基于Contourlet变换和SPIHT算法的彩色医学图像压缩

二维小波变换只能很好地分离不连续点,无法最优表示曲线奇异,同时只能获取有限的方向信息,这大大限制了它在图像处理领域的应用。Contourlet变换则结合拉普拉斯金字塔和方向滤波器组,得到多分辨率、局域、多方向的图像表示。由于基于小波变换的多级树集合分裂排序(SPIHT)算法不能有效表达图像的纹理和轮廓信息,因此提出一种基于Contourlet变换和SPIHT算法的彩色图像压缩方法,并应用于医学图像感兴趣区域压缩。首先将彩色图像转换至YIQ彩色空间;然后选取感兴趣区域,对其采用Contourlet变换提取特征信息,并利用SPIHT算法对Contourlet系数优先编码和传输,从而保证感兴趣区域的图像质量和细节信息。对背景区域则采用小波变换,并通过系数截断的方式提高图像压缩比。实验结果表明,所提算法可以较好地保留感兴趣区域的图像特征,大幅度提高背景区域的压缩比,是一种较实用的图像压缩新方法,在医学图像感兴趣区域压缩中效果良好。     

基于最佳补偿比例因子的整数小波变换

为了提高提升格式下整数小波变换的有损压缩性能,提出了基于最佳补偿比例因子的优化算法。根据变换后小波系数和滤波器的特性,分别采用子带近似线性逼近和量化补偿噪声取代取整运算的方法,求得小波分解后各个子带的最佳补偿比例因子。利用这个比例因子补偿整数小波变换的非线性带来的近似误差以达到优化目的。实验结果表明,在不增加运算复杂度的情况下,所得压缩图像的峰值信噪比(PSNR)与基于浮点运算的传统离散小波变换几乎一样。     

基于遗传分形编码的嵌入式小波图像编码算法

在分析小波变换与分形编码特点的基础上,提出了一种新的基于遗传分形编码的嵌入式小波图像编码算法。根据图像进行小波变换分解为不同空间频带上的子图像这一特性,对其低频子带进行基于遗传算法的分形编码,利用遗传算法的快速全局搜索能力提高分形编码中值域块与定义域块的匹配搜索速度;对其高频子带部分进行阈值去噪处理后进行SPIHT编码,两部分同时进行,提高图像的压缩效率。实验结果表明：同传统的分形编码和SPIHT编码压缩方法相比,该算法在图像的重构质量方面有所提高,尤其是在中低码率下PSNR(峰值信噪比)得到了较大提高,并且算法执行时间明显减少。     

基于双提升小波变换的医学图像感兴趣区编码

基于提升小波变换的感兴趣区域编码技术是静态图像压缩标准JPEG2000支持的一种非常重要的功能,本文提出了一种对医学图像病灶(感兴趣)区域采用5/3提升小波变换,对图像背景(非感兴趣)区域采用9/7提升小波变换的方法,该方法与传统JPEG2000采用单一提升小波变换对医学进行压缩后的效果相比较,具有更高的压缩性能.     

结构相似指数噪声整形算法及其在图像编码中的应用

提出一种基于双树小波变换的结构相似指数噪声整形算法（SSIM-NS） 算法并将其应用于图像编码传输中。算法是在双树小波变换后的噪声整形过程中引入结构相似指数度量（SSIM）,自适应地调整增益因子以达到最大限度聚集图像能量减少小波系数的目的,运用SPIHT编码算法对噪声整形后的小波系数进行编码并传输。实验结果表明,该算法不仅能够有效地削减小波系数个数聚集图像能量,而且在低比特率条件下重构图像具有更高的峰值信噪比（PSNR）,能够显著提高解码图像的质量。     

结合梯度投影稀疏重构和复数小波的图像重构

压缩感知主要包括随机投影和重构两部分。针对迭代收缩算法收敛速度较慢,普通二维小波变换缺少方向性表示的缺点,利用置乱离散余弦变换（PDCT）实现随机投影,重构时采用梯度投影算法,在简化计算的基础上,通过迭代的方式完善图像在双树复数小波域的变换系数,最后经反变换后得到重构图像。在同一重构算法下,比较了利用双树复数小波变换和双正交小波变换的重构结果,结果表明前者重构后的图像在细节和平滑度上优于后者,在峰值信噪比（PSNR）上平均高出约1.5 dB;同一稀疏域中,梯度投影算法的收敛速度优于迭代收缩算法;相同稀疏域和重构算法下,PDCT与结构随机矩阵相比在PSNR上略高。     

