改进的无链表零树编码算法

通过对SPIHT算法和LZC算法的研究,提出一种改进的无链表零树编码算法。该算法改进了树编码过程,降低了编码复杂度,易于硬件实现,并且用小波系数的最高比特位来存储标志图,使得编码所需内存进一步减少。实验结果表明在相同的压缩比下,新算法重建图像的峰值信噪比明显优于LZC算法,而仅比SPIHT算法有略微的降低。     

一种易于硬件实现的小波图像压缩算法仿真

SPIHT算法是压缩效率很高的静止图像压缩编码算法,但需要使用三个集合链表来存储已编码信息,内存需求大及难于硬件实现。据此,提出一种改进的易于硬件实现的小波图像压缩算法。该算法引入了线性索引技术和LZC算法标志位图,采用了类似于SPIHT算法的扫描顺序,将待编码流按不同种类进行算术编码。仿真实验结果表明,该算法的峰值信噪比优于LZC算法,略低于SPIHT算法,但对内存需求仅为SPIHT算法的二十分之一,易于硬件实现。     

一种改进的无链表小波零树编码算法

提出一种对LZC算法作了改进的图像压缩编码方法。该方法在编解码的过程中都省去了链表，大大减少了内存消耗，降低了复杂度，提高了编码速度。实验结果表明，该算法在性能上比LZC算法提高约0．7dB左右，和SPIHT算法相比压缩性能近似但硬件更易实现。     

一种改进的SPIHT图像编码方法

对小波图像压缩的SHHT算法进行了改进，改进算法不再使用链表而是使用两个简单的位图，其占用内存和LZC算法相同而易于硬件实现，改进算法克服了LZC的深度优先搜索的缺点而具有和SPIHT一样的广度优先搜索策略。在同压缩比下，其重构峰值信噪比PSNR比LZC高0．70左右，和SPIHT相当。     

一种改进的LZC图像编码算法

摘要提出了一种改进的LZC(1istlesszerotreecoding)图像编码算法，该算法不仅继承了原有LZC算法不使用链表、易于硬件实现的优点，而且针对原始算法子带扫描顺序不尽合理、递归结构算法复杂度较高等缺点，通过改变空间子带的编码顺序，将块的概念引入编码过程在改进算法中完全采用顺序结构等措施进一步提高了原有算法的工作效率、降低了LZC算法的复杂度。实验结果表明，该算法是一种高效的图像编码算法，其不仅具有良好的视觉效果、无方块效应，而且在相同压缩比情况下，该算法的图像重构质量和PSNR均明显优于原始的LZC算法。     

适用于硬件实现的零树编码算法

在Listless Zerotree Coding(LZC)算法的基础上提出了一种内存空间更小的静止图像零树编码算法，该算法与SPIHT等经典的零树编码算法的区别在于编解码过程中不使用列表结构，与LZC算法相比则节约了两个位图(Bit Map)，而这些位图为编码算法提供了重要系数和重要后代集合的位置信息．实验结果证明，本文的算法在不降低图像度量的前提下大大降低了零树编码算法的内存要求，有利于硬件实现．     

基于二进索引树的算术编码在SPIHT算法中的实现

多级树集合分裂算法 (SPIHT) [2 ] 是在嵌入式零树小波编码算法 (EZW) [1] 的基础上改进的性能更优的算法。其子集合分裂策略是如此的有效以及显著信息是如此的紧凑 ,以至未编码的二进制位流也能获得同EZW一样的甚至更好的效果。虽然引入算术编码可以略微提高峰值信噪比 (PSNR) ,但同时也增加了算法的计算复杂度。在实现SPIHT算法时 ,通过基于 2× 2基元的方式来组织LIS和LIP表 ,大大地提高了SPIHT算法的运算速度 ;但同时算法的重建图像质量也有大幅度的下降。基于上述事实 ,本文引入了基于二进索引树的算术编码算法。实验表明 ,在SPIHT算法的基础上引入基于二进索引的算术编码 ,可以使得SPIHT算法运算速度大大增加的同时其重建图像质量基本不下降。     

一种改进的基于零树编码的小波压缩图像算法

在SPIHT算法的基础上,提出一种改进的基于零树编码的小波压缩图像编码算法。基本思想是综合了FrederickW.Wheeler和WilliamA.Pearlman提出的线性索引技术及LZC采用的标志位图,采用了与SPIHT类似的扫描顺序,与SPIHT不同的是,本文算法不用列表,硬件实现非常容易。最后经实验证明,本文算法的峰值信噪比仅比SPIHT算法略低,而对内存空间的要求则大大减少,因此在几乎没有降低恢复图像质量的前提下,使零树编码算法的硬件实现成为可能。     

基于改进SPIHT算法的多光谱图像数据的压缩

针对多光谱图像的特点,采用小波零树编码算法进行压缩.由于SPIHT算法对存储空间要求大,不利于硬件实现,对其进行改进,提出了一种新的改进算法,降低了存储空间,减少了时间消耗.通过对采集到的多光谱数据进行的仿真显示,算法与SPIHT算法相比在压缩比下降不大的情况下,有效地降低了存储空间和计算的复杂度,使其更易于用硬件来实现.     

