多光谱图像的无损压缩方法

利用多光谱传感器对同一观测对象在多个窄光谱范围上获得的图像,称为多光谱遥感图像。这类具有高空间和谱间分辨率的谱图像数据量大,其存储和传输都比较困难。因此,对海量数据进行有效的数据压缩便成了遥感资料应用中迫切需要解决的问题之一。为了防止有用信息的丢失而影响图像的进一步处理和应用,采用无损数据压缩方法是解决该问题的有效途径之一。本文分析了多光谱图像的空间和谱间相关性等特点,从多光谱图像预处理、预测和变换无损压缩方法等方面介绍了目前主要的多光谱图像无损压缩方法,并对其特点进行了对比分析。     

基于3-参数变长编码的图像无损压缩算法

通过对 Huffman 编码方法的研究和分析, 提出了一种基于3-参数变长编码(3-PVLC)的图像数据无损压缩算法. 在图像数据转换为混合差分数据基础上, 采用3-PVLC 对差分数据进行一次编码, 并利用一种自适应性的游长缩减法对一次编码后的二值码流进行二次编码. 本文的编解码方法较灵活, 可依据具体需要进行基于3-PVLC 方法的一次编码或在一次编码基础上完成二次编码, 且具较高压缩比.     

基于改进SPIHT的图像无损压缩算法研究

针对应用于图像无损压缩的传统SPIHT算法没有充分利用小波系数低频子带带内的相关性且存在编码冗余的不足之处,提出了基于改进SPIHT的图像无损压缩算法。首先对原始图像进行整数小波变换,然后对小波变换后的低频子带和高频子带分开编码,即对低频子带进行预测编码;对高频子带,当阈值小于等于2时,改变了传统SPIHT算法的编码方式,减少了比特输出。实验结果表明,与传统SPIHT算法相比,比特率平均降低了0.0653bpp。     

基于块方向信息的指纹图像无损压缩编码

根据指纹图像在局部具有很强的方向性，提出了一种基于块方向预测的无损压缩编码方法。在此方法中，首先将指纹图像分成8×8的图像块，计算出每一块的块方向信息，并根据这个方向信息，对各个块自适应地选择一个预测器；然后通过预测误差的Context模型进一步去除相邻像素之间的相关性；最后采用Rice算法对误差图像进行编码。实验表明，这种方法简单实用，压缩效果好于JPEG无失真模式和JPEG-LS。     

一种有效的多波段遥感图像无损压缩方法

首先利用分类的方法,得到同一地物在不同波段的光谱反射特性,在此基础上构造谱间预测器,去除谱间相关性,再对残差图像采用S＋P变换去除空间相关性,然后,利用改进的分级树的集合划分（SPIHT）方法,实现遥感图像的高效无损编码,实验表明本方法取得满意的结果,显示了本方法在多波段遥感图像压缩中的潜力。     

图像无损压缩技术分析与性能比较

讨论了目前常用图像无损压缩算法的基本原理和实现方法,并对这些方法的性能做了分析比较。通过实验表明,基于整数小波变换的压缩方法具有较好的压缩比。针对无损压缩比低的问题,提出根据图像特点首先采用预测编码方法或整数小波变换方法降低图像信息量,再使用熵编码方法的方案能较好地提高压缩比。     

图像的无损压缩研究

着重从编码原理、发展现状和国际标准三个方面论述了图像的无损压缩研究及其现状,描述了基于不同解相关模型的无损压缩算法的主要思想。同时,由于无损方法的低压缩比有时很难满足某些实际应用的要求,文中进一步阐述了近无损压缩的概念,阐明了近无损压缩方法：基于感兴趣区域、视觉无损以及信息无损的具体含义,并就无损压缩以及近无损压缩研究领域内所存在的一些问题和更深一步研究的方向进行了一些有益的探讨。     

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.     

一种基于神经网络模型的遥感图像的快速无损压缩方法

感知器是一种分层的神经网络模型,具有自适应自学习的能力.本文提出一种基于感知器模型的自适应预测的遥感图像无损压缩方法,编码时,先对当前像素进行自适应预测,然后采用快速有效的Rice编码器对误差图像编码.以TM遥感数据为实验对象,实验结果表明,该方法能够有效地去除遥感图像的空间及谱间相关性,压缩效率明显优于基于算术编码的JPEG最优无失真模式;与LOCO-I算法相比,三维预测的平均压缩比和编解码速度也有较大的提高.     

