基于小波粒子群混合算法的图像压缩技术

在小波包变换的图像压缩技术中,小波包基以及阈值的选择对图像的压缩效果有很大的影响,且软硬阈值各有其缺陷。文中提出了一种基于PSO(Particle Swarm Optimization)和小波包变换的图像压缩算法,算法中的适应度函数根据原图像和重建图像间的均方根误差与小波包分解的节点熵值之和设计,该函数被用来选择最佳小波包基并为小波包分解中的细节分量选择单独的阈值,解决了小波包变换设计的结构优化以及自适应阈值问题。实验结果表明,该算法加快了压缩速度,提高了自适应阈值图像压缩算法的适应能力,有较好的压缩性能。     

一种新的快速自适应小波包图像压缩算法

提出了一种基于推广的Shannon熵代价函数的快速自适应小波包算法。该算法在小波包分解过程中,先对图像数据的边界进行对称延拓,最后提出了一种与零树编码、自适应算术编码相结合的小波包图像压缩算法。     

自适应小波包图像压缩感知方法

该文提出一种自适应小波包图像压缩感知方法。该方法选用小波包变换分解图像,基于数学期望和信息熵分析各个小波包系数块的属性,自适应地将其划分为低频信号、无价值信号、特殊处理信号和压缩感知处理信号等4种信号类型,再针对不同的信号类型设计对应的处理方法,适应不同特征的图像。通过此种方法,在图像压缩感知过程中,可以根据不同图像和小波包系数块自适应地选取采样值,来提高压缩感知质量。实验结果表明该文提出的自适应小波包图像压缩感知方法在相同采样值的前提下,不仅提高了图像的重构质量,同时也降低了算法的计算复杂度和所需存储空间。     

小波神经网络训练研究及在织物预测中的应用

针对小波神经网络训练不便的问题,构造了一种基于MATLAB神经网络工具箱的训练方法。首先通过公式推导简化了小波神经网络的学习参数,将伸缩因子和平移因子变换到了权重和阈值中。然后根据神经网络工具箱对激活函数的要求,采用MATLAB编制了适用于神经网络工具箱的小波基激活函数,简单描述了编写自定义激活函数的方法。最后将该小波神经网络应用于织物的热阻和湿阻预测中,采用贝叶斯正则化训练算法,取得了较好的效果。     

一种改进的零树结构编码算法研究

现在大部分图像压缩技术都利用了小波变换后图像不同分辨率反相同方向子带之间的相关性。采用双正交提升小波将图像变换到小波域,通过增加熵编码的符号集,提出了一种基于正交小波变换的增广零树压缩编码算法,在整个编译码过程中仅使用一个系数列表,况且不进行任何排序操作。通过相关实验,证实该方法能有效进行图像压缩,提高了压缩率。     

基于DM6446与小波的图像压缩系统设计

对小波变换原理及DM6446平台架构进行了探讨,并在DSP平台上设计实现了一个图像压缩系统。该系统选用提升小波变换算法对图像进行整数到整数的变换,再对变换结果进行嵌入式零树编码,实现图像压缩。实验测试该系统对静态图像进行101∶的压缩率下还能获得很好的图像质量,且系统集成度高,成本低,为实时应用环境下的图像压缩提供了一个很好的范例。     

小波变换在图像压缩中的应用

由于小波变换具有好的空间分辨率和好的频率分辨率的特性,同时还具有与人类视觉系统很相似的特性,因此在图像压缩领域受到关注。本文首先介绍小波变换基本理论,然后分析小波图像的分解与重构,最后在MATLAB中进行图像压缩仿真实验,并对结果进行了分析。     

双正交小波在运动车辆图像压缩上的应用研究

智能交通控制系统中,针对车辆图像信息的传输技术过于消耗网络带宽的现状,给出了一种基于双正交小波的运动车辆图像压缩的方法。通过将每帧图片进行小波变换,只传输小波变换后的系数,且此系数包含了图像的大部分信息,大大减少了图像数据的传输流量,提高了控制系统的效率。最后对文中方法进行MATLAB仿真测试,并且与基于DCT的JPEG图像压缩方法进行了比较。     

小波分析和小波包在图像消噪中的应用

小波包理论是在小波基础上发展起来的时频分析理论,在图像消噪中取得了较好的应用。文中介绍了小波分析和小波包的基本理论,分析了基于小波和小波包进行图像消噪的方法,利用MATLAB7对相同舍噪图像进行了计算机仿真,并对仿真结果进行了分析。实验表明,图像消噪效果与阈值的选取密切相关,小波包消噪后的效果比小波更好。     

基于边缘导向视觉测量图像的LWP-SPIHT精确编码

为实现对视觉测量图像更加有效地稀疏表示,尽可能地捕捉图像本身的几何特性,该文首先提出一种基于灰度梯度方向预测边缘走向的方法,精确定位图像边缘,并在此基础上运用方向提升格式小波包(LWP)变换与普通提升小波包变换相结合的方式,对整幅测量图像进行分解。其次,采用的各个子带能量信息与方向信息和的代价函数,有效地保持边缘信息的完整性。最后完善并解决了小波包变换在SPIHT(Set Partitioning In Hierarchical Trees)编码中产生的父子节点间的冲突问题。通过对视觉测量中的远、近景图像、局部放大图像以及靶标图像的测试证实,基于边缘导向的提升格式小波包多级树集合分裂(LWP-SPIHT)的视觉测量图像压缩算法,更好地保留了压缩后视觉测量图像的边缘信息,改善了图像的重构质量和精度。     

基于小波包的图像压缩处理

介绍了应用MATLAB小波分析软件包进行图像压缩处理的原理,并给出几个实际程序,说明其实现过程,具体介绍了低频信息保留压缩方法的实际编程,以及小波包最优基方法的原理框图和编程实例。     

小波变换在图像压缩过程中的作用

介绍图像压缩原理,分析小波变换用于图像压缩的一般步骤,基于多分辨分析的理论基础,重点与详细的说明了小波变换在图像压缩中的数学计算过程所起到的作用,并用MATLAB给予模拟演示.     

