一种基于高频子带的有序四叉树图像编码算法

在分析小波变换后系数特点和零树编码算法的基础上，提出了一种新的算法。主要思想是：设立位置矩阵记录子带的位置信息。对高频子带内小波系数进行扫描排序形成有序四叉树，对输出的符号串采取行程编码。理论分析和实验结果表明：该算法能加快编码速度，提高了图像压缩的质量。     

一种改进的零树结构编码算法研究

现在大部分图像压缩技术都利用了小波变换后图像不同分辨率反相同方向子带之间的相关性。采用双正交提升小波将图像变换到小波域,通过增加熵编码的符号集,提出了一种基于正交小波变换的增广零树压缩编码算法,在整个编译码过程中仅使用一个系数列表,况且不进行任何排序操作。通过相关实验,证实该方法能有效进行图像压缩,提高了压缩率。     

一种应用于指纹识别系统的指纹图像压缩算法

针对应用于指纹识别系统中指纹图像的压缩编码问题,提出了一种改进的基于四叉树分类的网格编码量化(QTCQ)的指纹图像压缩算法.该算法对小波变换后的高频系数采用2×2的DCT变换进一步集中能量,并对变换后的系数进行系数重排以使得高频子带内的重要系数集中于相应子带的低频位置,再通过基于四叉树的网格编码量化进行量化编码.仿真结果表明,该算法比WSQ和JPEG2000等均具有更好的压缩性能.     

基于小波二重树编码的彩色图像压缩

该文提出了一种利用小波变换对彩色图像进行编码的算法。该算法在对Y,Cr,Cb分量进行小波分解的基础之上,结合人眼视觉系统特性对各子带进行量化,采用全新的二重树编码,有效地对高频子带进行压缩。实验结果表明,本算法实现简单,可达到很好的压缩效果。     

一种结合Contourlet和小波变换的图像编码算法

该文提出了一种Contourlet变换和小波变换相结合,使用新的空间方向树的类似SPIHT编码算法。该算法先对图像进行Contourlet变换,再对变换后的低频子带进行多级小波变换,然后根据变换后系数的结构特性,借鉴小波SPIHT编码思想,构造了一种新的空间方向树,实现了对变换后系数的类似SPIHT编码。仿真实验结果表明,该算法与小波变换,Contourlet变换和基于小波的Contourlet变换的SPIHT算法相比,重构图像保留了更多的纹理和细节信息,并且在低比特率下具有较高的峰值信噪比。     

基于小波二重树编码的彩色图像压缩

该文提出了一种利用小波变换对彩色图像进行编码的算法,该算法在对Ｙ,Ｃｒ,Ｃｂ分量进行小波分解的基础之上,结合人眼视觉系统特性对各子带进行量化采用全新的二重树编码,有效地对高频子带进行压缩,实验结果表明,本算法实现简单,可达到很好的压缩效果。     

一种基于小波的多光谱图像压缩方法

文章提出一种基于Karhunen2Loeve变换(KLT)和小波量化编码的多光谱图像压缩方法。该法首先使用KL变换步骤来去除谱间冗余,而后对各变换波段图像进行小波变换,并利用均匀阈值网格编码量化方法来量化小波子带图像,最后使用算术编码对量化结果进行熵编码。为使编码器能为所有谱段各子带获取率- 失真意义上最优的量化阈值,本文提出基于子带图像统计特性和网格编码量化器率- 失真特性的比特分配算法。实验表明,本方法能高效地压缩多光谱图像,表现出优异的压缩性能。     

基于正交小波变换高效量化的一种快速实现方法

基于压缩比／失真曲线的最佳量化方法具有较高的压缩比和恢复图像质量,在正交小波变换的图像压缩编码中有很好的应用,但为得到各个子R_D曲线需要大量时间,为提高编码速度,本文在实验数据的基础上分析了小波变换各子带系统的统计特性,给出了压缩比／失真曲线的一种新的快速实现算法。     

基于正交小波变换高效量化的一种快速实现方法

基于压缩比/失真曲线的最佳量化方法具有较高的压缩比和恢复图像质量,在正交小波变换的图像压缩编码中有很好的应用,但为得到各个子 R-D 曲线需要大量时间,为提高编码速度,本文在实验数据的基础上分析了小波变换各子带系统的统计特性,给出了压缩比/失真曲线的一种新的快速实现算法。     

基于DM6446与小波的图像压缩系统设计

对小波变换原理及DM6446平台架构进行了探讨,并在DSP平台上设计实现了一个图像压缩系统。该系统选用提升小波变换算法对图像进行整数到整数的变换,再对变换结果进行嵌入式零树编码,实现图像压缩。实验测试该系统对静态图像进行101∶的压缩率下还能获得很好的图像质量,且系统集成度高,成本低,为实时应用环境下的图像压缩提供了一个很好的范例。     

基于整数小波变换的无人机侦查图像的压缩

基于传统小波变换过程复杂的特点和SPIHT编码算法过程重复运算、存储量大,并且侦查图像的目标像素小且目标数量大,相关性低,提出了一种基于差分脉冲编码调制和整数小波变换相结合的改进混合编码算法。首先以压缩效果为准则,以侦查图像为标准训练图像,以压缩比、峰值信噪比为参数来确定最优的小波基。然后以（9,7）整数提升小波对图像进行分解,对低频子带的重要系数先进行DPCM编码。最后对整个变换后的子带进行SPIHT编码。实验结果表明该算法在相同的比特率下得到的重构图像的PSNR值高于原算法,而且侦查图像的低频近似效果得到了改善。     

