基于视觉的模型在图象压缩中应用的研究

针对在图象处理中对压缩和解压缩方法的评价缺乏一个与人类视觉相关性很好的模型这一问题,提出并使用了基于人类视觉的模型,并使用在lena和 fruit这两幅图象处理中的经典图片上,取得了和人类观测结果吻合的结论。     

基于小波变换的三维医学图象压缩技术的研究

满足诊断要求的医学影像无失真压缩编码技术的研究是图象压缩编码研究的新领域,也是ＰＡＣＳ系统和远程医疗诊断系统研究的热点之一。该文正是以ＣＴ,ＭＲＩ等医疗成像设备在临床应用时一次检查产生的人体某一部位的多帧断层图象组为对象,取目前编码领域最具潜力的小波变换技术,并将小波变换由二维推广至三维,同时将二维工邓列图象组视为三维图象而开展的医学影像编码技术研究。实验结果表明,在经临床医师确认的失真门限附近,     

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。     

基于视觉特性的静态图象压缩编码

基于主观视觉特性的压缩编码方法突破了传统编码技术中以MSE作为评判标准的限制，将人眼视觉特性结合到编码算法中，以实现最低比特位率和最好视觉效果．目前该技术的研究已有较大进展，但仍存在许多问题有待研究解决．本文系统地介绍了现有的基于视觉特性的压缩编码方法，同时讨论了应用在JPEG-2000和MPEG-4中的一些视觉编码技术，通过研究总结出以下结论：图象质量的客观评价、感兴趣区域的自动确定以及任意对象的识别与分割是基于视觉特性的编码技术中存在的主要问题，也是今后进一步研究发展的方向。     

PACS中的三维小波图象压缩

满足医学影象临床诊断需要的无失真压缩编码技术的研究是图象压缩研究的新领域,也是ＰＡＣＳ系统和远程医疗诊断系统研究的热点之一。该文提出将三维小波压缩技术应用于ＣＴ,ＭＲＩ等所产生的多帧断层图象,把二维医学序列图象组视为三维图象进行了研究,并提出了一套完整的,切实可行的三维小波压缩方案。通过实验证明,三维小波压缩技术大大优于目前ＰＡＣＳ中最常用的二维ＪＰＥＧ编码和二维小波压缩技术。     

基于小波分解的分形压缩图象增强

讨论分形解码结果图象的特点,基于分形码对图象的放大作用,用小波提取放大图象中的高频信息,再用小波图像融合方法增强图象细节,同时用小波的局部极大值的Ｌｉｐｓｃｈｉｔｚ指数调整方法去除结果图象的块效应,直接提高压缩结果图象质量,可用于改善高压缩比的分形压缩解码结果图象质量。     

基于视觉特性的图象分割编码算法

提出了一种考虑人眼视觉系统特点的不树分割编码算法,在分析视觉系统对比度特性的基础上,首先提出了一个基于视觉敏感的四叉树分割标准。     

基于ECW的遥感图象压缩技术的研究

本文对基于离散小波变换的ECW技术进行了深入的探讨，通过ECW与JPEG技术以及Mr-SID技术的比较，全面显示了ECW技术在遥感图象压缩方面的显著特点和在GIS中的应用优势，并介绍了在GIS中集成ECW技术的方法。     

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。     

具有视觉特性小波基的分析

从分析视觉系统的对比度敏感函数(CSF)和小波变换的原理出发,根据数字图象在小波变换域中不同分解级上能量分布的差异,说明了基于视觉特性构造的小波基(V9/3)比传统的Daubeches9/3和9/7小波基具有更加符合人眼视觉特性的特点.在采用Daubechies9/7小波进行变换编码时,为了获得更好的视觉效果,对不同分解级的系数进行加权的3种方法.实验证明,在小波变换域中,第三和第四分解级中的能量对人的视觉系统最为敏感,采用V9/3小波基对数字图象进行小波变换,可以将更多的能量集中到第三和第四分解级中,因而获得比Daubechies9/7小波基更好的视觉效果.     

