基于块分类的自适应图象水印算法

提出了一个基于频域块分类的ＤＣＴ域自适应水印算法。为了实现自适应,将原始图象分块并利用视觉掩蔽特性对图象块进行分类。根据分类的结果,不同强度的水印分量被嵌入到图图象块的ＤＣＴ低频系数中,实验结果表明,应用所提出的算法实现的水印对常见图象处理和噪声干扰具有良好的稳健性。     

邻域匹配和分类匹配的分形块编码

值域块的分形编码，是值域块与定义域块池中的定义域块逐一匹配后产生的。这一匹配过程是影响分形块编码速度的深层原因，此文改全局匹配为邻域匹配和分类匹配，从二条途径探讨了缩短匹配时间的方法。实验结果表明，领域匹配及分类匹配的分形块编码的时间，但信噪比略有下降。     

基于IFS块的快速图象编码算法

文中首先叙述了目前分形块编码研究领域大致情况，然后，提出了一种新的快速编码算法，用Ｌ１距离替换了以往算法所用的Ｌ２距离，把匹配过程转换成类似于矢量量化的搜索过程，因而采纳了许多矢量量化的加速算法，还讨论了以平坦区的处理并提出了新的剖分方法，取得了较好的效果，同其它的分形块编码方法相比，该算法大大缩短了编码时间，改善了压缩图象的质量，特别是它能较大程度地消除块效应，压缩比也有了进一步的提高。     

块截断图象编码算法的改进

一、引言自从1979年．B．J．Delp和O．RMitchell提出了块截断图象编码算法（BTC）后．此后陆续出现了许多关于BTC的改进算法[1][2]。BTC算法以其简单、快速的特点．仍被广泛使用。但BTC的压缩比不高（一般为4：1左右），故为提高码率．本文对块截断图象编码算法作了改进．提出了对截断图P进一步压缩的算法。二、块截断算法的基本原理块截断算法首先将输入图象划分成不重叠的块，每个块X一般由m“m个象素组成。m通常取4或8；然后设置一门限t，将X中象素按其灰度大小分成高于或低于门限t的两组象素；用截断图P（i．j）表示象素值的高…     

在小波分解下的分形块方法图象编码

本文分析了分形块方法在小波变换下的特点，指出特殊的块方法是从低分辨率细节构造高分辨率细节的本质，给出了一种简单的解码过程，只需递推有限步便可恢复原图象。根据类似的思想。本文作者提出更一般的由低分辨率细节构造高分辨率细节的方法。     

高质量运动图象压缩编码的小波变换方法研究

研究基于小波变换的高质量运动图象压缩编码方法。通过对运动估计后图象内的帧内编码宏块首先进行离散余弦变换（ＤＣＴ）编码,然后再对整幅图象进行小波变换（ＷＴ）与零树编码,从而达到运动图象的高质量压缩编码目的。     

一种对DCT编码图象的后处理算法

首先分析了“块效应”的形成原因,表现形式和测量方法,然后提出了一种自适应“块”边界平均方法并针对“块效应”在图象域的不同位置采用非线性空间移变滤波去除“块效应”     

图象块的分形近似和分块分形近似编码

提出了一种图象块的分形近似方法。该方法借助于ＳＡＳ以达到对图象块的最小平方的分形近似，其运算量仅为２×Ｍ×Ｎ次乘法和４×Ｍ×Ｎ次加法，Ｍ×Ｎ为图象块大小。由图象块分形近似量化而成的编码，称之为分块分形近似编码。其压缩比依赖于所选取图象块大小和迭代变换系数的量化。对８×８图象块，在不失真情况下，其压缩比达到１７．８倍。通过对大量图象的实验结果表明，只需进行８次迭代，就能得到满意的重构图象。和其它分形编码相比，此方法简洁，编码速度快，对２２０×２２０的＂Ｌｅｎａ＂图象进行编码，在ＰＣ４８６／ＤＸ３３上，仅需时３０秒。     

WT域图象分类的矢量量化编码

基于边缘方向分类的ＣＶＱ能够减少在较低位码率进行图象信号矢量量化时的边缘失真和计算的复杂程度。根据静止图象小波变换后小波系数的特征提出了一种在ＷＴ域进行分类的分类算法。     

快速分形图象编码

提出了一种新的快速分形图象编码方法。该方法通过自适应的图象分块,相似块集的矩分类,相似块和图象块的正交分解以及象素递增的动态搜索等４个步骤来加快分形图象编码的过程。实验结果表明,提出的方法和缩短编码时间方面确有其效,特别是对于细节丰富的图象,效果尤为明显。     

快速DCT域分形图像编码方法

分形图像压缩编码复杂度较高,而ＤＣＴ域的分形图像压缩方法虽然在性能上有所提高,但是对每个图像块的处理中又分别增加了一次二维ＤＣＴ,使得编码复杂度进一步提高,为降低ＤＣＴ域分形图像压缩的编码复杂度,引入平坦块的概念,对那些经过ＤＣＴ后,能量非常集中的块不做块匹配,而是直接编码输出。实验结果表明,与一般的ＤＣＴ域分形图像压缩方法相比,这种方法在提高编码速度的同时,也降低了比特率。     

