基于小波变换的分类量化图像编码算法

针对标量量化压缩比小而向量量化压缩速度慢、图像复原效果不理想等弱点，提出了基于小波变换的分类量化图像编码算法（简称“分类量化编码”）。该算法基本思想为：首先将小波变换后的图像高频子带划分为局部快；然后利用文中给出的相对距离最近之值选择方法，依据纹理复杂度和重要性程度将这些局部块划分为4类（平坦、过渡、弱纹理和强纹理）；最后对平坦局部块进行向量量化编码，对强纹理局部进行标量量化编码。实验结果表明：该图像压缩算法在压缩速度、图像复原效果、压缩比等方面明显优于零树小波编码和JPEG方法。     

基于小波包分解的自适应数字水印嵌入算法

提出一种新颖的基于小波包分解的自适应数字水印算法。为了提高水印图像的攻击鲁棒性和水印的不可见性,该文提出基于人类视觉特性(HVS)和小波包分解的数字水印算法,同时引入信噪比自适应水印嵌入机制。实验表明:应用该算法对宿主图像嵌入水印可以达到更好的抗攻击鲁棒性和视觉效果。     

基于小波包分解的复杂图像压缩

对富含细节、边缘及纹理的复杂图像而言,其重要信息大量集中于高、中频部分.传统的基于小波变换的压缩方法往往将信号的高中频部分作为不重要信息对待,从而引起细节失真.针对复杂图像能量分布特点,本文提出使用一种更为精细的时频分析法即小波包(WP)分析,对信号的低、高频部分作进一步分解,保存有用的高、中频信息.同时利用小波包分解子带内系数间的相关性自适应地将其分为重要性及大小不同的各个子块,进而针对各子块实行不同精度的量化编码.实验结果表明,这种方法能较好地适应WP分解系数的特点,获得较高的数据压缩率和重建图像质量.     

基于正交小波包的图像压缩算法

本文提出了一种新的图像压缩方法,深入研究了正交小波包在图像压缩中的分解与重构算法,详细介绍了正交小波最优基的选取,并应用MATLAB软件进行仿真实验.仿真结果显示,该方法压缩比大,信息损失小,能够较好恢复原有图像.     

一种基于小波包分解的自适应数字水印算法

提出一种基于人类视觉特性和小波包分解的数字水印算法.该算法充分利用小波包分解的特点,将水印信息有选择地嵌入到原始图像中,水印的嵌入强度和嵌入位置均根据原始图像的内容自适应地决定.理论分析和实验结果表明:该算法很好地解决了水印鲁棒性和不可见性之间的矛盾,对一般的图像处理和攻击,如JPEG压缩、滤波、加噪声、裁剪等有很好的鲁棒性.     

一种基于小波包分解的自适应数字水印嵌入算法

提出一种新颖的基于小波包分解的自适应数字水印算法.为了提高水印图像的攻击鲁棒性和水印的不可见性,该算法提出基于人类视觉特性(HVS)和小波包分解的数字水印算法,同时引入信噪比自适应水印嵌入机制.实验表明应用该算法对宿主图像嵌入水印可以达到更好的抗攻击鲁棒性和视觉效果.     

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）.     

基于小波包分解的虹膜识别算法

特征提取是虹膜识别的关键技术;由于虹膜图像具有丰富的纹理,提出了基于小波包分解的虹膜识别算法。小波包分解不仅包含了图像的低频部分而且还保留了高频部分,它能够有效地提取虹膜纹理特征,并按hamming距离对虹膜进行匹配。实验结果表明,该算法具有良好的鲁棒性。     

基于Arnold置乱和小波包分解的自适应水印算法

针对小波变换的不足,根据原始图像各子块对水印信息的适应程度不同,提出一种基于Arnold置乱和小波包分解的自适应水印算法。首先,该算法采用Arnold变换对水印图像进行预处理,然后对原始图像进行小波包分解,小波包分解能够提供一种更为精细的分解方法,将频带进行了多层次的划分,最后将水印图像嵌入到小波包分解后的子带中,水印的嵌入强度和嵌入位置均根据原始图像的内容自适应地决定,这样很好地解决了水印鲁棒性和不可见性之间的矛盾。仿真实验结果表明,算法对常见的图像攻击具有较强的鲁棒性和稳健性。     

基于关系矩阵的快速嵌入零树小波图像编码算法

为了快速获得更好的图像复原质量,提出了一种基于关系矩阵的快速嵌入零树小波(EZW)图像编码算法。该算法的基本工作步骤为:(1)对原始图像进行小波分解;(2)对最低频小波子带进行DPCM编码;(3)对所有高频子带系数构造零树结构;(4)首先确定初始阈值,并构造小波系数的关系矩阵,然后结合关系矩阵对高频子带系数进行逐次逼近量化编码。实验结果表明,该算法具有较好的图像复原质量和较快的编码速度,整体性能明显优于EZW方案(特别是低比特率下)。     

