快速傅立叶变换的图像数据压缩算法

当今图像数据信息的海量化,使得图像压缩编码应用显得尤为重要,图像压缩的分类方法很多,限失真编码以其压缩比高而得到广泛应用。常见的限失真编码主要采用余弦变换,K-L变换,小波变换等。该文另辟蹊径采用快速傅里叶变换,及霍夫曼编码方式对标准lena图像数据进行限失真压缩编码压缩,得到了较好的压缩效果。     

基于小波分析的活动图像压缩方法

小波分析在图像压缩方面有良好的效果，目前已有相应的基于小波分析的图像压缩芯片问世。若考虑活动图像的帧间相关性，对差值图像进行小波压缩，可进一步提高压缩比。文中提出一种基于最小方差匹配的运动补偿快速搜索方法，对序列图像先进自适应预测，然后对差值进行小波压缩，取得了很高的压缩比。     

一种基于小波变换的图像压缩方法与实现

提出了一种先去噪再利用小波变换的图像压缩方法,用Matlab软件编程实现算法。实验仿真结果显示,图像在具有高压缩比的同时,重构图像的质量也较优;使用不同的小波基函数,效果不同。     

基于CSCW的静态图像编码压缩算法

图像编码压缩会引起失真。在研究静态图像编码压缩问题中,针对传统的编码算法只能在压缩比和失真之间取舍,不能获得较大压缩比又获得较好失真效果,很难适用于类似计算机支持协同工作的环境。为了解决上述问题提出一种行程长度编码的方式保证失真效果,同时又可以利用小波变换编码算法的特性来提高压缩比的编码算法,以行程长度编码和小波变换编码分别压缩图像的不同区域完成编码压缩。试验检验表明算法速度快、压缩比高、失真小(感兴趣区域可以无失真)结果获得较高压缩比同时失真较小,可用于特殊环境的编码压缩。     

噪声图像的分形压缩编码研究

分形图像压缩编码是近年来产生的新的图像压缩编码技术,由于其具有极高的压缩比而获得广泛的关注。主要讨论了图像小波域的去噪问题以及如何将小波域的去噪与分形图像压缩方法结合起来,以获得良好的编码效率和图像质量。     

基于Haar小波变换的图像分解与重构

介绍了Haar小波函数及基于Haar小波变换的图像分解与重构,通过实验得出了小波变换及haar小波用于图像分解与重构具有速度快、重构图像压缩比高、对图像容易进行各种分析处理等优点的结论,为后续研究图像压缩技术提供了一定的依据。     

基于小波变换的图像分解与重构编码的实现

在讨论小波分析应用于图像的分解与重构的基础上，利用数学软件工具MATLAB6．1实现了不同阈值下的hast和db9两种小波的3级图像分解和重构，结果表明，对于一种小波选取的阈值越大，重构图像的失真程度越高。在相同闭值下，db9小波的重构图像质量要略优于hast小波，但hast小波重构图像要比db9小波的重构图像小得多，说明在对图像质量要求不高的场合，采用hast小波进行图像压缩是比较有效的。     

基于ROI的分形图像压缩编码

分形图像压缩由于具有非常高的压缩比越来越受人们的关注,但是高压缩比的图像方块效应非常明显,这在很大程度上影响了解码图像的质量。为了解决这个问题,借鉴JPEG2000中提出的ROI概念,提出了将感兴趣区域（ROI）图像编码与分形图像压缩编码相结合的图像编码方法,使得重构的图像中感兴趣区域的保真度高于背景区。该方法很好地解决了图像的压缩比和重构图像质量之间的矛盾。实验结果证明：此方法在获得较高压缩比的同时,压缩编码时间大为降低,解码图像质量也有较大的改善,且总体编码性能优于JPEG编码。     

一种小波域内的BP神经网络图像压缩方法

通过时Mallat算法和提升小波变换的比较,并分析图像经过小波变换后系数的分布特点,提出了一种新的将提升小波变换和BP神经网络相结合的图像压缩方法.根据小波变换后图像的绝大部分能量都集中在小波变换的低频部分这一特性,利用BP神经网络,对不同的频带子图进行不同压缩比的压缩,从而得到高质量的重构图像.结果表明,该算法不仅有较高的压缩比,而且获得了质量较高的重构图像,对背景简单的图像压缩效果尤为明显.     

基于小波变换的医学图像压缩技术

分析了医学图像压缩的必要性,简要介绍了二维离散小波变换和Mallat算法,在此基础上探讨了基于小波变换的医学图像压缩技术。实验结果表明,小波变换算法具有较高的压缩比和较好的图像恢复质量。     

On the concept of best achievable compression ratio for lossy image coding

The trade-off between image fidelity and coding rate is reached with several techniques, but all of them require an ability to measure distortion. The problem is that finding a general enough measure of perceptual quality has proven to be an elusive goal. Here, we propose a novel technique for deriving an optimal compression ratio for lossy coding based on the relationship between information theory and the problem of testing hypotheses. The best achievable compression ratio determines a boundary between achievable and non-achievable regions in the trade-off between source fidelity and coding rate. The resultant performance bound is operational in that it is directly achievable by a constructive procedure, as suggested in a theorem that states the relationship between the best achievable compression ratio and the Kullback-Leibler information gain. As an example of the proposed technique, we analyze the effects of lossy compression at the best achievable compression ratio on the identification of breast cancer microcalcifications.     

