一种基于小波变换的图象分形编码压缩算法的研究

有效的编码压缩算法是图象数据存储和传输的关键 .为了更方便地进行图象存储和传输 ,在分析基本分形编码 (FCC)压缩算法优缺点的基础上 ,提出了一种新的结合小波变换的图象分形编码 (DWT- FCC)压缩算法 ,该算法首先对图象进行二级小波变换分解 ,然后对分解后的高层子图象进行基本分形编码 ,并根据不同层子图象结构间的相似性 ,通过高层分形编码来构造低层子图象分形编码 ,以实现图象的编码压缩 .实验结果表明 ,该算法在缩短图象编码时间和提高压缩比方面 ,均取得了良好的效果 .     

一种基于小波变换的多描述图象编码算法

网络信道的不稳定性可能会造成数据传输出错 ,从而可能导致恢复图象质量的急剧下降 ,或者使算法失效 .针对这种情况 ,提出了一种新的图象压缩方法来改善上述问题 .该方法是首先将图象进行小波分解 ,然后针对不同的频带特征采用不同的压缩方法进行编码 .在图象编码中 ,对于低频子带系数采用 DPCM编码 ,对于高频子带系数则采用多描述标量量化器 .由于小波分解后的系数经活动性预测分类后具有拉普拉斯分布的性质 ,因此可对其采用预测分类的自适应量化方法进行编码 .同时由于不同子频带的系数之间具有不同的相关性 ,因此在编码过程中采用了不同的方法来分别对高频子带系数和低频子带系数进行编码 ,并且充分利用了频带系数分布具有拉普拉斯分布的特点 .实验表明 ,该方法在减少传输误码敏感性方面具有理想的效果 .     

图象压缩双正交小波滤波器的优化设计

为了提高图象压缩效果 ,提出了一种比较新颖的基于图象压缩系统的构造最优双正交小波滤波器的设计方法 ,即在图象编码中 ,从选择小波基的原则出发 ,并以最常用的 Antonini's 9/ 7小波基为参考 ,选择 SPIHT为压缩方法 ,以压缩效果为准则来构造最优的双正交小波基 ,并且采用 L ena为标准训练图象 ;然后以压缩比为参数 ,通过得到最大的峰值信噪比来寻找最优的双正交小波基 ,从而将复杂的多输入 ,两输出问题简化为多输入单输出的最优化问题 ;最后用遗传算法解决这种最优化的问题 ,得到了最优的双正交小波基 .训练和检验的结果表明 ,这种最优的双正交小波基比 Antoninis 9/ 7小波基压缩效果有所提高 .     

基于动态阈值分块算法的屏幕图象压缩技术

计算机屏幕图象压缩一直是屏幕共享技术中的关键问题,而现有算法一般是直接应用传统的RLE,LZW或JPEG算法,但由于这几种算法在对计算机屏幕图象进行压缩时,均无法兼顾恢复质量与压缩比的要求.为此提出了一种基于动态阈值分块的高效压缩算法,该算法首先将屏幕图象按照某种规则划分为纯色块、文字块、图标块和图象块4种特征块,然后针对特征块特点采用相应的压缩算法,以保证压缩算法在恢复质量与压缩比上能同时达到最佳.实验结果表明,该算法图象恢复质量较好,压缩比较大,压缩速度较快,整体性能优于当前现有的屏幕压缩算法,具有广泛的应用前景.     

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 .     

基于小波变换的图象放大方法再探讨

图象放大 (又称图象变焦、图象重采样 )问题严格地说是一个病态问题 ,根据不同的模型 ,人们先后提出了多种图象放大方法 ,如线性插值、三次样条插值、分形插值以及基于小波变换的方法等 .图象放大问题的焦点是如何在图象放大过程中保持良好的视觉分辨率 ,表现在基于小波变换的图象放大方法中就是如何构造图象高频分量的问题 .针对目前常用的变换域内插方法 ,在一维信号上所作的模拟实验表明 ,该方法并不合理 .对常用的几种图象放大效果评价的方法进行了比较分析 ,结果认为 ,最理想方法还是多人主观评判法 .由于小波高频系数构建问题并未有理想方案 ,因此 ,对小波基函数的选择问题必须作进一步研究 .     

基于三维离散余弦变换的静止彩色图象压缩

为了既能获得较高的压缩比 ,又能保证较好的图象质量 ,提出了一种基于三维离散余弦变换 (3D DCT)的静止彩色图象编码方法 .在此算法中 ,首先将原始图象分割成互不覆盖的 8× 8子块 ;然后根据局部能量的大小将各子块分为 4类 ,再把属于同一类的子块组合到一起 ,形成三维立方体并对三维立方体进行三维离散余弦变换 ,从而提高压缩效率 .计算机模拟结果表明 ,此算法在压缩比高于 4 0时 ,其平均峰值信噪比约为 2 9d B,解压后的图象质量有较高的保真度 ,在同等情况下 ,其比 JPEG标准提高约 5 d B     

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。     

小波变换在遥感图象融合中的应用研究

针对基于小波变换的图象融合中存在的光谱扭曲问题 ,提出了一种直接相加的小波变换低频信息处理方法 ,即将未分解的 TM放大图象与小波分解后的 SPOT图象的高频部分重构得到的图象通过直接相加来生成融合图象 ,这种方法得到的融合图象 ,其光谱扭曲值和信息量两个指标均优于常规的小波融合方法 .由小波变换与 IHS变换的光谱质量比较表明 ,小波变换比 IHS变换更适合于波谱响应范围不同、相关性弱的图象间的融合 ;另外 ,空间质量比较还表明 ,小波变换在融合中、小尺度的纹理特征方面具有优势 .     