基于单层双树小波变换和平滑零范数法的压缩感知图像重构

基于压缩感知理论,从图像稀疏变换方式和压缩感知恢复算法两方面出发,对原有算法进行改进,提出了基于单层双树小波变换和平滑零范数法(Smoothed-L0)的压缩感知图像重构算法(DTSL0 )。该算法的思想是:对原始图像进行双树实系数小波稀疏变换,并使用Smoothed-L0压缩感知恢复算法予以重构。仿真实验表明:该算法在图像重构质量、执行速度,以及鲁棒性方面均有显著提升。     

基于谱图小波变换的图像压缩编码方法

针对小波变换图像压缩编码方法在高压缩比下得到的重构图像质量往往较差的问题,提出了一种基于谱图小波变换的编码方法.该方法首先将图像转化成图,利用谱图小波变换分解图得到谱图小波系数,这些系数的能量随着尺度的增加而衰减,然后根据谱图小波系数的特性对SPECK算法进行改进,最后对谱图小波系数进行量化,利用改进的SPECK算法对量化后的系数进行压缩编码,并在图像数据量压缩的同时从稀疏系数中恢复原始图像.实验结果表明,该编码方法对自然图像的压缩具有高效性,相比小波变换的压缩方法,重建图像的PSNR有所提高且变化平稳,与此同时还得到更大的压缩比.     

基于反对称双正交小波的图像压缩算法

研究了一种反对称双正交小波的图像压缩算法。通过分析静态图片中的空间冗余和结构冗余信息,计算图像的小波变换系数及相关信息度,并对低频和高频部分进行编码。实验结果表明该方法压缩效果明显,以Lena图像为例,其压缩品质PSNR指标比DCT方法高 1.42 dB。     

基于局部DCT系数的图像压缩感知编码与重构

引入了压缩感知(Compressed sensing, CS)理论, 给出了在获取局部二维 离散余弦变换(Discrete cosine transform, DCT)系数的基础上高质量地编码与重构图像的新方法. 研究了在无量化和有量化情况下, 基于局部DCT系数的图像CS最小全变差重构算法. 在对DCT系数进行量化的过程中得到含噪的局部DCT系数, 在此基础上设计了能完成CS重构的图像编解码一般流程, 并构建了实际应用系统. 实验结果表明, 对于稀疏性较强的图像, 在图像编解码系统中结合CS理论与方法能得到高质量的重构图像, 与传统的直接反离散余弦变换(Inverse DCT, IDCT)方法相比, 峰值信噪比(Peak signal to noise ratio, PSNR)最大能提高5dB以上, 对于一般图像, PSNR也有较大提高.     

一种改进的基于小波零树的图象编码算法

针对极低码率下图象的压缩编码问题,在小波零树编码方法的基础上提出了一种新的低码率图象压缩算法,该方法对处于水平和垂直两个方向的高频子带系数采用变换的方法进行了系数重排,以产生新的树结构,这样使得位于这两个方向的高频子带内的重要纱数集中于各个相应子带的低频位置,且所生成树的能量集中性较好,故可以有效地提高编码效率,并能提高对重要系数的传输效率,经过实验证明,使用此方法得到的重构图像其主观视觉效果良好,而且与Shapiro提出的嵌入式零树小波（EZW）算法相比,重构图象的峰值信噪比（PSNR）值在梓同码率的情况下有了较大的提高。     

压缩图像传输中基于小波-空间域联合估计的差错隐藏算法

基于小波域压缩的图像在传输发生错误时，会引起部分空间区域图像质量的下降。解决这一问题的传统方法是空间域插值或小波域估计。由于传统方法重构质量仍有待提高，为了获得质量更好的重构图像，提出了一种小波一空间域联合估计的差错隐藏算法。该算法首先对小波域低频系数进行简单的八邻域平均来得到初始重构图像；接着在空间域对核心受损区域进行基于块的匹配搜索，通过选择对已知正确小波系数影响最小的块作为匹配块来得到匹配图像；最后将经过滤波处理后的匹配图像变换到小波域，通过与小波域已知正确信息相融合来得到最终重构图像。仿真试验表明，在多数应用场合，该方法与简单的小波八邻域平均低频重构图像相比，客观质量峰值信噪比提高0．5—1dB左右，主观质量也有明显提高。     

