基于小波变换和快速矢量量化的InSAR图像压缩

提出了一种基于小波变换和快速矢量量化的InSAR图像压缩编码方法。在小波变换域内,根据InSAR图像的统计特征进行非线性量化后,再进行小波树快速矢量量化压缩编码;并应用门限技术抑制图像噪音。实验结果表明：该方法对InSAR图像压缩效果明显优于EZW和SPIHT方法。     

基于小波变换和形状-增益矢量量化的3维图像压缩

数据压缩是高光谱图像处理应用中的一个关键问题。为了对高光谱图像进行有效压缩，在2维小波变换的基础上，提出了一种分组矢量量化的高光谱图像有损压缩方案。该方案首先按照谱段类型对高光谱图像进行分组，然后对每个谱段分别进行2维小波变换，最后变换系数再使用一种Kronecker-Product形状-增益矢量量化方法来进行量化编码。计算机仿真结果证明．该算法在取得高压缩率的同时，不仅能很好地保持数据的谱特征，并能降低运算量。     

基于小波变换和自适应标矢量混合量化的图像压缩

本文提出了一种基于小波变换和自适应标矢量混合量化的图像压缩技术.该算法首先将图像分成不同层次不同频率的子带,对含能量大的低频子带采用无失真的DPCM编码;利用相同方向不同尺度子带之间的相关性,对其余的高频子带利用自组织特征映射神经网络进行矢量量化编码,实验证明此方法兼顾了图像的压缩比、编解码时间以及重构图像质量等因素.     

基于小波和阈值的矢量量化图像压缩方法

文章介绍一种新的矢量分类搜索算法，在保持较好分类效果的情况下，加快了码书的搜索速度，同时在给定失真测度的前提下，使码书的码元数量随不同的图像而变化，自适应地调整分类结果。分类完毕后对码书不同子带和特定顺序分级组织，再对相关数据进行游程编码和熵编码。实验表明，此方法具有很好的压缩效果和较快的计算速度。     

一种基于小波变换的图像压缩方法

提出一种基于小波变换的灰度图像数据压缩编码方法,基本思路是利用小波变换实现图像的多分辨分解,用矢量量化（ＶＱ）对分解后的图像进行编码,在矢量量化ＬＢＧ算法的初始码书的选取中根据矢量中各分量的特性提出一种改进的随机选取法,避免了可能的胞腔不均现象,提高了码书的质量,而且重构的图像质量也有所提高。     

基于小波变换和矢量量化的人脸图象压缩

在图象的压缩编码中，矢量量化可以利用某特定类图象（加人脸）的统计特性，为了在高压缩比下获得较好的压缩效果，提出了一种新的小波变换域内进行矢量量化的算法，该算法用树结构表示小波变换域系数，并根据各节点值的重要程度，从每一棵树中提取一个矢量，然后进行矢量量化；解码时，为了使矢量分量能正确地返回到原来树中的正确位置，需利用EZW^[1]、SPIHT^[2]算法的思想标记这棵树，因为这样才能充分利用父子相关性和兄弟相关性，从而显著地减少了标记信息，在提取矢量时，可用简单的阈值剪枝算法，也可用SFQ^[3]的最佳剪枝算法，而且后者能进一步提高峰值信噪比，用该算法对人脸图象进行的压缩试验结果表明，在高压缩比（100:1左右）下，恢复的图象质量（视觉效果和峰值信噪比）比通常的小波压缩算法（如EZW，SPIHT、SFQ等）好得多，该算法特别适合于对特定类图象的压缩。     

小波变换在热图像压缩中的应用

对图像进行小流变换后各子图像数据的特性进行了探讨，并利用这些特性提出了一种方块分割方法和一种矢量量化编码时所需的数据平稳性和各态扁历性的大数据检测方法；然后研究了小流变换在热图像压缩中的应用。     

基于小波变换和矢量量化的遥感图象压缩方法

提出基于小波变换 (WT)的矢量量化 (V Q)的遥感图象压缩编码方法。采用二维 WT消除象素间的空间相关性 ,然后对变换后的小波系数进行 VQ压缩编码。实验结果表明 :该方法可获得 10倍压缩比 ,峰值信噪比(PSNR)为 30 .5 2。本方法明显优于 JPEG方法 ,而且没有方块效应。该方法可用于各种遥感图象压缩 ,压缩比和PSNR这两项指标与 JPEG压缩方法相比 ,也有明显的提高。     

小波树结构快速矢量量化编码方法

提出了基于人眼视觉属性和应用小波树结构２快速图象编码的矢量量化图象编码方法，简称为树结构快速矢量量化编码。在分析此方法矢量量化特点之后，设计产生码本的统计方法，并提出了矢量量化编码的快速算法。     

基于多小波变换的矢量量化图象快速编码算法

提出了一种基于多小波变换的矢量量化编码算法,图象的多小波变换优于普通小波变换,此算法又加快了编码速度。实验表明：计算时间有所减少,峰值信噪比有所提高,且图象无明显块效应。     