一种基于视觉特性的零树图象压缩方法

在对图象的小波变换原理进行讨论的基础上，根据不同频率子带和不同方向的小波系数对恢复图象的重要程序和人眼的视觉特性，对“嵌入式零树小波编码”方法进行了改进，提出了一种较为实用的图象压缩方法，实验结果表明，利用该方法可获得具有较高压缩比，信噪比和较好视觉效果的恢复图象。     

基于图像抽取和小波变换的压缩方法

由于良好的局部性时频分析特性和多分辨率分析,小波变换在图像处理领域有很好的应用效果,但其却是一种很复杂的数学变换.为了降低计算复杂度,提出了一种将图像抽取和小波变换相结合进行图像压缩编码的方法.将最常用的两种图像抽取法结合小波变换进行图像压缩的压缩效果,与小波变换压缩效果作了比较.通过在MATLAB运行环境下对该方法进行实验得出,与基于小波变换的图像压缩方法相比,对于纹理较少相对平滑的图像,可以在压缩图像视觉效果相同的情况下,获得更高的压缩比,同时降低计算复杂度.     

面向图象压缩的图象分类及压缩结果预测

图象数据存在冗余使图象压缩成为可能 ,而不同图象的数据冗余度特别是空间冗余度相差很大 .对被压缩图象的空间冗余度这一图象的本质属性进行研究、减少图象压缩及方法选择时的盲目性是非常必要的 .为此提出了面向图象压缩的图象分类这一新概念以及具体分类算法 .该算法利用图象小波高频系数的分布特点 ,采用图象边缘度作为图象空间冗余度的度量 ,将不同内容的图象按边缘度大小分类 .分类的结果可对不同图象的压缩结果进行预测 .实验结果表明 ,图象分类结果和对压缩结果的预测是有意义的 ,并与人的视觉相吻合 .该分类思想对其他图象处理算法的选择和优化也有参考价值 .     

HVS模型及其在静止图象压缩质量评价中的应用

图象质量尺度是最优化图象压缩算法参数和提高图象质量的重要依据 .建立在人类视觉模型 (HVS)基础之上的感知质量尺度作为主客观联系的桥梁 ,能有效地反映出人对图象失真在视觉上的感知 .近年来 ,有许多研究者借助人类视觉系统研究中的最新成果 ,深入分析了与图象质量密切相关的视觉感知特性 ,提出了大量效果不错的静止图象压缩感知质量尺度 ,并对视觉感知特性在图象质量尺度中的应用方法进行了较全面的综述 ,揭示了影响其图象质量预测准确性、鲁棒性的主要因素 ,给出了该领域的最新研究成果和未来发展方向 .     

基于小波的彩色序列图象压缩编码

此文提出了一种基于小波变换的运动估计算法，时间复杂度比常规算法降低了一个数量级，同时在估值精度上可与常规算法媲美。利用更佳频率分辨率小波分解处理运动补偿余量误差善了复现图象质量。实验结果表明，该算法在高压缩比情况下图象复现质量显著优于ＭＰＥＧ－２，具有广阔的应用前景。     

基于 JPEG 2000的医学图像压缩技术实现

本文应用JPEG2000静态图像压缩标准和小波分析理论，实现了静态图像压缩标准的核心代码，并将该方法应用到显微医学图像处理系统中，对BMP格式的灰度显微医学图像进行了压缩研究并予以实现。     

用改进的SPIHT算法实现遥感图像压缩

遥感图像纹理复杂,采用传统的SPIHT算法进行图像压缩编码存在运算量大、效率低、压缩率不高,压缩后仍有很大的编码冗余等缺陷。根据遥感图像小波变换后系数的特点改进算法,对高低频分量采用不同的编码方法,且对SPIHT算法的运算流程进行改进,得到一种更有效的编码方法。通过实验仿真证明,该算法各方面的性能均明显优于原算法。     

基于势函数模糊聚类量化的小波图象压缩

基于小波变换的图象压缩是图象压缩的一项成功技术 ,并且具有越来越重要的作用 ,但基于小波变换的图象压缩算法在比特率较低时出现的边缘模糊现象仍然是一个公认的难题 .为了在一定程度上减少比特率较低时 ,出现的边缘模糊现象 ,提出了一种基于势函数模糊聚类量化的新方法 ,用于对经过小波变换分解后所形成的数字图象高频子带小波系数进行量化 .在量化过程中还考虑了高频子带的小波系数的分布特性和高频子带的小波系数对保存边缘、纹理等信息的重要性程度 ,也利用了模糊集合的特性 .实验证明 ,在低比特率下 ,这种方法能较好地保存图象边缘和纹理等信息 ,从而在一定程度上提高了重构图象的主观质量 .该方法在小波图象压缩的模糊聚类量化领域进行了一定的尝试 .