A mathematical morphological approach for region of interest coding of microscopy image compression

A novel mathematical morphological approach for region of interest(ROI) automatic determination and JPEG2000-based coding of microscopy image compression is presented.The algorithm is very fast and requires lower computing power,which is particularly suitable for some irregular region-based cell microscopy images with poor qualities.Firstly,an active threshold-based method is discussed to create a rough mask of regions of interest(cells).And then some morphological operations are designed and applied to achieve the segmentation of cells.In addition,an extra morphological operation,dilation,is applied to create the final mask with some redundancies to avoid the"edge effect"after removing false cells.Finally,ROI and region of background(ROB) are obtained and encoded individually in different compression ratio flexibly based on the JPEG2000,which can adjust the quality between ROI and ROB without coding for ROI shape.The experimental results certify the effectiveness of the proposed algorithm,and compared with JPEG2000,the proposed algorithm has better performance in both subjective quality and objective quality at the same compression ratios.     

基于人像感兴趣区域的身份照片压缩算法

针对身份照片的压缩 ,提出了一种基于感兴趣区域 (ROI)的 EZW算法。首先通过FC2 VQ(Feature Correction two-stage Vector Quantization)算法检测出感兴趣区域即人的脸部特征 ,然后采用基于感兴趣区域的 EZW算法进行编码。这种编码方法 ,既保证了感兴趣区域的图像质量 ,也使得压缩后的图像存储容量较小     

基于感兴趣区域的图像部分无损压缩方法

在应用整数小波变换和基于层次树的集划分算法的基础上,提出了一种新的基于感兴趣区域的编码方法,该算法利用小波变换良好的空间-频率的局部化特性,通过在编码前提升图像的感兴趣区域的小波系数,使这些小波系数完全独立于背景区域的小波系数,实现了在不传输任何形状信息的前提下,完成各种形状的感兴趣区域的解码．实验结果表明,该算法能够在无失真恢复图像感兴趣区域的同时,提高整幅图像的压缩比．     

特征空间线性降维压缩遥感图像云检测方法

针对遥感图像云检测过程中分类特征空间维数过高引起的信息冗余,提出了一种基于特征空间线性降维压缩的云检测方法．首先选取云与地物的分类特征参量,构造特征空间,基于压缩子空间分类信息表述的完备性,建立样本的概率分布模型．然后利用最大似然估计法求解模型参数,估计最佳转换矩阵,进行特征空间的降维压缩与去相关处理．最后针对压缩子空间,利用分类器进行云检测．实验结果表明: 本方法能够有效地去除云与地物分类特征之间的冗余,实现二维压缩子空间中云与地物两类样本的有效分离,对于实际光学遥感图像的云检测概率高达98％以上．     

基于深度学习的遥感影像变化检测方法

为了获得可靠的训练样本及提高遥感影像变化检测的精度,提出基于深度学习的遥感影像变化检测方法. 采用结构相似性方法（SSIM）选取纹理特征（灰度共生矩阵法）,通过融合变化向量分析（CVA）方法获取不同时相遥感影像差异图（DI）及纹理特征差异图获得差异影像,并采用构造的变分去噪模型对差异影像进行去噪. 利用频域显著性方法获取去噪差异影像的显著性图,通过模糊c-均值（FCM）算法对粗变化检测图（对显著性图选取阈值获得的）进行预分类（变化类、未变化类及未确定类）. 将从遥感影像上提取的变化像素和未变化像素的邻域特征引入深度神经网络模型进行训练,并利用训练好的深度神经网络模型对差异影像进行变化检测,得到最终的变化检测图. 对3组遥感影像数据集进行变化检测实验,结果表明本研究方法的变化检测精度高于其他比较方法.     

基于JPEG2000的遥感图像压缩方法研究

从遥感图像的特点入手,设计并实现了一个基于JPEG2000的遥感图像压缩系统.并对其中的量化器和编码器进行了优化设计,对量化步长和死区范围进行了调整,针对遥感图像压缩中小目标的保存问题,提出了两种率失真斜率加权方法.实验结果表明,该系统可对遥感图像进行有效压缩,在压缩比为16时,提出的优化方法可很好地改善压缩质量,较之基本的JPEG2000标准,峰值信噪比提高了约0.5~1.0 dB.     