基于字典学习的卫星图像压缩算法研究

针对卫星图像的特点及当前卫星图像在传输和存储上面临的问题,提出了一种基于稀疏表示的卫星图像二级无损压缩算法。通过传输稀疏表示后的稀疏系数来代替图像本身的传输,完成对卫星图像的第一级压缩;对非零稀疏系数先作预处理后实现聚类,然后依据聚类索引对原始非零稀疏系数的位置排序;最后对处理后的非零稀疏系数和位置数据分块,并利用改进的自适应哈夫曼算法对非零稀疏系数的数据块编码,利用差分编码和改进的自适应哈夫曼算法对位置数据块编码,完成对图像数据的第二级压缩。实验结果表明,与传统算法相比,所提算法具有明显优势,改进算法的压缩率是传统算法的1/3~1/2,且可同时实现卫星图像的高倍无损压缩与高分辨率重建。     

基于自适用算术编码的分块无损图像压缩方法研究

为了获得更加准确的残差图像概率分布,以便实现更好的无损图像压缩,提出了一种基于自适用算法编码(adaptive arithmetic coding,AAC)以及几何有限混合模型的分块无损图像压缩方案。首先,该方法将残差图像分成若干非重叠块,然后利用期望最大化算法,通过最大似然估计对混合参数进行了估计,并通过参数的混合几何分布对每个模块的统计数据进行建模。此外,将直方图截断方法用于每个预测误差块,以便减少算法编码中的符号数量,从而降低了出现零次符号的影响。实验结果显示在图像集的压缩比方面,提出的压缩方法优于先进的标准JPEG-2000和JPEG-LS。     

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。     

基于算术编码的格网DEM压缩技术综述

DEM是三维地形可视化基础,随着DEM数据量的不断增加,对DEM进行编码压缩已成为三维地形可视化的重要研究内容。算术编码是一种基于熵编码的无损压缩编码,能保留重要细节信息。目前基于算术编码的预测模型可分为简单线性预测、拉格朗日预测和最小二乘预测三类,对这三类算法进行了对比分析。指出了算术编码算法在实际运行中存在的问题,对其未来发展提出展望。     

支持分辨率渐进码流的无损图像编码方法

针对无损图像压缩编码,提出了一种新颖的图像分解去相关方法。当前的无损图像编码方法主要有CALIC和JPEG-LS,两者都在空域直接作预测,导致编码码流不具有分辨率可伸缩性。结合小波提升模式与边缘自适应预测研究实现了一种比二维小波变换性能更好的分解方法。首先,对图像的每一列样值进行一维小波分解;然后,对高频子带进行边缘自适应预测,减少残留的信息。针对低频子带图像进行同样的两步操作,就完成了对图像的一次二维分解。对低频图像进行多次迭代操作后即形成了对图像的一个多分辨率分解。实验结果表明,与JPEG2000的无损模式相比,由于边缘自适应预测的引入,提出的分解模式获得了明显的编码增益。     

一种新型非线性分形图像压缩编码算法

提出一种简单的非线性分形算法，简化了Popeseu等提出的算法，用于解决压缩字典较小的问题．实验结果表明，这一算法简单可行，具有良好的压缩结果和高质量的重建图像。     

数字图像的多向混合差分无损编码方法

通过对双向混合差分方法以及3-参数变长编码方法的研究与分析,针对数字图像编码提出了一种多向混合差分预处理方法。多向混合差分方法先根据当前点的邻近4点对当前点作局部特征分析,然后根据分析结果在基本差分方向中选择当前点的最佳差分方向。相对于双向混合差分方法,多向混合差分方法无需保存方向标志位;基本差分方向进一步细分为4种方向。与双向混合差分的实验结果相比,经多向混合差分处理后的测试图像平均熵值降低了8.2%,编码后单个像素值所占平均比特数降低了11%。实验结果表明,该方法可以把数字图像的熵值降到一个较低的水平,从而有利于编码效率的提高。     

基于预测稀疏编码的快速单幅图像超分辨率重建

针对经典的基于稀疏编码的图像超分辨率算法在重建过程中运算量大、计算效率低的缺点,提出一种基于预测稀疏编码的单幅图像超分辨率重建算法。训练阶段,该算法在传统的稀疏编码误差函数基础上叠加编码预测误差项构造目标函数,并采用交替优化过程最小化该目标函数;测试阶段,仅需将输入的低分辨图像块和预先训练得到的低分辨率字典相乘就能预测出重建系数,从而避免了求解稀疏回归问题。实验结果表明,与经典的基于稀疏编码的单幅图像超分辨率算法相比,该算法能够在显著减少重建阶段运算时间的同时几乎完全保留超分辨率视觉效果。     

基于Mandelbrot集和Logistic映射的分形图像压缩编码

改变传统的一幅图像对应一个压缩字典、一幅图像固定一张量化表的分形图像压缩方法,提出基于M集和Logistic映射的分形图像压缩编码算法.采用函数f(z)=z2 c,生成M集曲线,使用Logistic混沌映射生成的量化表量化M集曲线,生成图像块,构成丰富的压缩字典.编码时将量化后的M集图像块与压缩字典中的图像块进行匹配,选出满足条件的图像块,然后对该图像块进行编码;解码时读取压缩字典,重建图像.该算法生成了丰富的压缩字典,解码图像质量高,并且比传统分形图像压缩算法压缩比高.