑制高频部分使用离散余弦变换和量化来实现;应用完全可逆的熵编码即霍夫曼编码使比特序列更小。     

基于EBCOT的JPEG2000压缩方法概述

首先概要地论述了JPEG2000压缩方法的过程及原理,包括预处理、量化、小波变换等,然后对其使用的改进的EB-COT进行了重点的论述,最后简单介绍了JPEG2000标准实现的软件——Jasper软件。     

基于量化表估计的JPEG篡改图像盲检测

传统JPEG篡改图像盲检测算法采用不同质量因子对待测图像进行尝试性再压缩.为了缩短检测时间,减少计算量,提出一种基于量化表估计的JPEG篡改图像盲检测有效算法.首先通过DCT系数直方图估计出篡改图像某一部分量化表,然后通过计算小块DCT系数中分别是对应量化步长整数倍的个数进一步判定该小块是否属于篡改区域.实验结果表明,提出的量化步长估计算法复杂度小,正确率高;检测算法能准确检测出copy-move和合成类图像篡改.此外,改进方法不仅对标准量化表压缩的JPEG篡改图像具有非常好的检测结果,而且对非标准量化表压缩的JPEG篡改图像检测也有效.     

视觉模型在JPEG 2000中的应用研究

以JPEG2000作为编码框架，应用基于带内活跃性视觉模型（laCLA)，提出视觉量化编码方法，该方案基于人类视觉系统掩盖效应设计量化器；利用非线性变换，以实现视觉亮度掩盖和对比掩盖，从而自适应调节量化步长和编码块率失真度。     

一种基于全相位余弦双正交变换的JPEG算法

为了进一步改进JPEG算法提高编码的效率和重建图像质量,提出了一种新的变换方法即全相位余弦双正交变换(APCBOT)来替代传统的DCT变换。这种新的变换来源于离散余弦列率滤波(DCSF)的卷积算法,它在把原始图像变换到频率域的同时对各高频分量进行相应的衰减,从而简化了图像变换后的量化步骤。用M atlab进行了数据仿真,结果表明,本文提出的变换和DCT相比有很大的优势,不但量化简单(无量化或仅需一个参数的一致量化),而且使JEPG算法的压缩率和重建图像质量均有可观的优化。     

一种有效的方向多尺度变换分析方法*

Contourlet 变换是对二维图像域内小波变换的一种新扩展,由不可分的方向滤波器组实现,该变换的基函数分布于多尺度、多方向上,可仅利用少量系数有效地捕捉图像中的光滑轮廓,而光滑轮廓正是自然图像的主要特征。讨论了Contourlet变换的发展背景、原理和数字实现与实际应用,分析了Contourlet变换存在的问题并指出了进一步研究的方向。     

Contourlet域方向子带稀疏表示的图像压缩感知

为了提高压缩感知中图像的稀疏表示性能, 提出了一种Contourlet域方向子带稀疏表示的图像压缩感知算法。将图像Contourlet分解后的多个高频子带根据方向正交特点进行重组, 采用随机高斯矩阵对重组后的子带分别进行测量, 实现压缩采样; 利用正交匹配追踪法重建各子带系数, 并进行Contourlet反变换重构原图像。实验结果表明, 在相同采样率下, 算法重构图像的主观视觉效果和峰值信噪比都优于小波压缩感知算法。     

基于Contourlet变换尺度相关多阈值降噪算法

该文研究了多方向多尺度几何分析工具轮廓波Contourlet变换,在总结了Contourlet变换稀疏尺度关系的基础上,提出了一种基于Contourlet变换多阈值尺度相关降噪算法,利用Contourlet变换多分辨率以及优越的方向性进行阈值降噪,根据Contourlet变换后各个尺度间的相关特性及噪声强度设定不同的阈值,由于Contourlet变换比小波变换更稀疏的表示方式,更好地表示图像的细节,在图像降噪的过程中能更好地保护图像的纹理以及边缘,使得降噪后的图像在细节方面更突出。     

基于非向下采样Contourlet变换的多聚焦图像融合

近年来图像融合已成为图像处理的一个热点,提出了一种基于非向下采样Contourlet变换NSCT(Nonsubsampled Contour-let transform)的多聚焦图像融合方法。首先对两幅源图像分别进行非向下采样轮廓波变换得到一个低频子带和多个高频方向子带,然后对高低频子带分别采取方向对比度的区域均值和局部熵的融合规则来选取相应的系数,最终通过反变换得到融合图像。实验中,与离散小波a、trous小波变换、NSCT的简单方法进行了比较,结果表明该方法的融合效果最好。     