基于小波变换的数字图像压缩

利用小波图像系数特点,实现高效压缩编码,给出了小波图像系数统计数据实例,然后对基于小波变换的嵌入式图像编码方法中最具代表性的SPIHT编码算法的原理进行了分析,并通过实验对SPIHT算法进行了性能分析及其改进,并给出了实验结果。     

基于成像机理的遥感图像融合

探讨了遥感多光谱与全色波段图像的融合问题．分析了多光谱与全色波段成像机理,提出了一种新的基于小波变换的遥感图像融合方法,实验结果表明,该方法可有效综合多光谱与全色波段图像的优点,从而获得具有较高空间分辨率的多谱图像．     

基于小波变换的图像压缩技术

详细阐述了连续小波变换和一维，二维离散小波变换理论，分析了小波变换的优点以及小波变换用于图像编码压缩的特点和实现方法，并对一些改进的小波图像编码压缩方法作了简要介绍。     

基于小波包移频算法的遥感图像融合技术

为了对分类最小二乘支持向量机实施有效的稀疏化，以提高分类速率，采用分类相关分析算法，按序提取样本核矩阵的全部分类相关成分，并依据样本核矩阵各列与分类相关成分的相关性，对训练集所有个体按分类的重要性排序，进而可选取最重要的部分个体作为支持向量，并将其余非支持向量的信息转移至支持向量，以提高支持向量的分类表达能力.由此构建一种新的稀疏型最小二乘支持向量机CS LSSVM，并将其应用于多个模式分类的实际问题.测试结果表明，CS LSSVM稀疏性很强，且保持了标准LSSVM的分类性能，还可直接适用于多类问题.     

一种图像压缩算法研究

在现有SAR图像压缩技术的基础上,提出了一种基于小波变换的SAR图像压缩算法。该算法减少了SAR图像斑点噪声的影响,在一定程度上提高了SAR图像压缩性能,是一种有效的SAR图像压缩算法,并具有一定的实用价值。     

基于深度学习特征融合的遥感图像场景分类应用

针对传统手工特征方法无法有效提取整体图像深层信息的问题,本文提出一种基于深度学习特征融合的场景分类新方法.利用灰度共生矩阵（GLCM）和局部二值模式（LBP）提取具有相关空间特性的纹理特征和局部纹理特征的浅层信息;通过基于AlexNet迁移学习网络提取图像的深层信息,在去除最后一层全连接层的同时加入一层256维的全连接层作为特征输出;将两种特征进行自适应融合,最终输入到网格搜索算法优化的支持向量机（GS-SVM）中对遥感图像进行场景分类识别.在公开数据集UC Merced的21类目标数据和RSSCN7的7类目标数据的实验结果表明,5次实验的平均准确率分别达94.77%和93.79%.该方法可有效提升遥感图像场景的分类精度.     

小波变换在基于视觉特性图像压缩中的应用

对小波变换在基于视觉特性图像压缩中的应用进行研究与探讨.通过一个功能完善的图像压缩软件介绍小波变换与零树编码应用于图像压缩的具体实现,并进一步提出编码算法的改进方案,利用该软件验证作者提出的改进方案的可行性.     

基于提升格式的高光谱遥感图像压缩算法

高光谱遥感的特点是谱分辨力的提高,但其高数据维给图像进一步处理带来了困难,因此有必要对其进行有效压缩处理.该文以提升格式为基础对高光谱图像压缩算法进行了研究,充分考虑了高光谱图像的空间相关性和谱间相关性,采用自适应波段选择的谱间压缩方法,通过自适应选择信息量大并且与其他波段相关性小的波段来降低高光谱数据量,然后采用梅花形网格分解方法构造出第二代小波变换,从而对二维图像进行空间压缩,可实现提升格式的分解和完全重构.实验结果表明,谱间压缩能够保留信息丰富的波段,同时计算复杂度大大降低,以提升格式为基础的第二代小波变换比第一代小波变换取得更好的空间压缩效果.     

