数字图象压缩新技术

从低速率可视电话到数字广播高清晰度电视，图象的应用非常广泛，所有这类应用都要求降低数字化图象序列的比特率，从而提高传输和存储的效率，这类应用都可以利用相同的压缩技术，ＣＬＩ在提高数字图象技术的质量、拓宽其应用方面已有近２０年的历史，并且仍在继续发展多种图象压缩技术，包括分维编码、小波、子带编码、离散余弦变换以及矢量量化。目前ＤＣＴ是电信、计算机和用户图象标准所采用的技术。本文     

一种基于小波变换的高效图象压缩方法

本文提出了一种基于小波变换的图象压缩方法。     

小波变换用于图象编码

数字图象编码中，小波变换由于具有多分辨的特点，对频带宽，景象变化剧烈的图象数据压缩十分有用。     

小波变换在侦察图象中的应用

文中分析了几种侦察图象的数据特点,介绍了基于小波变换的图象压缩编译码在军事侦察图象压缩中的应用。     

运动图象压缩编码中的三层小波分解

在序列图象编码中采用对帧间位移矢量进行估值的一类算法－－匹配算法，给出了一种利用三层小波分解序列图象运动补偿编码的方案。     

一种新的小波变换零树图象编码

本文在对图象的小波变换进行讨论的基础上，充分利用了小波变换后各子图象的系数对重构图象的重要程度和人眼的视觉特性，对“嵌入式零树编码”进行改进，提出了一种更加实用的图象压缩方案。该方案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。     

基于小波变换的医学图象压缩编码

本文研究了医学图象小波变换系数的统计特征。根据医学图象的特点，提出了基于小波变换的医学图象编码方法。实验表明，这种方法具有较好的压缩编码性能，优于JPEG标准。同时，它支持逐次浮现式传输，从而能满足医学图象存储、通信、检索的需要。     

指纹图象小波压缩中子图信息的研究

图象小波分解后，各子图信息对图象恢复的质量有很大的影响。     

离散Gabor变换与离散余弦变换在图像编码中性能的比较

本文介绍了二维实值离散Ｇａｂｏｒ变换（ＲＤＧＴ）的快速算法,并着重探讨了二维实值离散Ｇａｂｏｒ变换与二维离散余弦变换在图像编码中的性能及差异。     

基于小波变换的图像矢量量化

在基于小波变换的图像矢量量化研究中,本文综合考虑了高频小波系数的各种特性,吸收已有的优秀成果,在全面研究了矢量的形成、初始码书的设计、距离的选取,以及同一方向高频子图之间的相似性等方面的基础上,设计出一种有效的量化算法.     

利用小波变换和约束矩阵进行图像压缩编码

本文将小波变换和矢量量化相结合对图像进行压缩编码,分析了图像经小波变换后的数据结构特性以及各小波分量之间的相关性。这种相关性的存在是由于小波变换具有良好的空－频域局部化特性。本文构造了结构约束矩阵来描述这种相关性,并以此为基础对传统的矢量量化算法进行了改进,改进后的算法减小了计算量,降低了码率。     

一种基于小波变换的低比特率混合图像编码方法

本文提出了一种基于小波变换的低比特率图像编码方法,利用人的视觉特性对高频高活跃度系数进行调制,为了保护图像能量,对高频高能系数进行标量量化后采用自适应算术编码,采用高分辨率级子图像矢量分类信息由低分辨率级子图像矢量自动产生,提高了压缩比。实验表明采用此编码方法在高压缩比的情况下获得了较好的图像质量。     

基于整数小波变换和改进嵌入零树编码的图像压缩

整数小波变换(IWT)具有输入输出都是整数、只需进行位内运算、便于硬件实现等优点,特别适于图像的无损压缩;而在有损压缩方面,其效果通常稍逊于传统的离散小波变换(DWT)。为了提高IWT图像有损压缩的性能,该文采用基于提升格式的IWT,结合基于形态膨胀运算的改进嵌入零树小波编码(EZW)方法。实验结果表明,在没有增加运算复杂度的情况下,此算法与传统的DWT相比,提高了峰值信噪比(PSNR),具有较好的有损压缩效果。     

基于小波变换的多级矢量量化图像编码算法

结合小波变换中多分辨率分析特性以及多级矢量量化复杂度低、量化效果较好的特点提出了一种基于小波变换的多级矢量量化图像编码方法。在使用多级量化的基础上采用联合优化多级矢量量化的码本设计方法,进一步提升量化效果。试验数据表明,该方法相对于传统的矢量量化算法,量化效果进一步提高,复杂度也在可接受范围之内,达到了很好的压缩编码效果。     

基于小波与JPEG的VQ图像压缩算法

提出了一种改善矢量量化的方法,该方法保留小波分解后的低频信号,对其用基于ＳＯＦＭ的矢量量化形成码书和索引号,最后,传输索引号码字和ＪＰＥＧ编码后的码书码字。解码为编码逆过程。实验表明,所提出的方法在ＰＳＮＲ相同的情况下,压缩比约为原始ＶＱ算法的４倍。文末附实验结果予以说明。     

基于记忆和预测机制的自适应矢量量化及其在图像压缩编码中的应用

本文提出了一种用于图像压缩的低比特率自适应矢量量化技术，该方法有以下三个特色：１）引入了有效的记忆预测机制，使量化器和编码器有很好的自适应性。２）采用二次寻址方法对矢量的地址进行编码，大大提高了编码效率；３）算法运算复杂度低，便于ＶＬＳＩ实现。     

采用方向树结构矢量组合的小波图像分类矢量量化

该文提出了采用方向树结构矢量组合对小波图像进行分类矢量量化的新方法。该方法的矢量构成结合了子带系数的方向性,充分利用了子带系数的带间和带内的相关性,按能量和活跃度进行两级分类,降低了类中矢量的内部离散度,分类信息占用比特数少,并采用了基于人眼视觉特性的加权均方误差准则进行矢量量化,提高了量化增益。仿真结果表明,该方法实现简单,可以达到很好的压缩效果。     

基于自组织特征映射的图像矢量量化研究

本文从自组织特征映射（ＳＯＦＭ）的基本思想出发，通过研究Ｋｏｈｏｎｅｎ网的输出节点在一维、二维和八维空间中不同排列方式，得到了相应的矢量量化（ＶＱ）码书设计算法。研究表明ＳＯＦＭ具有许多优点：可以设计出具有规则结构的码书，相邻码矢量具有较强的相关性；网络输出节点的不同排列方式对矢量量化器性能有较大影响，通过选择合适的排列方式，设计出的矢量量化器具有良好的抗信道误码能力。实验表明基于ＳＯＦＭ算法的矢