一种基于改进嵌入小波编码的新图象压缩算法

基于逐次逼近量化与零树结构的嵌入零树小波编码(EZW)被认为是静态图象变换编码领域迄今为止最好的压缩算法之一.然而通过分析和实验,发现该算法在一定程度上存在时间复杂度较高和复原图象质量不尽理想等不足.本文提出了一种基于改进嵌入小波编码的新图象压缩算法,该算法能够通过以下3项措施提高EZW算法工作效率:(1)对最低频子带进行单独编码;(2)采用全新的嵌入小波编码策略,不再利用导致计算量剧增的双亲-子女(Parent-Children)关系;(3)进行嵌入小波编码时,不再考虑ZTR(零树根)和IZ(孤立零)符号.实验结果表明:本文提出的新图象编码算法在压缩/解压缩速度、图象复原质量等方面均明显优于EZW编码算法.     

基于模糊剪枝的最优小波包基图像压缩算法

提出一种基于模糊剪枝的最优小波包基图像压缩算法。图像经完全小波包分解后,以每个小波包分解的高频系数占所有高频系数的比值及每个节点子女熵值与原节点熵值的比值作为模糊系统的2个输入;通过构造模糊规则,将小波包系数分为裁剪类和保留类,由保留类构造最优小波包基;根据最优小波包基,在不同的小波包分解层次上采用不同的阈值对图像进行压缩。仿真实验结果表明,该算法与比特-失真率优化算法和小波包最优树全局阈值压缩算法相比性能更优。     

基于小波包变换与自适应阈值的图像去噪

提出了一种基于图像小波包变换及与分解层次相关的自适应阈值的去噪方法。利用小波包对图像进行分解,可以同时对图像的低频和高频部分进行分解,可以更好地保留图像信息,减少噪声对图像的影响。同时对小波包树系数用自适应阈值进行软阈值处理,可以很好地保留边缘等图像信息,这一方法比采用常用的阈值明显提高了去噪图像的信噪比。通过对加噪图像的实验可以看出,本文方法不仅可以有效地去除加性高斯白噪声,而且很好地保留原图信息,对进一步图像处理有所帮助。     

一种基于新量化方案的形状自适应整数小波编码算法

首先提出了基于提升方案的形状自适应整数小波变换算法,然后对整数小波同第一代小波的变换系数分布特性的差异进行了详细的分析.针对整数小波变换系数幅值动态变化范围小,而传统EZW中阈值区间相对较大,不利于形成零树结构的不足,提出了基于奇数平方的阈值选取方法.并在此基础上,提出一种基于二分法的量化逼近方案,与传统的基于位平面的量化方法相比,该方案能用更少的比特来完全重构一个系数.最后,提出了基于整数小波变换和新的量化方案的形状自适应EZW编码算法.实验结果表明,阈值选取方法是合理的,而基于二分法的量化逼近方案是有效的.在相同码率下,与传统阈值选取和量化方案相比,该方法重构图像的峰值信噪比要高出0.5~2dB.     

基于小波变换的图像压缩编码

数字图像压缩在数据通信、存储中有着重要的作用,是信息技术中非常活跃的研究领域．本文利用小波变换,经过量化和熵编码,实现数字图像的压缩,并从阈值和量化级数两个方面对压缩效果进行了比较．其中,阈值的增大会导致压缩比增大,但是复原图像质量下降．而量化级数越多,则复原后的图像质量也越高,但是压缩率越低．     

一种小波图像压缩编码的抗干扰算法

提出了一种基于小波树搜索方式的改进了的小波图像压缩算法,算法保留和继承了EZW和SPIHT算法的所有优点,改进了它们难于抵御干扰的弱点,重点探讨了搜索规则、格点矢量编码方法以及责任中结命令 道纠错的沸合编码选择,并给出了在模拟的噪声环境下,用该算法进行编解的峰什玲噪比及其与SPIHT算法的比较。     

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。     

一种基于分形编码的小波域自适应水印

提出了一种基于分形编码的小波域水印算法．该方法对于图像树中各个图像R块，首先在同方向低一级分辨率子带中寻找最佳分形匹配D块，然后利用小波系数的树状结构关糸，将这些D块拓展成相似树集合，最后更改图像树上某个位于中频子带的图像R块的编码方案，即交换最优和次优匹配相似树上与其对应的D块，从而实现数字水印的嵌入．水印检测不需要原始图像．实验结果表明：使用该方法的水印有较好的不可感知性和鲁棒性，同时可保证较低的正向错误率．     

一种快速、有效的量化与基于小波的图像压缩

量化是利用小波变换的图像压缩编码技术的关键环节之一。矢量量化和标量量化各有长短,该文将这二者有机地结合起来,称为混合量化(HQ—Hybrid Quantization)。它既有矢量量化的高效率,又具有标量量化的简单性,不需要进行码书训练,不要做乘除法。并用标准测试图像与其它方法的压缩结果进行了比较。