基于JPEG-LS压缩比控制的图像压缩加密算法

针对传统图像压缩比控制不精细及低维混沌系统保密性不高的问题,提出一种基于连续色调静态图像的无损或近无损压缩标准(JPEG-LS)压缩比控制的图像压缩加密算法.在深入分析JPEG-LS中失真控制参数Near对图像压缩比和重建质量的影响的基础上,首先,对光栅扫描的图像数据进行梯度处理;然后,比较梯度值与Near的大小关系以决定进入游程模式进行游长编码或常规模式进行Golomb编码;再次对三维Lorenz混沌系统生成的序列进行随机性处理,采用该序列作为密钥分别对游程模式、常规模式和全模式(游程和常规两种模式)下的压缩码流进行加密;最后,对Near进行实时动态调整,实现了对图像的压缩比精细控制且提高了保密性.仿真结果表明,所提算法能够实现良好的压缩比控制,且重建图像质量比线性压缩比控制算法提高了大约0.5 dB;同时算法安全性高,能够有效抵抗熵攻击、差分攻击、穷举攻击、统计攻击等多种攻击,且加密对压缩效率基本没有影响.     

引入神经网络中间神经元的快速小波图像压缩

目的针对自组织特征映射(SOFM)算法会出现严重的分块现象和快速小波变换在高压缩比的情况下图像恢复质量差的问题,提出引入神经网络中间神经元(relay neurons)的RSOFM-C矢量量化算法。方法引入了中间神经元的概念,使用中间神经元有效解决了码字利用不均匀的问题,并在神经网络中间层给出了欧氏距离不等式判据,排除不满足失真测度的神经元,减少重复计算,加快学习速度。根据差分脉冲编码调制(DPCM)中的差值信号编码原理将RSOFM-C算法与快速小波变换结合,使用RSOFM-C算法对由快速小波变换得到的图像低频信号进一步压缩。结果在仿真实验中,将本文算法与同类压缩方法进行对比,当压缩比为52%时,本文算法的峰值信噪比(PSNR)达到了39.28 d B,远远高于其他方法。结果表明,本文的压缩算法消除了分块现象,并且在保证高压缩比的同时获得高质量的重构图像。结论实验结果表明,本文提出的引入了中间神经元的快速小波压缩方法,具有高压缩比、高保真、速度快等优点,可以高效地压缩图像。     

The transform image codec based on fuzzy control and human visualsystem

A novel processing scheme for gray level image compression based on the human visual system (HVS) and fuzzy control is proposed. The spatial model of the threshold vision that incorporates the masking processes takes account of two major sensitivities of the human visual system, namely background illumination levels and spatial frequency sensitivities. The distortion measures use common sense fuzzy rules for image quality prediction. The human visual models have been successfully applied in image compression. By the addition of the visual model, performance of these systems has a visible improvement of subject quality depending on visual perception. The processed image performs both improved compression ratio as well as improved SNR (signal to noise ratio) in compression to the standardized still image compression technique, i.e., the JPEG     

医学图像感兴趣区的内嵌小波编码新方法*

提出了一种新颖的适合医学图像的压缩算法AR-EWC(embedded wavelet coding of arbitrary ROI).该算法保证了感兴趣区域边界与背景光滑过渡,支持任意形状ROI的无失真编码,生成内嵌有损到无损图像质量渐进优化的码流,并且可以对ROI独立随机存取.针对医学图像的特点,对包含重要临床诊断信息区域采用完全无失真的无损压缩,而对背景采用高压缩比的有损压缩,既保证了医学图像对高质量的要求,相对于传统的无损方案又大大提高了图像的整体压缩比.在临床头部MR图像数据集上的实验表明,该算法在保证了ROI区域无损压缩的前提下,达到了与经典的有损压缩算法相当的压缩比率.     

A Fractal Compression Algorithm Based on Collage Distance Estimating and Compensating

A new fractal image compression scheme based on collage distance is explained, which can provide of the scheme two different compression codes containing their own unique collage distance sets and different types of similar transforms. The analysis and applications of the scheme indicate that it can be adopted as a suitable alternative for balancing between the distortion measure and compression ratio occurring in ordinary fractal compression method.     

一种适合智能手机的JPEG压缩加密方案

智能手机日益贴近人们的生活,给人们生活带来了极大的便利,但开发者们“重体验、轻安全”的观念,使得智能手机所引发的安全问题也越来越突出。在研究图像加密方案的同时,针对智能手机平台的图像安全问题,设计了一种结合JPEG压缩编码的图像加密算法。该算法在保证图像压缩效率的前提下,实现了对图像的加密。通过实验分析发现,JPEG压缩算法在嵌入本加密方案后,压缩比损失和时间增加量均控制在20%以内,因而适合移植到智能手机平台中。