零树框架下整数小波图像编码的改进

整数小波变换(Integer Wavelet Transform)有许多优点，但是图象经整数小波变换（IWT)后，能量集中性较第一代小波变换差很多，不利于嵌入式零树编码(Embedded Zerotree Wavelet Encoding)。因此本文提出一种新算法，从两方面加以改进。首先，采用“整数平方量化阈值选取算法”，根据整数小波变换后各子带系数幅值的动态变化较小，小波图像能量较一般小波差的特点，选取从1开始的正整数平方作为量化闽值的同时引入可调节的量化阈值系统，根据图像中不同区域的重要性选取与之相应的量化阈值，从而增加了零树的数量；其次，提出基于索引表和游程编码的小波零树编码的新思路，简化了编码与解码的过程。实验表明，本文算法充分的将整数小波变换与零树编码结合在一起，改善了压缩质量，提高了压缩效率。     

多层离散小波变换系数的稀疏向量构造的改进

融合离散小波变换和压缩感知的图像压缩方案很好避免了采用离散余弦变换和压缩感知时所带来的块效应,但当前基于单层离散小波变换的算法压缩比较低,基于多层离散小波变换的算法重构质量不佳。为了解决这些不足,根据离散小波变换系数的特点,对现有基于多层离散小波变换的算法提出了改进。图像经小波变换后,保留图像最高层低频系数,高频系数的构造方式给予适当改进。实验结果表明,与现有算法相比,重构图像的PSNR值得到2～4 dB提高。     

Image compression based on energy clustering and zero-quadtreerepresentation

An efficient image compression algorithm based on energy clustering and zero-quadtree representation (ECZQR) in the wavelet transform domain is proposed. In embedded coding, zeros within each subband are encoded in the framework of quadtree representation instead of zerotree representation. To use large rectangular blocks to represent zeros, it first uses morphological dilation to extract the arbitrarily shaped clusters of significant coefficients within each subband. The proposed encoding method results in less distortion in the decoded image than the line-by-line encoding method. Experimental results show that the algorithm is among the most efficient wavelet image compression algorithms     

基于小波域的模糊化区域竞争模型的图像分割方法

本文中提出了一种基于小波变换的模糊化区域竞 争图像分割算法。该算法利用小波变 换在纹理分类 的优越性,在模糊化区域竞争算法的框架下对图像实施非抽样小波变换,建立起基于小波域 的统计特征参 数,并根据此特征参数构造能量函数。在算法求解过程中,通过采用快速迭代算法加快算法 求解的速度。 本文提出的图像分割算法可以有效地降低信噪比的敏感性,有效地解决模糊图像分割问题。 实验结果表明, 本文提出的分割方法在分割质量和速度上比经典的主动轮廓模型和模糊化区域竟争分割算法 更具有优越性。     

一种基于小波包树的图像压缩方法

在过去十年中对图像压缩的研究呈持续增长趋势,在这个领域里最有效和最具代表性的方法是离散小波变换。图像的压缩包括变换、量化和编码。提出了图像的变换和量化方案。该算法采用小波包实现变换,在香农熵的基础上重建最佳树,并且为了量化采用了自适应阈值。相对小波变换的压缩,提供了一种很好的压缩实现。最后实验结果显示了该算法的优越性。     

Image coding using lapped biorthogonal transform

The wireless sensor network utilizes image compression algorithms like JPEG, JPEG2000, and SPIHT for image transmission with high coding efficiency. During compression, discrete cosine transform (DCT)–based JPEG has blocking artifacts at low bit-rates. But this effect is reduced by discrete wavelet transform (DWT)–based JPEG2000 and SPIHT algorithm but it possess high computational complexity. This paper proposes an efficient lapped biorthogonal transform (LBT)–based low-complexity zerotree codec (LZC), an entropy coder for image coding algorithm to achieve high compression. The LBT-LZC algorithm yields high compression, better visual quality with low computational complexity. The performance of the proposed method is compared with other popular coding schemes based on LBT, DCT and wavelet transforms. The simulation results reveal that the proposed algorithm reduces the blocking artifacts and achieves high compression. Besides, it is analyzed for noise resilience.     

Edge-preserving image compression using adaptive lifting wavelet transform

In this paper, a novel 2-D adaptive lifting wavelet transform is presented. The proposed algorithm is designed to further reduce the high-frequency energy of wavelet transform, improve the image compression efficiency and preserve the edge or texture of original images more effectively. In this paper, a new optional direction set, covering the surrounding integer pixels and sub-pixels, is designed. Hence, our algorithm adapts far better to the image orientation features in local image blocks. To obtain the computationally efficient and coding performance, the complete processes of 2-D adaptive lifting wavelet transform is introduced and implemented. Compared with the traditional lifting-based wavelet transform, the adaptive directional lifting and the direction-adaptive discrete wavelet transform, the new structure reduces the high-frequency wavelet coefficients more effectively, and the texture structures of the reconstructed images are more refined and clear than that of the other methods. The peak signal-to-noise ratio and the subjective quality of the reconstructed images are significantly improved.     

小波变换在数字图像处理中的应用

小波变换在数字图像处理中的应用是小波变换典型的应用之一。由信号分析中傅里叶变换的不足引出小波变换,然后简单介绍了小波变换的定义和种类,分析了小波变换的性质和Mallat算法,总结了小波变换在数字图像处理中的四种应用：基于小波变换的图像压缩、图像去噪、图像增强和图像融合,分析了四种应用的过程及特点,同时进行了相应的Matlab试验与仿真。试验结果表明,小波变换在数字图像处理中的应用切实可行、简单方便、效果好、有很强的实用价值,有较好的应用前景。     

SPIHT嵌入式编码算法在图像压缩中的应用

介绍了小波提升的基本原理及其实现流程,分析和比较了小波提升和Mallat算法在图像压缩中的应用,并将9/7提升小波应用在SPIHT嵌入式图像编码中。实验结果表明,该算法具有低复杂、高保真的特点。