实用的完全脆弱认证水印算法*

提出一种完全脆弱认证水印算法用于图像完整性认证、窜改定位和近似恢复被窜改部分。算法基于对原始图像2×2大小分块,计算图像块各像素高6 bit的灰度均值作为水印,利用混沌和置乱技术对水印信息进行加密和确定水印比特嵌入的位置。实验结果表明,该算法简单、安全性高,窜改精确定位到2×2图像块,可对窜改区域近似恢复,具有较好的实用性。     

基于系数块的改进SPIHT算法

介绍基于离散小波变换的分层树集合分割排序(SPIHT)编码算法的图像压缩流程和特点,论述了针对该算法进行改进的方向,分析该算法的优缺点,并针对其缺点提出不影响算法整体结构的改进方法,减少编码冗余,提高编码速度。理论分析和实验结果表明,该算法在低比特率时能提高峰值信噪比,在高比特率时也能有较高的峰值信噪比。     

An enhanced one-dimensional SPIHT algorithm and its implementation for TV systems

In general, to achieve high compression efficiency, a 2D image or a 2D block is used as the compression unit. However, 2D compression requires a large memory size and long latency when input data are received in a raster scan order that is common in existing TV systems. To address this problem, a 1D compression algorithm that uses a 1D block as the compression unit is proposed. 1D set partitioning in hierarchical trees (SPIHT) is an effective compression algorithm that fits the encoded bit length to the target bit length precisely. However, the 1D SPIHT can have low compression efficiency because 1D discrete wavelet transform (DWT) cannot make use of the redundancy in the vertical direction. This paper proposes two schemes for improving compression efficiency in the 1D SPIHT. First, a hybrid coding scheme that uses different coding algorithms for the low and high frequency bands is proposed. For the low-pass band, a differential pulse code modulation–variable length coding (DPCM–VLC) is adopted, whereas a 1D SPIHT is used for the high-pass band. Second, a scheme that determines the target bit length of each block by using spatial correlation with a minimal increase in complexity is proposed. Experimental results show that the proposed algorithm improves the average peak signal to noise ratio (PSNR) by 2.97 dB compared with the conventional 1D SPIHT algorithm. With the hardware implementation, the throughputs of both encoder and decoder designs are 6.15 Gbps, and gate counts of encoder and decoder designs are 42.8 K and 57.7 K, respectively.     

基于改进SPIHT的静态图像编码

本文在零树编码算法分析的基础上,针对SPIHT算法的不足,提出了一种新的零树编码算法。该算法以SPIHT为基础,改进了其零树结构及编码流程,同时引入LZC算法的标志位图思想,在保证恢复图像质量的前提下,降低了内存消耗,提高了编解码速度。仿真实验结果表明,相对于SPIHT算法而言,重构图像的峰值信噪比和直观图像质量,本文算法都表现出了优良的性能,尤其是在低比特率下表现跟明显。     

基于快速稀疏表示的医学图像压缩

随着数字医学图像数据量的日益增大,有必要采取一定的图像压缩技术进行压缩存储。为此,提出基于快速稀疏表示的医学图像压缩方法。使用K-奇异值分解算法构造医学图像过完备字典,采用批量正交匹配追踪(Batch-OMP)算法进行稀疏编码。该方法只需要存储稀疏编码非零位置的系数信息,利用过完备字典即可实现原始医学图像的重构。实验结果表明,该方法可提高图像稀疏编码的速度,与正交匹配追踪(OMP)算法相比可提速40%左右,并且图像重构效果优于联合图像专家组(JPEG)算法和多级树集合分裂(SPIHT)算法的压缩效果,相对JPEG压缩的图像峰值信噪比平均提高18%,相对SPIHT算法平均提高50%。     

一种改进的无表SPIHT算法

SPIHT算法是一种基于小波变换,压缩编码效率很高的静止图像压缩编码算法,传统的SPIHT算法主要基于软件实现.本文提出一种改进的更易于硬件实现的无列表SPIHT算法：采用状态标示符取代动态链表操作来记录集合分割信息,进而把整个编码过程都简化为简单的逻辑运算.基于本算法设计出了SPIHT编码器FPGA的有效实现.实验表明,该算法易于实现、节约资源、效率高、运算速度快,为硬件实现高速图像压缩编码提供了一种新的有效的方法.