基于OBDD的编码算法

论文提出一个新的无损图像压缩算法,主要是通过有序二叉决策图(OBDD)的方法,寻找图像中重复的模式来减少其存储空间的一种变换编码,因而成为表示图像的另一种数据结构。我们通过该算法来寻找OBDD以精确地表示图像,并给出了其OBDD的有效编码,所获得的结果表明,所提出的算法及其编码是实现无损图像压缩的一种有效的方法。     

基于位平面的超光谱图像无损压缩算法的实现

分析了超光谱遥感图像的特征,根据它对压缩算法的特殊要求,提出了基于位平面的无损压缩算法.对于相关性较高的高位位平面采用计算位平面的差值矩阵直接去相关,而相关性较差的低位位平面则采用四叉树划分的方法重组各个像块的大小、位置、灰度信息,从而得到图像的混合编码.实验结果表明,该算法与其它常用无损压缩算法压缩比相当,但压缩时间提高了50%左右.该算法简单实用,适合有实时性要求的超光谱遥感图像压缩.     

基于位平面分解技术的JPEG水印算法

提出一种基于位平面分解技术的JPEG压缩水印算法.该算法首先对图像进行置乱变换;然后采用位平面分解技术对灰度水印图像进行预处理操作,将该灰度水印图像转换成二值信息流;最后把水印嵌入载体图像中.实验表明,该算法对于不同类型的攻击有较强的鲁棒性.     

基于位平面分解技术的JPEG水印算法*

提出一种基于位平面分解技术的JPEG压缩水印算法。该算法首先对图像进行置乱变换;然后采用位平面分解技术对灰度水印图像进行预处理操作,将该灰度水印图像转换成二值信息流;最后把水印嵌入载体图像中。实验表明,该算法对于不同类型的攻击有较强的鲁棒性。     

基于视觉特征的大容量空域隐藏算法的研究

本文根据人眼对不同灰度具有不同的敏感性,对中等灰度最为敏感,而且向低灰度和高灰度两个方向非线性下降,设计了与这个特征相适应的嵌入算法.实验表明,算法生成的载体图像视觉效果比同类算法视觉效果要好很多,在同等显示效果下本算法的嵌入量要大.由于它是一种基于空间域的自适应多平面位的信息隐藏算法,还可防止位平面过滤所导致的失密.     

基于位平面变换的数字图像加密算法

已有数字图像加密算法存在算法运行时间成本高及加密图像抗攻击性弱等问题.为此,提出一种基于位平面变换的数字图像加密算法.该算法将图像分解为若干位平面,通过定义一种混沌序列的新变换对图像位平面进行换位加密,从而置乱像素点位置,在位平面间增加密钥进行乱序处理实现图像像素点灰度值的变化.实验结果证明,该算法具有较大的密钥量,可以抵抗剪切攻击、噪声攻击、统计分析等多种攻击,且加解密速度较快.     

常见水印攻击对灰度图像位平面噪声分布研究

针对水印攻击对图像不同位平面有不同影响的问题,提出用Stirmark工具对不同灰度图像位平面攻击产生的噪声分布进行统计分析。实验结果表明,对不同图像实施15种不同攻击,其中13种攻击都有从第2位平面到第6位平面的鲁棒性依次减弱的规律,而AddNoise攻击和SelfSimilarities攻击对不同图像均呈现出第1位平面和第8位平面鲁棒性较强,第2位平面抗攻击性最弱,并从第2位平面到第6位平面鲁棒性呈现递增趋势。从而为设计基于空域的强鲁棒水印算法提供重要依据。     

利用OBDD编码的快速二值图算法(英文)

对利用有序二元判定图 OBDD 编码二值图像进行了研究,该方法可以节约大量的空间,并在此基础上,提出了各种二值图的算法,包括解码和集合运算(并、交、差、对称差、包含和互补)。实验结果表明这种基于OBDD 编码的方法比现有的二值图编码方法效率更高。     

一种基于小波变换的灰度图像水印算法

本文提出了一种基于小波变换的采用灰度图像作为水印的盲水印算法,水印经过图像置乱后,把水印分解成8个二值位平面,选择高4位二值位平面嵌入到原始图像的中频子带.实验结论和攻击测试表明,本文所提议的算法对JPEG有损压缩和加性噪声等图像攻击有较强的鲁棒性.     

一种综合空域和时频域的数字水印算法

提出一种空域和时频域相结合的多分辨率灰度图像水印算法。该算法对原始载体图像进行离散小波分解,并对灰度水印图像先进行拉普拉斯金字塔分解再进行位平面分解。将水印图像位平面分解系数嵌入到原始图像的水平和垂直分量上,水印嵌入小波系数的位置由具有混沌特性的Arnold映射确定,从而实现水印的盲提取。实验结果证明,该算法对图像的普通处理,如噪声、滤波、剪切、JPEG压缩和旋转等,均具有较好的鲁棒性。     

基于GM模型和Hilbert空间填充曲线的图象压缩方法

本文提出了一种新的基于灰色模型 GM(1,1)和 Hilbert空间填充曲线的灰度图象压缩方法 .我们利用 Hilbert空间填充曲线来选取模型化序列中的象素数据 ,并据此使用 GM(1,1)模型化图象象素 .由于 Hilbert曲线是一种能够最好地保持空间点的局部邻接性的扫描曲线 ,因此基于 Hilbert曲线的这种数据选取方法能改进图象的压缩比并且显著地降低编码误差 .实验结果表明 ,本文给出的方法能获得误差小于 4%且压缩比小于 10 %.     