一种基于矢量量化的高光谱遥感图像压缩算法

压缩是高光谱遥感(hyperspectral remote sensing)图像的一个重要研究领域.文中充分考虑了高光谱遥感图像的谱间相关性较强而空间相关性相对较弱的特点,采用了自适应波段选择降维方法与基于神经网络的矢量量化方法相结合的方法对高光谱遥感图像进行压缩.首先采用自适应波段选择(Adaptive band selection)的谱间压缩方法,通过自适应地选择信息量大并且与其他波段相关性小的波段来降低高光谱数据量.然后对降维后图像在空间进行小波变换并进行矢量量化,最后对量化后数据进行自适应算术编码.实验结果表明,谱间压缩能够保留信息丰富的波段,同时计算复杂度大大降低;基于神经网络的SOFM算法及其改进算法取得较好的空间压缩效果,实现了对高光谱遥感图像的有效压缩.     

基于压缩感知的图像快速重构去噪算法

针对传统的压缩感知重构算法运算量大,图像质量低的缺点,提出一种新的图像快速重构去噪算法。首先对图像进行一级小波分解,分别提取近似分量子图像和细节分量子图像,并对细节分量子图像进行软阈值去噪处理,然后对近似分量子图像和处理后的细节分量子图像运用新的压缩感知重构算法进行恢复,最后将恢复的细节分量和近似分量进行小波逆变换,得到重构后的图像。实验结果表明,新方法可减少重构时的运算量,有一定的去噪效果,且可提高图像质量。     

基于零树结构的感兴趣区图像内嵌编码算法

提出了一种某于内嵌零树编码的感兴趣区图像压缩算法和一种与主观视觉效果一致的描述感兴趣区图像恢复质量的加权信噪比评价方法，该算法采用了一种简单有效的不依赖小波滤波器类型的零树结构感兴趣区模板建立方法，实验结果表明该算法对于甚低比特率图像压缩，在不影响整体视觉质量的情况下，重构图像的感兴趣区域峰值信噪比能提高4dB以上，图像加权信噪比的评价与主观视觉效果一致。     

一种改进的零树小波编码图像压缩算法

基于小波变换的图像编码是一种有效的图像压缩方法。针对零树小波编码方法存在的缺点，提出了一种改进的零树编码方法。仿真实验表明，这种改进的零树编码方法加快了编码速度，提高了图像压缩质量。另外，该编码方法也能够产生嵌入式码流，支持多码率解码。     

Multispectral image compression algorithm based on composite transform

Aiming at the problems of inadequate reducing of spatial and spectral redundancy and weak adaptability of existing multispectral image compression algorithms, the multispectral images' spatial sparse equivalent representation and its clustering implementation named the OptimalLeaders are proposed. Furthermore, an adaptive multispectral image compression algorithm—OLPKWS is designed, which is based on composite transform. In the OLPKWS, multispectral data are transformed into representation and residual by the presented spatial sparse equivalent transform, which removes spatial redundancy adaptively. Moreover, an error compensation mechanism is introduced in order to improve the quality of the reconstruction image. Principal Component Analysis (PCA) is used to remove spectral redundancy for representation. However, to predict differences, KLT is utilized to explore spectral correlation, two-dimensional wavelet transform is used to remove spatial redundancy, standard deviation weighted rate allocation and SPIHT are combined to complete the coding. Experimental results show that, in comparison to the clustering, SPIHT and KLT_SPIHT_TCIRA algorithms, the proposed approach achieves a higher peak signal to noise ratio (PSNR) under the same compression ratio.     

基于小波变换的遥感数据融合

采用Haar小波方法,对遥感图像进行尝试性的数据融合,实验证明Haar方法和传统的方法相比,具有精度高、效果好的优势。