基于小波与三维离散余弦变换的视频图像压缩

提出一维小波与三维DCT（离散余弦变换）相结合的视频图像压缩算法,可有效地改善XYZ压缩方法在高压缩比时的性能。该方法不涉及运动估计和运动补偿,复杂度低。实验结果表明,这种算法能快速、高质量地压缩视频图像。     

基于小波分析的BP网络含噪图像压缩算法的探讨

近年来BP神经网络在图像压缩技术中的应用已成为图像压缩的热点问题之一。与经典的压缩算法相比,具有更高的压缩比和重构图像质量。但实际上,原始图像经常受到噪声的污染,使得图像质量明显下降。通过研究小波图像去噪的方法,结合小波变换和BP神经网络,研究了基于小波域的BP神经网络图像压缩方法。先在小波域内对图像进行去噪,再用BP神经网络进行压缩,从而得到高质量的重构图像。结果表明,该算法对含噪声图像的压缩,获得了良好的图像质量,同时也证明了这种方法的有效性。     

油气管道缺陷漏磁图像的小波压缩技术研究

针对漏磁信号的特点,提出了基于小波分析的缺陷漏磁图像压缩方案。该方案通过调整正交函数零极点位置来设计小波基函数,利用该函数对图像作小波变换,对获得的各级小波系数用更新的JPEG图像压缩表阈值量化,再用算术编码方案处理量化结果,从而得到压缩的图像。试验结果表明,当压缩比小于30%时,图像压缩引起的失真不会对缺陷分析产生影响。     

基于自适应整数小波变换的侦察图像编码

由于侦察图像相关性低,基于传统小波变换的图像编码在渐进恢复时低频近似图像边缘模糊。针对这个问题,提出了基于自适应小波变换结合EBCOT的编码方法。该方法通过区别对待平滑区域和边缘部分,降低边缘被平滑的程度,保持边缘清晰。为了达到无损编码,还推导了整数到整数的自适应小波变换。实验表明,该方法达到了图像的无损编码,并在压缩比基本不变的情况下,图像的低频近似效果得以改善。     

一种新的彩色图像压缩方法

图像压缩是图像处理中很重要的组成部分,其效果的好坏直接影响到后面的图像分析。小波变换用于图像压缩的方法有多种,离散余弦变换更是JPEG图像压缩的核心,广泛应用于各种不同类型的图像压缩。本文提出一种将哈达吗变换、离散余弦变换和小波变换结合起来实现图像压缩的新方法。实验结果证明,本文所提方法行之有效,值得推广。     

基于三维小波变换的视频图像编码研究

本文对视频序列的三维小波变换压缩编码算法进行了研究.与传统方法相比,基于三维小波变换的视频序列压缩算法更能消除帧间的冗余度,获得较高的压缩比,因而是一种很有潜力的编码方法.目前,基于三维小波变换的视频序列压缩编码的具体算法也比较多,本文对其中三种有代表性的算法进行了研究,并分析了这三种算法的优劣,并对其进行了展望.     

基于提升方案与SPIHT的无失真图像压缩

基于提升方案的整数Deslauriers-Dubuc（6，2）可逆双正交小波变换，可由加法和移位完成，便于硬件实现。与SPIHT和熵编码结合可实现无失真图像压缩。与ARJ，JPEG，整数Haar变换结合DPCM以及分块DPCM中的无失真压缩方法相比，压缩比分别平均提高了50％，35％，20％，2％左右。     

用于光学小波变换的图像压缩方法

小波图像压缩数据量大,实现需时较长.本文将光学小波变换技术应用于图像数据压缩,分析光学小波变换系统和光学小波变换系数特点,对相关量化编码方案进行仿真实验,提出适用于光学系统的压缩方案,并实现光学小波变换的有损压缩.通过分析光学系统对量化编码噪声的容许程度,提出光学系统的近无损压缩方法.实验结果表明,近无损压缩重建图像与经光学小波变换直接重建图像相比,PSNR仅有0.1dB的差异,视觉上没有明显差异.     

数据压缩算法的比较研究

图像压缩技术对于数字图像信息在网络上实现快速传输和实时处理具有重要的意义。介绍了当前几种重要的图像压缩算法：JPEG2000和JPEG图像压缩方法,主要研究了离散余弦变换压缩和小波变换压缩,对两种压缩的前后数据进行了对比,并分析了离散余弦变换压缩和小波变换压缩之间的差异。     

基于小波变换的终点冲刺图像压缩算法

在终点冲刺中,用来判别运动员成绩的图像往往1秒钟内拍摄成百上千张,如此庞大的数据量给图像的传输、存储以及读出造成了难以克服的困难,这时图像压缩就成了必不可少的步骤。图像编码研究也成为了一个越来越活跃的领域,各种各样的算法相继面世。文中介绍的是基于小波变换的图像压缩解压算法。     

基于小波变换的图象压缩方法

由于小波变换具有良好空间一频率局部化特性,使得原始图象的能量大部分聚集到了低频子图,利用原始图象在小波分解中不同分辨率级能量分布不均匀的特点,可以提高图像压缩的效率和重建图象的质量。实验证明,小波变换在图象压缩中的应用可以有效的提高压缩效率和重构后图象的质量。     

基于IHS变换的多光谱遥感图像有损压缩算法

提出了一种有效的多光谱遥感图像有损压缩算法,该算法根据多光谱遥感图像的数据特点,将IHS变换和整数小波变换相结合进行数据压缩.采用IHS变换去除谱间相关性;采用整数小波变换去除空间相关性,依据各个子带的重要程度,用自适应阈值进行量化,并分别对量化后的数据和重要图表采用固定比特平面编码和游程编码.实验结果表明,算法在保证平均PSNR≥33dB时,获得了较高的压缩比,并且算法硬件实现简单,对内存的需求低.     