一种新的基于DCT的图象编码法

针对ＪＰＥＧ在高压缩比情况下，解压图象的质量较差，近年来提出了不少改进算法。ＤＣＴ的零树编码（ＥＺＤＣＴ）［１，２］是效果最好的算法之一，但其仍无法克服基于ＤＣＴ的算法所固有的缺点——方块效应。此文提出一种层式ＤＣＴ的零树图象编码方法（ＥＺＬＤＣＴ），与ＥＺＤＣＴ相比，能较好地消除方块效应；并且对复杂的图象（如“Ｂａｒｂａｒａ”，“Ｇｏｌｄｈｉｌ”等），在相同压缩比的情况下有更高的ＰＳＮＲ值。     

基于感知度量的分形编码

传统的分形编码利用最小均方差准则（ＭＭＳＥ）来度量图象子块的变换匹配，未能充分利用人眼的视觉特征。本文提出了基于人眼视觉模型的分形编码方案。算法中，按视觉上的差异对图象子块进行分类；由“视觉最相似”的准则确定最佳匹配的域块，为此，相似匹配转换到ＤＣＴ域进行，导出了图象块的相似匹配在ＤＣＴ域的形式；算法进一步通过自适应误差校正来消除解码图象中的方块效应。解码图象的视觉质量有了明显的改善。实验结果证实了算法的有效性。     

利用人眼视觉系统理论实现DCT域快速分形编码

考虑到人眼视觉系统的特点,提出了基于视觉敏感度的DCT域中的均匀块选择标准,该标准优于常用的块方差与信噪比度量．基于此标准,选择出DCT域中的均匀部分,直接将其直流部分编码输出,无需分形匹配,降低了DCT域分形图像压缩的复杂度．为进一步缩短编码时间,在DCT域内引入人眼视觉系统频率响应对图像块与相似块进行分类,在过滤冗余的匹配计算的同时保证了解码图像的视觉效果．实验结果表明,在不影响压缩比的前提下,编码时间大幅度减少,且PSNR有所提高,视觉效果较好．     

基于块方向预测和Context的图象无失真编码方法

首先分析无失真图象编码技术,提出一种基于块方向预测和Context的自适应无失真编码方法,该方法主要使用块方向预测和基于Context的误差模型去除图象在空间上的相关性.在此方法中,一幅图象首先被分割成图象块,对图象的每一块自适应地选择一个使预测误差绝对值之和最小的块方向预测器；然后通过Context选择和误差反馈进一步降低信息熵；最后,采用快速而有效的Rice编码器对误差图象编码.实验结果显示，该方法的压缩效果明显优于JPEG(joint of picture expert group)无失真模式和FELICS(fast and efficient lossless image compression),略好于CB9和LOCO-I,甚至UCM(universal context modeling).     

基于分块压缩感知与平均分组的图像多描述编码

提出了一种基于压缩感知理论的图像多描述编码的方法.该方法在编码端利用分块压缩感知技术对图像进行随机测量,将得到的测量结果矩阵按行平分形成多个描述;在解码端,利用所收到的若干描述重建出相应的图像,且收到的描述个数越多,重建图像的质量越好.直接对测量后的矩阵进行行分割,可以随意产生多个描述,同时也使得编码端的计算复杂度大大降低.实验表明,在相同条件下,本文方法的编码时间更短,图像的重构质量也明显优于其他多描述编码的方法.     

基于非线性模型的混合分形图像编码方法

提出一个非线性模型,将典型分形块编码的8种对称变换推广到64种,并通过定义特征值的方法对域块选择以及几何变换方式选择进行加速.基于区块邻域匹配的快速匹配策略,对匹配效果不佳的区块进行块截取编码,对平滑块采用均值和三级四叉树编码,使得综合压缩性能良好,编码速度有较大提高.     

方块填充法:一种新的图像压缩编码算法

小波变换后，图像的小波系数中含有的大量零系数。文章根据图像的小波系数的这一统计特性提出了一种新的图像压缩编码方法。即方块填充法。利用图像小波系数的特征，对零系数比较密集的区域进行方块填充，并对各个方块进行标识，然后对填充后的小波系数编码。就可以用很少的比特描述比较多的零系数。实验结果表明。与零树编码方法相比，在大大节约运算量的同时，也获得了很大的数据压缩率。     

嵌入式DCT图像编码算法

首先对图像进行DCT，然后把不同块中相同频率的DCT系数按照子块的顺序重新排列成64个子带．重排后的DCT系数采用一种基于上下文的算术编码器进行位平面编码，从而使编码后的图像具有渐进传输性．实验证明，文中算法是一种简单、有效的图像编码算法．     

基于分片线性函数的图象压缩方法

使用了一种新分片线性逼近算法,算法首先对极大极小友谊赛一分片线性函数的紧凑表示形式做了改进,然后发挥了分片线性逼近的优势。在此基础上,提出了一种基于分片线性逼近的图象压缩编码方法。这种方法具有解压缩速度快的优点,与其它的图象压缩方法（例如DCT）相结合,能够提高图象的压缩效率。