离散余弦变换在图像压缩上的应用

图像压缩编码技术是现代多媒体及通信领域中的关键技术之一.离散余弦变换(DCT)由于其较好的能量压缩特性和快速算法,被广泛地应用在图像压缩等领域,特别是国际静态图像压缩标准JPEG和动态图像压缩标准MPEG中都采用了DCT变换.本文介绍了DCT的核心编码,并使用matlab语言实现了基于DCT的图像压缩.     

基于遗传算法的优化DCT 图像压缩方法

为打破传统DCT(Discrete Cosine Transform)变换矩阵统一的束缚, 从离散余弦变换DCT 的基本原理及特点出发, 针对图像信息对DCT 变换矩阵进行优化处理, 实现对图像的高效压缩。将图像进行DCT 压缩后重构并与原图像进行比较; 利用遗传算法求最优解使其均方误差最小以优化DCT 变换矩阵的系数; 以优化后的变换核对图像进行处理。实验结果表明, 对线性边缘、纹理特征图像小分块处理基于遗传优化DCT 的算法在种群个数为40 ~ 60、字符串长度为8、交叉概率为0. 7 ~ 0. 8、变异概率为0. 007 ~ 0. 008 时, 图像压缩效果达到最佳。     

基于STM32F4的图像压缩技术研究

提出了一种利用STM32F4微处理器实现JPEG静态图像压缩编码的方法.根据图像压缩编码的基本流程,重点讨论了图像编码中DCT变换的优化和实现,以及基于STM32F4的图像压缩处理过程.实验结果表明,采用基于DCT快速算法结合余弦系数查表法的压缩算法和STM32F4微处理器的静态图像压缩系统,与传统的基于DCT方法的系统相比,压缩速度提高了4倍,图像压缩比例可达14∶1,而且图像的峰值信噪比高于30,实现了对图像信号的实时、高效率压缩.     

改进的静态图像压缩技术

在多媒体技术中,静态图像压缩技术成为世界学术界研究的热点.本文在国际标准组织制定的静态图像压缩标准JPEG的基础上,提出了一种采用新的傅立叶分析技术-算术傅立叶变换(AFT)来快速计算离散余弦变换(DCT)系数值,改进了静态图像压缩技术,克服了DCT运算速度慢的缺点,同时克服了传统的快速离散余弦变换(FDCT)程序复杂,子进程多的缺点.实验表明运用新型的AFT的DCT快速算法代替传统的DCT算法实现静态图像压缩可以使运算时间大幅度减少,该方法为实现静态图像压缩开辟了新的思路和途径.     

基于MATLAB的DCT变换及其在图像压缩中的应用

本文介绍了离散余弦变（DCT）的实现原理,并在MATLAB数学分析工具环境下,从实验的角度出发,对应用DCT变换压缩的重构图像与原始图像进行了比较。仿真实验表明,用MATLAB来实现离散余弦变换的图像压缩,具有方法简单,速度快,误差小的优点,可以大大提高图像压缩的效率和精度。     

MPEG-4中静止图像编码方法的探索与研究

在静止图像编码方法中,最著名且应用最广泛的就算是JPEG了,JPEG中所用到的主要技术就是离散余弦变换(DCT)和Huffman熵编码;在最新的视频图像压缩标准MPEG-4中,对于静止图像和纹理的编码,都放弃了DCT变换而代之以离散小波变换(DWT).JPEG2000中也同样的以DWT取代了DCT.本文比较JPEG和MPEG-4所分别编码的图像,并具体说明MPEG-4中静止图像的编码过程.最后得出DWT变换相对于DCT变换的优势结论.     

基于DCT的图像压缩算法及快速实现

分析了离散余弦变换（DCT）的基本原理和特点,给出了用DCT实现图像压缩的具体方法和步骤,并对DCT的快速实现提出了算法和硬件上的改进.仿真结果表明：基于DCT的图像压缩算法具有简单高效的特点,可以实现不同压缩比下的图像压缩.     

基于分块DCT变换的HVS模型加权数字水印算法

用灰度图像作为水印,并结合应用于图像压缩的人眼礼堂模型HVS和基于块分割DCT变换,对原有的基于DCT变换的数字水印算法作了一些改进。实验结果表明,这种改进方法具有良好的鲁棒性和不可见性。     

几种图像变换算法性能比较

为寻找提高图像压缩算法性能的途径,比较了二维DCT（Discrete Cosine Transform）变换,二维张量积小波变换以及最新的几何小波的变换特点及实用效果。针对同一图像采用不同的几何小波进行分解,保留相同个数的显著系数进行图像重建,以比较各种小波基的稀疏表示能力。结果显示,在高压缩比条件下,Bandelet和DCT变换更加有效,而在高质量条件下,小波变换依旧是最有效的工具。     

基于离散余弦变换域采样和重建的低码率图像压缩算法

构建了一种基于离散余弦变换(discrete cosine transform,DCT)域采样和超分辨率(super resolution,SR)重建的低码率图像压缩编码算法。在编码端对原始图像进行分块离散余弦变换(DCT),并提取每个DCT系数块的低频系数,然后再反变换到空间域,从而得到在DCT域下采样的低分辨率(low resolution,LR)图像块。用JPEG标准对下采样图像块编解码后,采用基于学习的方法恢复DCT域高频系数,重建出高分辨率(high resolution,HR)的图像。实验结果表明,在码率较低的情况下,算法比JPEG编码标准具有更好的率失真性能;同时,在相同码率下,算法重建的解码图像视觉效果更好。