利用子波变换的图象压缩编码技术

从1988年Malial将子波交换用于信号处理提出多分辨率分析概念，给出了信号或图象分解为不同频率通道的算法和重构算法，开创了子波变换在图象处理中的应用．于波变换在时域和频域同时具有良好的局部化性能，使子波变换成为视频图象压缩编码的主要技术，专家预计在1996年将会高清晰度电视标准的子波变换视频图象压缩技术将推出问世．本文将综述子波变换图象压缩编码技术当前的进展。     

图像小波变换VC程序实现

目前,小波理论应用已成为物理、数学和计算机等学科研究的热点,其中小波理论最成功的应用就是在图像处理中。在小波变换中,人们一般多运用MATLAB作为工具来进行图像处理的研究实现,但是在调用MATLAB小波工具箱的相关函数对小波进行构造时,往往忽略了对底层函数的理解,这对小波的进一步研究带来了不便。本设计重点阐述了二维离散小波变换的Mallat算法实现原理,并运用C＋＋编程实现,这改进了在MATLAB中不足之处,并且在MFC基础上进行了编程,得到一个可视化窗口,更加清晰地体现小波变换算法的核心。     

基于小波变换的图像去噪虚拟仪器系统

图像去噪一直是图像处理领域中重要而较难的研究课题.近十几年来随着虚拟仪器技术逐渐成熟和其应用领域的不断扩展,也为图像去噪研究提供了新的思路.基于小波变换,借助虚拟仪器平台构造了一种图像去噪的仪器处理系统,通过调用不同的小波基MATLAB算法和变换阀值系数控制实现了图像去噪的功能.示例结果表明该系统具有良好的图像去噪效果.     

Performance analysis of image compression using wavelets

The aim of this paper is to examine a set of wavelet functions (wavelets) for implementation in a still image compression system and to highlight the benefit of this transform relating to today's methods. The paper discusses important features of wavelet transform in compression of still images, including the extent to which the quality of image is degraded by the process of wavelet compression and decompression. Image quality is measured objectively, using peak signal-to-noise ratio or picture quality scale, and subjectively, using perceived image quality. The effects of different wavelet functions, image contents and compression ratios are assessed. A comparison with a discrete-cosine-transform-based compression system is given. Our results provide a good reference for application developers to choose a good wavelet compression system for their application     

Embedded image compression based on wavelet pixel classification and sorting

The method of modeling and ordering in wavelet domain is very important to design a successful algorithm of embedded image compression. In this paper, the modeling is limited to "pixel classification," the relationship between wavelet pixels in significance coding. Similarly, the ordering is limited to "pixel sorting," the coding order of wavelet pixels. We use pixel classification and sorting to provide a better understanding of previous works. The image pixels in wavelet domain are classified and sorted, either explicitly or implicitly, for embedded image compression. A new embedded image code is proposed based on a novel pixel classification and sorting (PCAS) scheme in wavelet domain. In PCAS, pixels to be coded are classified into several quantized contexts based on a large context template and sorted based on their estimated significance probabilities. The purpose of pixel classification is to exploit the intraband correlation in wavelet domain. Pixel sorting employs several fractional bit-plane coding passes to improve the rate-distortion performance. The proposed pixel classification and sorting technique is simple, yet effective, producing an embedded image code with excellent compression performance. In addition, our algorithm is able to provide either spatial or quality scalability with flexible complexity.     

Medical image compression by using three-dimensional wavelet transformation

This paper proposes a three-dimensional (3-D) medical image compression method for computed tomography (CT) and magnetic resonance (MR) that uses a separable nonuniform 3-D wavelet transform. The separable wavelet transform employs one filter bank within two-dimensional (2-D) slices and then a second filter bank on the slice direction. CT and MR image sets normally have different resolutions within a slice and between slices. The pixel distances within a slice are normally less than 1 mm and the distance between slices can vary from 1 mm to 10 mm. To find the best filter bank in the slice direction, the authors use the various filter banks in the slice direction and compare the compression results. The results from the 12 selected MR and CT image sets at various slice thickness show that the Haar transform in the slice direction gives the optimum performance for most image sets, except for a CT image set which has 1 mm slice distance. Compared with 2-D wavelet compression, compression ratios of the 3-D method are about 70% higher for CT and 35% higher for MR image sets at a peak signal to noise ratio (PSNR) of 50 dB, In general, the smaller the slice distance, the better the 3-D compression performance.     

基于医学图像的ROI的模板压缩法

结合医学图像压缩的特殊性,有针对性地研究了几种典型的医学图像压缩方法,包括有损的JPEG系列、无损的JPEG2000系列,以及模板匹配压缩方法。并用MATLAB分别对每种方法进行了仿真。通过实验结果的对比,分别指出这些方法各自优、缺点。最后综合各种方法,提出了一种基于感兴趣区域(ROI)的模板压缩法。     

小波阈值图像去噪算法及MATLAB仿真实验

本文研究了小波闽值图像的去噪方法,并与其它图像去噪方法进行了比较。对lena图像进行MATLAB仿真实验,得到了主观效果图和客观效果的PSNR。研究发现,小波阈值图像去噪无论主观效果还是客观效果都优于其他图像去噪方法。