SAR图象自动目标识别研究

目前,SAR已经成为一种不可或缺的对地观测和军事侦察手段.面对不断增长的SAR图象数据收集能力,如何对这些图象进行自动或半自动快速、准确地解译已经越来越引起人们的关注和重视.自动目标识别(ATR)是自动或半自动SAR图象解译研究的一个重要方面.SAR ATR过程可概述为:从观测得到的SAR图象中,找到感兴趣的区域(ROI),并计算出每个ROI的种类.为此,介绍了SAR ATR的含义及其一般流程,对SAR ATR系统按照它所采用的分类方法进行了归纳分类,分析了SAR ATR的难点,介绍了国内外SAR ATR的研究现状和发展趋势.     

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 .     

一种提高二维离散小波变换的重构性的方法

分析了导致ＤＷＴ不能完全重构原始信号的原因,提出了一种提高二维ＤＷＴ信号重构性的方法。实验结果表明这种新方法比著名的Ｍａｌｌａｔ二维算法具有更为优良的信号重构性,特别适用于需要进行二维ＤＷＴ级数较多的场合。     

小波变换图像编码的研究进展

基于小波变换的图像编码是当今十分流行的编码方法。文章结合小波变换的特点,介绍了小波图像压缩的基本原理及基于小波的图像多分辨率分析方法,阐述了小波图像压缩方法及其进展。     

基于零树小波与分形图像的编码算法结合研究

通过有机结合零树小波编码、分形图像编码,提出了一种基于零树小波和分形图像的小波图像压缩算法,讨论了基于零树小波图像压缩的编码算法机理,提高了算术编码的性能,并对JPEG2000与JPEG效果图像的测试实验结果进行了比较,实验结果表明,JPEG2000的压缩效果优于目前已有的小波图像压缩算法。     

动态真实感自然景物图象的生成模型

提出了一种计算机图象生成模型,利用预测加伪随机噪声的方法实现几何造型及模拟光学模型,生成了可控宏观结构且具有丰富微观结构的真实感自然景物图象,例如云、水域、草地及山体等。该模型的特点是运算量少,几何造型与光照计算均可同一模型产生,简化了仿真过程。     

一种多图象的多分辨合成技术

本文提出一种在多个图象间进行非规则开头图象拼接的多分辨合成技术,运用Ｍｕｌｔｉ－ｍａｓｋ方法将多个图象的选定区域融合在一起,小波变换对图象进行多分辨分解,采用与频段宽度成正比的加权拼接宽度来消除拼缝的影响;实例表明,拼合图象平滑自然,效果较好。     

基于小波变换的图像的多分辨率分解与重构的实现

1.引言小波理论的出现吸引了许多领域的学者对之进行深入的研究。小波变换是一种信号的时间-尺度(时间-频率)分析方法,它具有多分辨率分析的特点,在时频两域都具有表征信号局部特征的能力。而且,小波变换的多尺度分解特性更加符合人类的视觉机制,与图像处理和计算机视觉中由粗到细的认识过程十分相似,更加适合于图像信息的处理。目前,小波理论已在某些信号处理领域和计算机视觉得到了成功的应用。在现代多媒体通信中,网络传输常常受到带宽的限制,因此传输较大幅图像往往需要很长时间,有时甚至由于随机的传输错误而导致图像无法正常显示。针对这一问题,本文提出一种基于小波变换的多分辨率解决方法。利用该方法可先对图像进行小波变换及熵编码,将粗精度的图像概貌信息传输至接收方并重构、显示出来,然后将图像的细节信息按照分辨率由低到高的顺序逐级传输出去,这样接收方就能在接收过程中逐级重构出精度不断提高的图像并最终再现出不失真的原始图像。该方法有以下三个优点:一是接收方在     

基于Matlab 的图像融合方法

利用Matlab的工具箱函数实现数字图像融合。采用手动选取控制点进行图像配准;模拟时域加权函数,提出基于小波变换的归一化Mask方法进行图像融合,体现了时域中不同区域的重要程度。算法易于实现,应用方便。实验表明,融合图像平滑自然。     

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.     

基于区域分割的小波分解运动补偿编码算法

为了提高视频运动估值的速度和运动矢量编码的效率,提出了一种基于区域分割的小波分解运动补偿的视频编码算法,该算法的几个核心部分的特点如下：（1）运动估值部分,在基本的可变块多分辨率运动估值算法的基础上,充分利用了小波分解后各子带所表征的运动结构相关性,因而提高了运动矢量的编码效率,同时提出了基于区域分割的多分辨率运动估值算法,因而在有效减少运动估值时间消耗的同时,进一步提高了运动矢量的编码效率;（2）在量化部分,提出了一种基于人的视觉系统的量化方法;（3）采用改进的高效的零树小波编码算法对帧内和帧间信息进行编码,实验结果表明,所提出的算法是有效的。