基于自适应预测的高光谱遥感图像无损压缩算法

针对高光谱遥感图像细节丰富纹理复杂、空间相关性弱、难于压缩的特点,充分利用高光谱遥感图像的谱间相关性,使用多个波段的像素来自适应预测当前波段的像素。因为待预测像素的最优预测是其条件期望,用分段积分的方法将条件期望转化为可计算的表达式,并与其它波段的像素关联起来。选取与待预测像素有较强因果关系的相邻像素自适应地估计出各参数的值,得到残差图像,消除了大部分的谱间冗余和空间冗余,再用JPEG-LS进一步去除残差图像的空间相关性。实验表明,该算法能有效去除高光谱图像间的相关性,较其它压缩算法压缩比有很大提高,且算法简单,便于硬件实现。      

自适应不规则纹理的胶囊内镜图像无损压缩

为缓解无线胶囊内镜图像在电子设备以及服务器中的存储压力,提出一种自适应不规则纹理的无损压缩算法。在图像块内,利用扩展角度预测模式寻找与待预测像素最邻近的5个参考像素,并给其中3个参考像素分配不同权重,同时根据邻近像素值梯度变化规律,扩大待预测像素在不规则纹理方向上的预测值选择范围,基于图像块的最小信息熵选择最优的预测值,将真实值与预测值作差获得预测残差,以适应不规则纹理图像。利用跨分量预测模式选择最优的预测系数,构建符合图像块内预测残差分布规律的线性关系,从而消除当前编码像素中3个分量的冗余数据。结合Deflate算法对经多角度预测模式与跨分量预测模式预测后的剩余残差进行熵编码。实验结果表明,该算法在Kvasir-Capsule数据集上的无损压缩比平均为5.81,相比WebP、SAP、MDIP等算法,具有较优的压缩性能,能够有效提高图像的冗余消除率,其中相较WebP算法的冗余消除率提高约1.9%。     

基于JPEG-LS帧间扩展的图像无损压缩算法

介绍了JPEG—LS帧间三维扩展的无损压缩算法,分析算法原理和性能在帧间扩展上的改进,给出了帧间编码的基本预测模板。在考虑邻域像素的相关性的基础上,采用自适应选择帧间／帧内预测与运动补偿技术实现了压缩比的提高。通过实验,对帧内压缩与帧间压缩在压缩比与运算复杂度作出了定性和定量的分析比较。     

基于彩色图像纹理特征的提取方法

纹理特征是图像分析研究的重要依据,纹理特征提取的方法很多。本文探索一种依照图像的色彩信息,提取图像纹理特征的简洁方法。其方法是：根据色彩距离,找出色彩变化较大的住置作为纹理的位置。     

基于ROI的医学图像无损压缩

如何高效地压缩医学图像,以便减少存储空间和传输时间,已经成为迫切需要解决的问题。在分析现有的图像压缩方法和医学图像特点的基础上,针对医学图像有损压缩方法和无损压缩方法各自的不足,研究了一种基于ROI（Region of Interest）的医学图像无损压缩方法。     

高光谱图像无损压缩的DSP优化实现

高光谱遥感技术是当前遥感领域的前沿技术之一,由于高光谱图像的数据量巨大,因此对其进行压缩具有十分重要的意义。基于TI公司的TMS320DM642高性能DSP芯片,采用JPEG-LS压缩算法实现了高光谱图像的无损压缩,并针对DSP硬件特点对算法进行了深入优化,使其达到了较高的压缩速度,从而为高光谱图像无损压缩技术在遥感平台上的实时性应用提供了可能。实验结果表明,优化后的运行效率平均提高了20倍以上,且与通用计算机相比也有明显的优势。     

基于颜色和纹理特征的彩色图像检索

提出了一种基于颜色和纹理特征的图像检索方法。在对HSV颜色模型量化处理的基础上,提取颜色直方图作为图像的颜色特征。在提取纹理特征时,结合颜色量化结果,设计了反映图像纹理变化的状态转移概率矩阵,在此基础上,提出采用颜色相关熵来描述图像的纹理特征。由于综合利用了图像的颜色及纹理特征,实验结果表明,该方法取得了较好的检索效果。     

基于信号特征的雷达图像无损压缩算法

提出了一个有效的在VDR中记录雷达图像的无损压缩算法。该算法基于对雷达信号特征的分析，充分挖掘其中的各种信息冗余进行压缩编码。首先进行帧间预测编码，并解决了可能出现的误差累积问题。在帧内预测编码时，提出了沿最小梯度方向进行预测的分类预测器。在熵编码阶段，提出了若干图像序列共享概率模型的方法。     

基于自适应预测模型的静止图像数据无损压缩方法

本文扼要介绍了JPEG标准的算法，并对其中的无损压缩方法进行了改进。采用自适应预测模型实现了图像数据的无损压缩，预测模型根据前一点的预测误差进行自适应调整，使后一点的预测模型尽可能接近最优。     

基于模糊逻辑的无损彩色图像压缩算法

在数字图像处理中,无损彩色图像压缩有着越来越广泛的应用。为了充分利用彩色图像色彩分量之间的相关性以及提高彩色图像的无损压缩率,本文提出一种基于模糊逻辑的无损彩色图像压缩算法。该算法将模糊逻辑和H.264帧内预测算法相结合,提出一种改进的帧内预测算法并运用到对彩色分量G的预测中;然后利用彩色分量之间的纹理相似性来降低R、B分量的纹理复杂度;再结合G分量的最优预测模式以及基于上下文统计的自适应补偿算法,对R、B分量进行帧内预测;最后,通过预测结果来确定最优参数,对3个彩色分量的预测差值进行Golomb编码。实验表明,与无损压缩算法JPEG-LS相比,该算法对纹理清晰的彩色图像的压缩率有较大的提高。     

高光谱图像无损压缩算法的DSP优化实现

基于TI公司的TMS320DM642高性能DSP芯片,实现了一种新的针对高光谱图像数据特点提出的基于三维自适应预测的高光谱图像无损压缩算法,并通过对算法在语言和结构上的优化,大大提高了算法的执行效率,为高光谱技术的推广和发展提供了重要的经验.实验结果表明,优化后的代码执行速度是优化前的18.72倍,是PC机上运行速度的2.281倍.     