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。     

基于小波分析的一种自适应图像压缩编码

文章在研究近年来基于小波变换的图像压缩编码方法的基础上,提出了一种自适应的小波分解方案。即在一定的能量准则下,根据子图像的能量大小决定是否进行小波分解,并由此导出自适应小波分解树和可调压比方案,然后结合自适应小波分解树的特性,给出恰当的小波系数量化、比特分配以及各层子图像的编码方案。实验表明,该文算法广泛适用于不同特征的数字图像,在较高压缩比时仍有较好的重建图像质量,而且压缩比在一定范围内可以调节。在相近压缩比的情况下,主观视觉质量和峰值信噪比都明显优于JPEG标准。     

基于分形搜索树的嵌入式小波图像编码算法

与单纯采用分形编码方法相比,基于小波的分形图像编码可以较好地解决方块效应问题且能够有效降低匹配搜索时间,但在低频子带使用分形编码会导致重构图像质量下降,同时针对匹配搜索仍是分形编码主要时间开销的问题,提出一种基于分形搜索树的嵌入式小波图像编码算法.采用Haar小波对图像进行多级分解,对低频子带直接采用DPCM编码,高频部分则依据不同尺度子带的重要性采取自适应方式划分值域块,然后构建一种分形搜索树结构以确定定义域池并采用“Z”形扫描进行匹配搜索,最后对获得的分形参数进行算术编码.实验结果表明,该算法重构图像质量比同类算法有所提高,特别在中低码率下PSNR值提高明显,当码率小于0.40bpp时,PSNR平均提高0.40~2.48dB,同时算法执行时间明显减少.     

基于小波系数特性的低比特率图像压缩编码算法

以层树分集（SPIHT）编码方案为基础,结合最低频子带系数分布特点与高频子带系数相关性,提出了一种新的低比特率小波域图像压缩算法.该算法首先对原始图像进行小波变换;然后对最低频子带系数进行优化处理,并自适应确定高频子带系数扫描次序;最后利用SPIHT编码思想完成图像的压缩.仿真实验结果表明,文中算法是一种高效的图像压缩编码方法,其压缩效果明显优于SPIHT编码方案（特别是低比特率下）.     

基于人工蜂群与模糊C均值的自适应小波变换的噪声图像分割

针对传统模糊C均值（FCM）聚类算法在处理噪声图像时易受到噪声影响的问题,提出了基于FCM的小波域特征增强的噪声图像分割方法。首先,将噪声图像进行二维小波分解;其次,对近似系数进行边缘增强,同时利用人工蜂群（ABC）优化算法对细节系数进行阈值处理,并将处理后的系数进行小波重构;最后,对重构后的图片使用FCM算法来进行图像分割。选取5幅典型的灰度图像,分别添加高斯噪声和椒盐噪声,使用多种方法进行分割,以分割后图像的峰值信噪比（PSNR）和误分率（ME）作为性能指标,实验结果表明,所提方法分割后的图片相较于传统FCM聚类算法分割方法和粒子群优化（PSO）分割方法分割后的图片在PSNR上最多分别有281%和54%的提升,在ME上最多分别有55%和41%的降低。可见所提出的分割方法较好地保留了图像边缘纹理信息,其抗噪性能与分割性能得到了提升。     

单层小波分解下图像行列压缩感知选择算法

在进行图像压缩感知时发现以行或列进行压缩感知所得到的图像重构后的峰值信噪比(PSNR)是不同的。为了提高图像压缩重构的质量,提出了单层小波分解下图像行列压缩感知的选择算法。该算法首先计算图像的行与列数据的相对方差的最大偏离值,选择较小者对应的行或列作为压缩感知的对象,然后对图像进行单层小波变换分解出高频系数,在高斯观测矩阵下,对这些系数按指定的行或列进行压缩感知,最后利用正交匹配追踪算法(OMP)分别恢复压缩感知下的高频系数,并通过小波逆变换得到经过行列压缩感知后的重构图像,实验结果证明了算法的准确性。     

WT域图象分类的矢量量化编码

基于边缘方向分类的CVQ能够减少在较低位码率进行图象信号矢量量化时的边缘失真和计算的复杂程 度.根据静止图象小波变换后小波系数的特征提出了一种在WT域进行分类的分类算法.此方法可以容易地扩展 到WT变换编码.实验结果表明,与同类方法相比,在相同或稍高信噪比的情况下,此方法的位码率大大减小.