基于三维上下文预测的遥感图象无损压缩

随着遥感技术的发展,其应用领域大大拓展,随之也带来了遥感数据的海量增长,这给存储、传输都带来极大困难,因此必须对遥感数据进行压缩,为了实现遥感数据的高效压缩,提出了一种基于三维上下文预测测的无损压缩编码算法,该算法包括如下三部分;首先,结合多波段遥感图象的特点,综合考虑其二维的空间相关性和谱间相关性,建立了三维预测模型;其次,在三维预测的基础上,进一步进行上下文预测;最后,引入二次预测的思想来去除图象的统计相关性,从而使残差图象的熵得到最大程度的降低,实验结果表明,该算法大大优于最优JPEG;而对AVHRR图象,其预测效果也明显优于空间和谱间最佳线性预测方法（SSOLP）。     

基于多分辨率级小波变换的图象压缩方法

随着国际互联网的出现,使得越来越多的图象信息传输交流越来越便捷,但传输速度始终是制约网络发展的重要因素,这也使得对图象进行压缩的要求更加迫切。小波变换的良好空间一频率局部化特性,使得原始图象的能量大部分聚集到了低频子带.为了提高图象压缩的效率和重建图象的质量,利用原始图象在小波分解中不同分辨率级能量分布不均匀的特点,提出了一种对各分辨率级进行分级处理的设计方法,即通过对各分解级量化因子的评价,为该级获取一个最佳的量化因子来进行压缩.实验证明,该方法在提高图象的压缩效率和重构质量方面取得了良好的效果.     

Fason：一种图象快速分形压缩的改进算法

本文针对图象所具有的分形特性，充分挖掘子图象块和父块之间的相似性，提出了一种与传统方法完全不同的快速图象分形压缩算法--Fason算法。该算法在无明显质量下降的同时，对压缩速度有一定的提高。并且，Fason算法还能取消传统分形压缩算法中对域块池的空间需求。     

减少JPEG压缩图象方法效应的小波域图象增强

低比特率ＪＰＥＧ压缩图象往往产生严重的广声效应。利用小波分析良好去噪和边缘检测特性,本文提出一种减少ＪＩＰＥＧ压缩图象澡方块效应的有效算法。计算机仿真结果表明,所提算法能有效地改善解码图象的视觉质量。     

基于空间—色工多维向量模糊量化的彩色图象压缩

在Ｆｕｚｚｙｋ－ｍｅａｎｓ算法的基础上,考虑到真空蝇的色度信息与空间相关性,提出了空间一色度复合的多维向量模糊聚类量化方法它能有效地压缩彩色图象信息,量化失真小,并在不使图象边缘钝化的条件下去除图象的高频噪声。该方法在彩色图象在实验中取得了良好的效果。     

减少JPEG压缩图象方块效应的小波域图象增强

低比特率ＪＰＥＧ压缩图象往往产生严重的方块效应。利用小波分析良好的去噪和边缘检测特性,本文提出一种减少ＪＰＥＧ压缩图象中方块效应的有效算法。计算机仿真结果表明,所提算法能有效地改善解码图象的视觉质量。     

“背景”消除的图象压缩方法

本文提出了一种“背景”消除的图象压缩方法,该法适用于块状结构的图象压缩,“背景”象素定义为:“差分图象”象素值为零值的象素,文中首先描述了这一编码方法的原理,然后给出了编码和重建图象的算法,并以实验结果与等值线编码及差分编码的压缩效果作了比较。     

基于预测的无损图象压缩技术

预测压缩技术是无损图象压缩的基本技术,分析了基于预测的无损图象压缩方法,综述了预测无损图象压缩技术的研究进展,并对预测压缩算法的设计进行了有益的讨论。     

基于压缩域的图象检索技术研究进展

压缩标准的出现 ,使得图象数据格式普遍为压缩格式 ,从而促进了压缩域内图象检索技术的迅速发展 .为了使人们对基于压缩域的图象检索技术有一概括了解 ,该文对目前的压缩域检索技术进行了回顾和讨论 :首先 ,介绍了图象检索系统的基本概念 ;然后 ,分类分析了不同压缩域的检索技术 ,包括变换域方法 (如傅立叶变换、离散余弦变换 (DCT)以及子带和小波变换 )和空域方法 (如矢量量化和分形等 ) ;接着 ,对这些检索方法进行了讨论和比较 ,并得出一些有用的结论 ;还举例介绍了基于压缩域图象检索技术的实际应用 ;最后对压缩域图象检索技术的研究发展及其应用前景指出了一些可能的方向 .     