基于整数小波和三维自适应的高光谱图像无损压缩算法

考虑到高光谱图像小波子图的谱间相关性,提出了一种新的基于整数小波的三维自适应预测高光谱图像无损压缩算法。首先用5/3整数小波将高光谱每个谱段图像做小波分解,对不同谱段的相同子带,设计一种新的线性预测器。用与待预测像素有较强相关性的相邻像素自适应地估计预测系数的值。消除了大部分的谱间冗余和空间冗余后,再用JPEG-LS进一步去除残差图像的空间冗余。实验表明,该算法能有效去除多光谱图像间的相关性,较其他压缩算法压缩比有很大提高,且算法简单,便于硬件实现。     

基于模糊逻辑的无损视频压缩的算法

数字视频领域对高质量视频的需求使得无损压缩的应用范围越来越广,为此设计了基于模糊逻辑的无损视频压缩算法。该算法采用基于模糊逻辑的方法计算相邻帧的分块间的相似性以及分块的块内相似性,来确定时间预测与空间预测的选择,时间预测中定义了一种新的运动估计的匹配准则,最后通过相似度估计Golomb编码的最优参数,在无须复杂统计模型的情况下实现低复杂度、快速高效的Golomb编码。实验结果表明,与无损压缩算法JPEG-LS相比,在压缩率上有很大提高。     

基于OBDD的灰度图像无损压缩算法

提出一种基于有序决策二叉图(OBDD)的灰度图像无损压缩算法,该算法将灰度图像划分成独立的位平面,利用二值图像的开关性,用OBDD模型来表征位平面,然后对OBDD进行有效的编码,最后用算术编码压缩进一步减少冗余.实验结果表明,本算法的压缩比优于WinZIP.     

一种基于IWT与自适应预测的无损压缩方案

提出一种基于IWT与自适应预测相结合的无损图像压缩方案IWTAP。详细阐述了该方案的理论依据,在此基础上,结合矩阵理论和低频子带的自相关模型,给出了自适应预测参数的简化计算公式。编码时,每次IWT后,用低频子带改进高频子带一次,改进时所需的参数依据低、高频子带的特征自适应确定;解码时,先进行高频子带还原,再进行逆IWT。实验结果表明,该方法能有效降低高频子带的信息熵,降低图像的无损压缩比特率,计算复杂度上升不大。     

Lossless asymmetric single instruction multiple data codec

This report introduces a new lossless asymmetric single instruction multiple data codec designed for extremely efficient decompression of large satellite images. A throughput in excess of 3GB/s allows decompression to proceed in parallel with asynchronous transfers from fast block devices such as disk arrays. This is made possible by a simple and fast single instruction multiple data entropy coder that removes leading null bits. Our main contribution is a new approach for vectorized prediction and encoding. Unlike previous approaches that treat the entropy coder as a black box, we account for its properties in the design of the predictor. The resulting compressed stream is 1.2 to 1.5 times as large as JPEG‐2000, but can be decompressed 100 times as quickly – even faster than copying uncompressed data in memory. Applications include streaming decompression for out of core visualization. To the best of our knowledge, this is the first entirely vectorized algorithm for lossless compression. Copyright © 2011 John Wiley & Sons, Ltd.     

基于3维上下文预测的高光谱图像无损压缩

如今高光谱数据的有效压缩已成为遥感技术发展中需要迫切解决的问题,为了对高光谱数据进行有效压缩,提出了一种基于3维上下文预测的高光谱图像无损压缩算法。该算法首先根据相邻波段间的相关性大小进行波段分组,同时对各个分组重新进行波段排序;然后采用自适应波段选择算法对高光谱图像进行降维,再利用k-means算法对降维后的波段谱向矢量进行聚类;最后在参考波段和当前波段中通过定义3维上下文预测结构,在聚类结果的基础上,对各个分类分别训练其最优的预测系数。实验结果表明,该方法可显著降低压缩后图像编码的平均比特率。     

基于静态串表的图像无损压缩编码方法

结合前像素预测编码方法和Lempel-Ziv-Welch(LZW)编码思想并针对其对于变化频率较高的信号压缩效率较低的问题,提出了一种通过利用图像像素之间相关性构建静态串表对数字图像进行无损压缩的编码方法。通过对前向预测编码处理后的图像数据进行查表编码来实现图像无损压缩。实验结果表明该方法实现简单,压缩效率高于LZW算法和WinZIP算法。     

遥感图像压缩中CCSDS标准的应用及VLSI实现

针对遥感图像的无损压缩应用,基于国际空间数据系统咨询委员会(CCSDS)犤1犦建议的无损数据压缩标准,结合局域纹理特征分析的处理方法犤2犦,设计了一种有效的遥感图像无损压缩方案。压缩方案由基于局域纹理分析的去相关处理、CCSDS建议的熵编码两部分组成,去相关操作是通过提取出两种有效的预测模型并自适应选择最佳的模型进行处理,然后使用快速有效的CCSDS熵编码器对最佳去相关模型的预测误差进行编码,同时算法中考虑面向空间应用的特殊性,设计了输入输出数据率恒定条件下的压缩码率控制方法,从而给出了一套完整的针对遥感图像压缩的具有可行性的解决方案,同时解决了压缩方案中VLSI实现的一些关键技术。