小波变换编码在医学图像压缩中的应用

文章结合医学图像的特点探究了一种图像压缩编码方法：先对图像进行小波分解，然后针对不同层不同子图的特点对小波系数的各部分进行相应处理。小波分解后，低分辨率子图像的小波系数的动态变化范围大，因而采用BP神经网络进行自适应非线性预测编码，而对高分辨率子图像采用基于Kohonen网络的自组织特片映射（SOFM）算法的矢量量化进行编码，上述压缩方法可以在保证重构图像质量良好的情况下获得较大的压缩比，从而可以较好的满足医学图像存储的要求。     

一种快速、有效的量化与基于小波的图像压缩

量化是利用小波变换的图像压缩编码技术的关键环节之一。矢量量化和标量量化各有长短,该文将这二者有机地结合起来,称为混合量化(HQ—Hybrid Quantization)。它既有矢量量化的高效率,又具有标量量化的简单性,不需要进行码书训练,不要做乘除法。并用标准测试图像与其它方法的压缩结果进行了比较。     

基于小波变换的分类矢量量化编码

提出了一种小波变换和分类矢量量化相结合的方法,利用方向树结构构成矢量,并对矢量按能量进行分类,结合非线性插值方法进行矢量量化。矢量的构成充分考虑了小波系数的带内以及带间相关性。仿真结果表明,该方法能够获得较高的编码效率。     

基于哈夫曼编码的矢量量化图像压缩算法

现有边缘匹配矢量量化(SMVQ)算法没有考虑码字索引分布规律。针对该问题,通过理论分析得到码字索引严重非均匀分布的规律,基于该规律提出结合哈夫曼编码的SMVQ图像压缩算法。实验结果表明,与穷尽搜索算法相比,该算法在保持相同编码质量的情况下,编码码率下降50%,与SMVQ相比,其PSNR提高0.8 dB,编码码率下降30%。     

一种基于小波变换的图像压缩方法

量化在图像压缩编码中起着至关重要的作用。从标量量化的角度出发,提出了逐级量化的编码方法,该方法能在保证一定图像质量的前提下大大降低编码率。最后,通过实例分析说明了本方法的具体实现过程,并对经典图像进行实验。证实了本方法的正确性和实用性。     

一种新型的量化方法与基于小波变换的指纹图像压缩

针对矢量量化和标量量化各有优劣的现状，一种简单，有效的新型量佛方法被提出来了。本文把应用于基于小波变换的指纹压缩，改进了ＥＢＩ的ＷＳＱ算法，大大降低了量化计算复杂度。即获得较高的压缩比，又有较好的主客观质量，并与ＪＰＥＧ标准进行了对比。     

基于推广的IHS变换和压缩传感的遥感图像融合

为了提高全色图像和多光谱图像的融合图像的质量,提出一种基于推广的intensity-hue-saturation (GIHS)变换和压缩传感的遥感图像融合方法.首先对低分辨率多光谱图像作GIHS变换得到低分辨率的亮度分量;然后在低分辨率的亮度分量、全色图像和理想的高分辨率亮度分量之间建立压缩传感模型;再利用压缩传感理论恢复出理想的高分辨率亮度分量,并用其代替GIHS变换方法中的全色图像,得到最终的融合图像.高分辨率亮度分量的应用,使得融合图像的光谱失真问题大为改善.以Geoeye-1和QuickBird卫星数据为例的实验结果表明,与传统方法相比,文中方法不仅能够提高多光谱图像的空间分辨率,而且对光谱信息的保持也具有更好的效果.     

基于小波变换及矢量量化的隐像术

提出了一种新的图像保密系统（称为隐像术）,它把有关秘密图像的信息加密隐藏在另一可以开传送的普通图像中,不易引起窃听者的注意,达到了保护秘密图像的目的。试验结果表明,恢复出的秘密图像的PSNR值可达22．83dB,证明了隐像术有着令人满意的恢复质量。隐像术的优点是：用可公开传送的普通图像隐藏秘密图像,不易为窃听者所察觉;有效地压缩了所需保密和数据,一幅可公开传送的普通图像中可隐藏数幅秘密图像;秘密图像的信息是用DES算法加密的,确保了整个系统的安全性。     

一种高效的小波变换跨带矢量量化编码

文中提出了一种基于小波变换的跨带矢量量化编码方案,通过以下措施改进算法性能对小波变换后的数据建立跨带矢量并进行矢量量化;对不同的子带分配不同的码率从而有效地节约码字;对低频子带进行标量量化以保持图像质量.实验结果表明本方案能在降低每象素比特率的同时提高峰值信噪比.     

多媒体通信中基于对象的格矢量量化

在格结构的分析与研究的基础上,详细讨论了格的重要算法,并给出了小波域图象对象的格矢量量化方法。结合小波变换系数的分布特点,对某些小波变换系数进行标量量化时,采用了一种连续逼近的方法,并利用所讨论了算法对多数小波变换系数进行了格矢量量化。实验表明,格矢量量化速度快,编码效率高,能较好地达到多媒体通信中图象压缩编码要求。