基于图象腐蚀和区域生长的矸石图象分割算法

在实际的矸石分选过程中,要求的目标主要是将大块的矸石分选出来。但是,在拍到的胶带运行过程图片中,往往夹杂着很多小的煤颗粒或是矸石颗粒,如果不滤除掉这些小的颗粒,会影响矸石分选的效果和效率。针对上述问题,提出了一种融合图象腐蚀和区域生长的矸石图象分割算法。该算法首先对采得的原始图象进行图象压缩,然后对压缩的图象进行直方图均衡化,通过设定合适的腐蚀半径对原图象采取图象腐蚀处理,并选择合适的种子和阈值对腐蚀后的图象进行区域生长,最后将处理后的图象和原图象做"与"运算,得到边缘清晰的大块矸石图象。仿真结果表明,该算法能有效分割出大块矸石,且经图象腐蚀后的区域生长阈值的取值范围明显变大,对其它边缘模糊图象具有一定的参考作用。     

一种基于小波变换各尺度相似性的静止图象压缩方法

小波变换具有良好的空间 -频率局部化性能 ,主要表现在频率压缩特性、空间压缩特性、系数分布的相似性 3个方面 ,这些特性都有利于进行图象压缩 .但是早期的小波压缩算法大多没有利用系数分布的相似性 .该文借鉴了零树算法和 Rinaldo块预测的思想 ,提出了一种新的旨在压缩重要小波系数结构性冗余的静止图象压缩方法 ,实验结果证明了这种方法的有效性 .     

多层次快速聚类的遥感图象无损压缩

由于K—means聚类要求每个像素要和所有聚类中心求欧氏距离，因此当聚类数很多时，这是一个相当耗时的工作。改进后的K—means聚类算法使类内像素只通过和相邻的聚类中心进行距离计算来聚类，由于随着算法的迭代进行，大量类的状态基本固定，因此使得聚类速度不断加快。多层次聚类无损压缩就是利用改进的K—means聚类算法具有快速收敛的特点，和利用分层次去冗余的方法来聚类，因此可最大限度消除残差冗余。基于SP整数小波变换的多层次聚类由于其不仅能消除空间冗余、结构冗余，还能进一步对残差数据去冗余，因而实现了多光谱遥感图象无损压缩的突破。最后通过不同算法对TM图象进行压缩的比较和参数分析，论证了多层次聚类无损压缩的高效及合理性。     

基于整数小波变换的遥感超光谱图像无损压缩

由于遥感图像信息十分宝贵,应尽可能采用无损压缩或近无损压缩方法。本文提出基于"提升"(Lifting)算法实现整数小波变换(IWT)的方法,将变换方法用于去除空间冗余,保证了小波变换后图像信息无损失,再用算术编码对图像进行无损压缩。由于变换方法的去相关性能良好,实验证明将IWT应用于遥感图像无损压缩是有效的,能达到预期的目的,解码后的图像能无失真的恢复。     

端到端优化的图像压缩技术进展

图像压缩是数据压缩技术在数字图像上的应用,其目的是减少图像数据中的冗余,从而用更加高效的格式存储和传输数据。传统的图像压缩方法中,图像压缩分为预测、变换、量化、熵编码等步骤,每一步均采用人工设计的算法分别进行优化。近年来,基于深度神经网络的端到端图像压缩方法在图像压缩中取得了丰硕的成果,相比传统方法,端到端图像压缩可以进行联合优化,能够取得比传统方法更高的压缩效率。文中首先对端到端图像压缩的方法和网络结构进行了介绍;接着对端到端图像压缩中的关键技术进行了阐述,包括量化技术、概率建模和熵编码技术以及编码端码率分配技术;然后介绍了端到端图像压缩的扩展应用研究,包括可伸缩编码、可变码率压缩、面向视觉感知和机器感知的压缩;最后通过实验对端到端图像压缩方法目前可达到的压缩效率与传统方法进行了对比,展示了其压缩性能。实验结果表明,目前最新的端到端图像压缩方法的压缩效率远高于JPEG,JPEG2000,HEVC intra等传统图像编码方法,相比目前最先进的编码标准VVC intra,在同样的MS-SSIM上节省了高达48.40%的编码码率。     