一种多灰度图象无失真压缩编码方法

本文发展了近年来提出的图象四叉树表示法,并结合多灰度图象的位平面编码方法,提出了一种多灰度图象无失真压缩的实用方法。     

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。     

神经网络在彩色图像压缩中的应用

文中旨在提出一种基于神经网络的图像压缩算法对彩色图像信息进行处理,从而减少大规模彩色图像的冗余度,方便其传输、存储及加密等。该算法通过将BP（Back Propagation）神经网络用于彩色图像压缩,利用其多层前馈网络的模式变化能力,实现了对由RGB编码得到的彩色图像数字矩阵进行的压缩编码。经Matlab仿真实验表明,该算法具有良好的压缩效果,且与灰度编码下的图像压缩结果对比,具有更好的压缩效率及保真效果,并能有效地保留原彩色图像的色彩信息,能够满足彩色图像压缩处理的要求。     

一种基于形态小波的遥感影像压缩编码算法

与一般图像不同,由于遥感影像具有纹理复杂、局部相关性较弱的特点,而且影像经过小波变换后系数的空间聚类特性较明显,因此遥感影像压缩具有一定的特殊性,可是目前大多数基于小波的压缩编码算法都没有考虑小波系数的空间聚类特性,为了进一步提高编码效率,提出了一种基于形态小波的遥感影像压缩算法。该算法首先对遥感影像进行多尺度快速小波变换,然后依据遥感影像的小波能量聚类特性,采用一种形态膨胀编码算法来实现遥感影像的高效压缩编码。试验结果表明,对一般遥感图像,该算法在高倍率压缩的情况下要优于目前的JPEG2000算法;而且对多波段的遥感影像,该算法也取得了较好的压缩效果。     

基于DSP的图像压缩系统设计与算法研究

提出一种基于DSP和FPGA协同设计实现视频图像压缩的控制逻辑方案。由FPGA模块来实现图像采集,DSP模块进行编码压缩,同时针对块匹配算法中搜索精度与计算复杂度相关性问题,介绍了一种基于块匹配的量子行为的微粒群优化算法（Block Match Quantum-behaved Particle Swarm Optimization,BMQPSO）。在图像的实时压缩算法处理中,先对原始图像序列每一帧的宏块用微粒子进行搜索,再根据收敛性要求对压缩编码进行优化。实验结果表明该算法压缩效果优于经典搜索算法。     

面向任务的医学图象压缩

现代医学成象技术产生了大量的医学数字图象,而这些图象的存储和传输却存在很大问题,传统上,采用无损压缩编码方法改善这些图象的存储和传输效率,全为了达到较高的压缩比,必须采用有损压缩,然而,有损压缩会给图象带来失真,必须谨慎使用,医学图象通常,由二类区域构成,其中一类包含重要的诊断信息,由于其错误描述的代价非常高,因此提供一种高重的质量的压缩方法更加必要,另一类区域的信息较为次要,其压缩的目标则要求达到尽可能高的压缩比,为了既能保证感兴趣区图象的重构质量,又能获得较高压缩比,提出了一种面向任务的医学图象压缩算法,该方法把无损压缩和有损压缩统一在小波变换的框架下,对感兴趣区采用无损压缩,而对其他部分则采用有损压缩,实验证明,该压缩方法在压缩比和重建图象质量上均达到了较好的性能。     

基于JPEG2000和自适应预测的高光谱图像压缩方法

随着遥感技术的发展,其应用领域大大拓展,随之也带来了遥感数据的海量增长,给传输和存储带来了极大困难,因此必须对遥感数据进行压缩。遥感图像具有不同于自然图像的特性,针对遥感图像的特点,介绍了一种自适应预测和JPEG2000相结合的无损压缩编码算法,即首先采用基于图像灰度分布局部相关特性的谱问预测器去除谱问冗余,再利用静止图像压缩新标准（JPEG2000）对预测得到的差值图像进行编码压缩。仿真实验取得了令人满意的结果,证明了该算法的有效性。     

基于广义Mandelbrot集的分形图像压缩算法研究

提出了以固定字典来代替传统的变化字典的方法实现分形图像编码。通过改变Mandelbrot集参数生成不同的曲线,并对其进行灰度值量化,得到相应得图像块,这样能构成丰富的压缩字典。在编码过程中,只需将待编码的图像块与字典中的图像块进行匹配选出满足条件的图像块,然后对相应的图像块进行编码,就可以实现图像的分形编码压缩。通过实验证明算法实现可行、有效,图像压缩效果理想,较大地提高了分形编码的速度。