基于非下采样Contourlet变换的方向Teager能量的极化SAR图像融合*

提出一种基于非下采样Contourlet变换和方向Teager能量的极化SAR图像融合算法。采用具有多尺度、多方向和平移不变性特点的非下采样Contourlet变换对多个单极化强度图像进行分解,然后高频子带图像分别按行和列进行Teager能量计算,选取Teager能量作为度量来提取区域边缘与纹理信息。对于低频系数采用平均融合算法,根据高频子图Teager能量分布差异,对于方向高频系数采用不同最优加权算法实现极化图像的融合处理。实验结果表明,提出的算法与PWF算法相比在保留原始图像边缘和纹理信息的同时,可以有效地抑制相干斑噪声的影响,取得较好的融合视觉效果。     

基于Contourlet变换的多波段SAR图像融合

针对不同波段SAR图像的融合,该文提出了一种在Contourlet变换域融合的方法,利用Contourlet变换的充分表示图像边缘信息的能力,将图像分解为低通系数和不同方向的高频系数,对方向高频系数定义一个边缘信息量测指标,选择量测指标大的系数作为融合系数,解决了小波变换融合中图像边缘信息容易丢失的问题。通过对两波段SAR图像进行融合实验并与小波变换融合结果比较,在视觉特性与统计因子客观评价上均取得了更好的效果。     

一种新的全相位Contourlet离散变换在图像去噪中的应用

为了实现更为优秀的利用Contourlet来实现的图像去噪,以MATLAB为仿真工具,提出了一种新的全相位Contourlet离散变换,其多级分解和重构继承了已有的基于全相位DCT(APDCT)子带滤波和全相位IDCT(APIDCT)内插的全相位Contourlet,其方向滤波则是采用一种基于DCT的全相位方向滤波器组(APDFB)。APDFB具有良好的方向选择性,而且重构算法简单,只要将各个方向图像直接相加即可。实验结果表明,将新的全相位Contourlet离散变换应用在图像去噪中,与原Contourlet相比,在信噪比有所提高的同时,图像视觉效果也更好。     

Contour extraction of gait recognition based on improved GVF Snake model

Contourlet transform can be used to captures smooth contours and edges at any orientation. In order to solve the initial active contour problem of Snake model, Contourlet transform is introduced into the GVF (Gradient Vector Flow) Snake model, which will provides a way to set the initial contour, as a result, will improves the edge detection results of GVF Snake model effectively. The multi-scale decomposition is handled by a Laplacian pyramid. The directional decomposition is handled by a directional filter bank. Firstly, the contours of the object in images can be obtained based on Contourlet transform, and this contours will be identified as the initial contour of GVF Snake model. Secondly, then GVF Snake model is used to detect the contour edge of human gait motion. Experimental results show that the proposed method can extract the edge feature accurately and efficiently.     

基于Contourlet的图像PCA去噪方法

提出了一种通过主分量分析(PCA)对Contourlet域中噪声能量的估计来实现去噪的新方法。Contourlet变换是一种结合多分辨率分析和方向性滤波的小波变换,它除了具有一般小波变换的多尺度、时频局域性外,还具有多方向性、各向异性等特征。因此,Contourlet能有效地捕获到自然图像中的轮廓,并对其进行稀疏表示。目前使用的小波去噪方法基本上都是建立在对噪声方差估计的基础上,而在Contourlet变换系数中,通过建立数学模型对噪声方差进行精确的估计是很困难的。算法无需对噪声方差进行估计,更具有实用价值。实验结果显示,与小波软、硬阈值去噪算法和基于小波的图像PCA去噪方法比较,该算法不仅提高了图像的信噪比,而且图像视觉效果也明显改善。     

邻域窗能量平均的Contourlet变换自适应阈值去噪算法

针对Contourlet多尺度阈值去噪算法中阈值的选取忽略了方向信息影响的问题,提出一种基于邻域窗能量平均的自适应阈值去噪算法。根据Contourlet系数能量分布特点,将系数划分到三个不同的区域,对三个区域的阈值采用不同的因子进行调整,从而得到更好的去噪效果。实验结果表明,与小波阈值去噪、Contourlet阈值去噪以及Contourlet多尺度阈值去噪相比,该算法在峰值信噪比以及视觉效果上都有明显的提高,且能够有效地保留图像边缘细节信息。