一种改进的零树小波图像压缩算法

基于小波变换的图像压缩算法在较低码率时出现的Gibbs效应多年来一直未能得到很好的解决,其主要原因是,纯粹基于像素值的MSE(mean square error)准则对于图像边缘对应的小波系数分配了较少的比特数.文章在详细分析了Shapiro和Said & Pearlman等人提出的零树小波压缩算法的基础上,从抑制高频噪声和图像边缘对应系数的自适应量化等方面对原来的算法进行了改进,给出了相应的对比实验结果.文章的主要意义在于,提出了识别与压缩相结合的思想,由于小波变换的空间局部化特性,因此可以进行非常灵活     

基于小波域空间树结构的合成孔径雷达图像压缩

空间树结构SOT(Spatial-Orientation Tree)在基于小波的SAR图像压缩中扮演着及其重要的角色,包括EZW(Embedded Zero-tree Wavelet)和SPIHT(Set Partitioning in Hierarchical Trees)的图像压缩编码方法,都利用了SOT中的父子关系。斑点噪声的存在,严重降低了SAR图像的质量和可压缩性。作为研究不同分辨率小波系数的空间相关性的非常有效的数据结构,SOT在斑点噪声去除中并没有得到很好的利用。提出一种新的SAR图像压缩方法,该方法结合基于SOT结构的斑点噪声去除和EZW嵌入式零树编码算法,对机载合成孔径雷达图像压缩实验的结果显示,该方法优于JPEG和标准EZW算法。     

低熵图像序列无损压缩

大规模的云渲染技术带来了大量的三维图形渲染数据。为了减小集群渲染产生的图像序列数据的传输以及存储代价,针对渲染图像序列低熵的特点,基于字典编码技术提出了降低数据局部复杂性的无损数据压缩方案。该方案通过数据重排技术来大大提高数据的局部冗余度,从而提高数据无损压缩效率。为了进一步解决大规模图像序列的压缩耗时问题,提出了一种云计算平台上的分布式图像压缩处理方案,充分利用现有云计算中Map/Reduce计算模型实现了分布式编码方案。实验结果证明,对于渲染产生的大规模低熵图像序列,提出的方案能够有效提高编码率并减少编码时间。     

基于神经网络的多光谱遥感图像无损压缩

分析并改进了利用自组织特征映射(SOFM)神经网络设计码书的方法,提出了一种基于改进SOFM算法设计码书的矢量量化和分类谱间预测相结合的多光谱图像无损压缩方法。该方法对光谱信息进行矢量量化,根据分类信息生成残差图像以去除数据的空间相关性,构造分类谱间预测器去除数据的谱间结构和统计相关性。对机载64波段多光谱遥感图像的试验结果表明,该方法无论是对训练集内图像还是训练集外图像,均取得了较好的压缩效果,平均无损压缩比达到3.2以上。     

基于阈值与人眼特性的小波图像压缩算法

针对图像传输数据量大的问题,通过结合小波变换的高效性与普遍性,提 出了一种基于阈值与人眼特性的小波图像压缩算法,在图像的低频子带中通过结合阈值与人 眼的视觉敏感度,提出了阈值保留算法;而图像的高频子带则是通过结合小波变换后各子带 的方向性,并根据小波幅角的不同提出了边缘保留算法;在保证图像质量的同时减少了图像 中的冗余信号。实验结果表明,新方法能够实现上述目标且具有低耗时的优势,在图像压缩 领域具有较好的发展前景。     

一种分离结构与像素的二值图像压缩算法

文章提出了针对二值图像压缩的基于四叉树的分离结构与像素的算法,该算法通过一个阈值来决定对图像像素的合并,在合并过程中生成图像的四叉树结构,并根据结构中节点的取值来决定像素数据的存储,最后形成分离的结构数据与像素线性表。因为在数据分离过程中采用了去冗余处理,该算法对复杂图像的压缩比高于采用JBIG标准所产生的结果;又因为采用了由底至上的合并方案,使该算法有良好的时间和空间复杂性O(N)。由于压缩后的图像含有结构特征,算法可用于建立不同图像之间的联系,同时还适用于对气象、地貌等复杂图像的压缩。