基于梯度权重规则的IHS变换与小波变换结合算法

针对多光谱图像与全色图像的融合,本文在认真分析了IHS变换、小波变换,以及基于梯度绝对值最大准则的IHS变换与小波变换结合算法的基础上,提出了一种基于梯度权重规则的改进算法.在使用小波变换融合多光谱图像I分量与全色图像时,计算二者高频细节分量的梯度作为权重,实现高频细节信息的融合;低频近似分量采用经验调节权系数的方式,运用加权和准则融合获得.融合所得新I'分量与之前多光谱图像IHS变换分离出的色度H和饱和度S进行逆变换,生成最终的融合图像.实验结果表明,该方法在保留多光谱图像光谱信息的基础上,有效地增强了融合图像的空间细节表现能力.     

基于小波变换的图像和视频压缩编码

小波变换以其良好的空间-频率局部化特性以及优良的非平稳信号的表示性能等特性而备受信号压缩领域的重视.本文概述了基于小波变换的图像和视频压缩的原理和方法,阐述了近年来小波变换在图像和视频压缩编码中的研究进展,并对今后的发展方向进行了探讨.     

小波变换在冲击信号去噪应用

由于冲击信号测试环境的复杂性,噪声干扰的存在对信号分析的结论有一定影响.本文基于小波变换下设计了一种实用的针对冲击信号小波去噪方法.     

基于复解析小波变换的瞬时频率分析方法

提出了利用基于复解析小波变换的瞬时频率分析的新方法。复解析小波变换将Hilbert变换与小波分析紧密结合在一起，具有自适应分析能力。对信号作复小波解析变换得到信号的瞬时频率，通过瞬时频率的功率谱分析就可提取信号特征。通过对齿轮故障振动信号的分析，表明该方法能有效地诊断齿轮局部故障，且与传统的频域方法相比具有更好的分析效果。     

非线性小波变换在故障特征提取中的应用

经典小波变换在不同尺度采用一种小波基 ,不能很好地匹配信号的局部特征 ,因而造成降噪信号丢失了原始信号中部分的有用信息。为了克服上述缺陷 ,提出了一种基于第二代小波变换的非线性小波变换振动信号预处理方法 .应用第二代小波变换的预测器和更新器相互独立的特点 ,根据预测方差最小的选取原则 ,确定每个变换样本的最佳预测器 ,使预测器能够适应信号的局部特征。模拟数据和振动信号的分析表明 ,该方法克服了传统小波降噪方法局部信息丢失的缺陷 ,不仅可以有效地去除信号中的噪声 ,而且能够保留信号的局部特征。作为一种预处理方法 ,在某发电厂的故障诊断中有效地从振动信号中提取了故障特征。     

基于提升模式非抽样小波变换的滚动轴承故障诊断方法研究

首先分析了传统离散小波变换在分解信号时的缺陷,根据非抽样小波变换的原理,提出一种基于提升模式的非抽样小波变换方法。然后根据滚动轴承故障特征,提出了基于提升模式非抽样小波变换的滚动轴承故障诊断方法,在ADBE-56-N4型交流电机上实测了6305型滚动轴承正常情况、外圈故障、内圈故障时的振动信号,结果表明,与传统离散小波相比,该方法能更加有效地诊断滚动轴承的故障     

基于小波变换的图像边缘检测

本文主要对目前存在的图像边缘检测的方法进行了研究分析,重点研究了小波变换在图像边缘检测方而的优势,提出了基于连续小波变换的边缘检测方法,并编程展示编码的结果,验证其在实际应用中的可行性。     

基于Morlet小波变换系数的自适应虹膜识别

传统的虹膜识别方法原理复杂,实现困难.为了在保证识别率的同时简化虹膜识别算法,提高虹膜识别效率,本文提出了一种基于Morlet小波变换系数的自适应虹膜识别方法.首先,进行虹膜定位和下眼睑拟合,然后对虹膜图像进行归一化操作,得到512列x64行的矩形虹膜图像,并自适应地确定有效虹膜区域;其次,在虹膜有效区域内,对图像逐行进行一维Morlet小波变换,获得不同尺度下一系列小波变换系数,进而得到不同尺度下的小波变换系数分布图;再次,依据不同尺度下的小波变换系数对图像进行二进制编码,用虹膜代码表示虹膜模式;最后,采用自适应的模式匹配方法对不同的虹膜模式进行分类,给出识别结果.实验证明,该方法可以达到99.946%的识别率,能够满足虹膜识别要求.