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。     

基于整数平方阈值和索引表的静止图像编码算法

零树编码对一般小波变换有很多优点，但对能量集中性较差的整型小波变换(IWT)却达不到最佳效果．针对IWT存在的这一特点，结合零树编码的优点给出一种新算法．第1，根据IWT中各子带系数幅值的动态变化范围较小，小波图像能量集中性较DWT差这一特点，提出利用连续的正整数平方作为IWT小波系数量化阈值的整数平方算法；第2，提出一种基于索引表和游程编码的小波零树编码方法，简化了编码与解码过程．实验表明，该算法针对IWT在近无损压缩的情况下较EZW算法和SHPIHT更为简便高效。     

一种有效的遥感图像无损压缩算法的实现

出于应用要求,常要对遥感图像进行无损压缩存储,但是由于遥感图像自身的特点,其能够达到的无损压缩效率一直较低。本文结合近20年发展起来的技术和算法——IWT、SPIHT,并针对SPIHT用于无损压缩不够理想的状况,提出了SPIHT-INT-RSI算法用于遥感图像的无损压缩中。实验结果表明通过SPIHT-INT-RSI算法获得的无损压缩比高于通过SPIHT、EBCOT算法获得的无损压缩比,接近或超过LOCO-I算法获得的无损压缩比,并且保留了内嵌式编码和支持图像渐进传输的特点。     

一种新的遥感图像无损压缩算法

根据高光谱遥感图像具有空间和谱间相关性的特点,提出了基于三维整型DCT变换的无损压缩方法.首先将空间维和谱间维组合起来形成三维数据,采用三维整型DCT变换消除高光谱图像空间和谱间的相关性;然后,对变换系数进行类似小波的树状系数重组,并按子带顺序进行一阶自适应算术编码.实验结果表明,与已有的无损压缩算法相比,该方法的压缩效率有较大提高.     

基于感兴趣区的图象近无损压缩

无损感兴趣区（Lossless Region of Interest (ROI)图象压缩方法,即在感兴趣区采用无损压缩,而在其他区域采用有损压缩,从而保证了重要信息不丢失,并尽可能提高衅象的压缩比,在整形小波变换（IWT）和嵌入式零树编码的基础上,实现了无损感兴趣区（Lossless ROI)的图象近无损压缩,并提出了一种小波变换域形状编码算法－－树映射形状编码,同时给出了算法的原理及实现,并进行了相关实验,实验结果表明,该算法能够提高压缩效率,且压缩效率取决于感兴趣区的大小以及对不感兴趣区图象的质量要求。     

一种基于整数小波变换的图像无损压缩方法

由于第二代小波变换可以实现图像的整数到整数的变换,而且图像的恢复质量与变换时边界采用何种延拓方式无关,完全可以克服由第一代小波变换所带来的缺陷。该文利用这个特性,提出了一种基于整数小波变换的图像无损压缩算法。该方法首先将图像进行整数小波变换,然后利用不同子带的小波系数分布特性,对不同的子带采用不同的预测方式,最后将预测误差进行哈夫曼编码。实验结果表明,该方法算法简单,有较好的压缩性能,与JPEG无损压缩模式相比较,有较大的优势。     

基于改进SPIHT的图像无损压缩算法研究

针对应用于图像无损压缩的传统SPIHT算法没有充分利用小波系数低频子带带内的相关性且存在编码冗余的不足之处,提出了基于改进SPIHT的图像无损压缩算法。首先对原始图像进行整数小波变换,然后对小波变换后的低频子带和高频子带分开编码,即对低频子带进行预测编码;对高频子带,当阈值小于等于2时,改变了传统SPIHT算法的编码方式,减少了比特输出。实验结果表明,与传统SPIHT算法相比,比特率平均降低了0.0653bpp。     

基于可逆整数小波变换的遥感图像的无损压缩

针对遥感数据的特点，将可逆整数小波引入遥感图像压缩领域，与SPIHT编码相结合，试验选用了几种可逆整数小波对几幅遥感图像和标准测试图像进行图像无损压缩试验，结果与JPEG2000相比都所有提高。     

基于整数小波变换和嵌入零树的图像压缩算法

小波变换因其具有良好的时、频局部化性能,在图像压缩编码中得到广泛的应用。尤其提升小波的出现使无损压缩成为可能。该文采用整数小波对图像进行四级二维小波变换,根据系数特点介绍了一种小波零树的图像编码算法,给出了具体的算法编码实例,并用512×512的Lena图像对算法进行了仿真实验。     

基于整数小波变换的图像无损压缩方法

本文提出了一种基于整数的第二代小波变换图像无损压缩算法,它克服了第一代小波变换所存在的缺陷。首先将图像进行整数小波变换,然后利用不同子带的小波系数分布特性,对不同的子带采用不同的预测方式,对预测误差进行哈夫曼编码。与JPEG无损压缩模式相比较,该算法方法简单,有较好的压缩性能。     

An improved lossless image compression algorithm based on Huffman coding

There is an increasing number of image data produced in our life nowadays, which creates a big challenge to store and transmit them. For some fields requiring high fidelity, the lossless image compression becomes significant, because it can reduce the size of image data without quality loss. To solve the difficulty in improving the lossless image compression ratio, we propose an improved lossless image compression algorithm that theoretically provides an approximately quadruple compression combining the linear prediction, integer wavelet transform (IWT) with output coefficients processing and Huffman coding. A new hybrid transform exploiting a new prediction template and a coefficient processing of IWT is the main contribution of this algorithm. The experimental results on three different image sets show that the proposed algorithm outperforms state-of-the-art algorithms. The compression ratios are improved by at least 6.22% up to 72.36%. Our algorithm is more suitable to compress images with complex texture and higher resolution at an acceptable compression speed.

     

IWT应用于无损数字图像压缩的快速算法

数字图像的无损压缩是一个新兴的研究热点。在传统的熵编码基础上引入整数小波变换可以使得图像的压缩比有一定的提高。利用整数小波变换空间上的非相关性,采用效率优先的算法和位分裂的编码技术,可以使得图像的处理速度有非常大的提高。     

基于整型小波变换和嵌入式零树编码的医学图像压缩

对给定的医学图像采用基于“提升”算法的整型小波变换，对变换后的小波域图像编码。编码时，针对医学DICOM标准的数据结构，在小波零树编码的基础上，根据不同频率子带的小波系数对恢复图像的重要程度进行不同处理。实验证明，该方法视觉效果良好，实现了医学图像的无损压缩，有较好的压缩比和压缩效果。     

基于整型小波变换和嵌入式零树编码的医学图像压缩*

对给定的医学图像采用基于“提升”算法的整型小波变换,对变换后的小波域图像编码。编码时,针对医学DICOM标准的数据结构,在小波零树编码的基础上,根据不同频率子带的小波系数对恢复图像的重要程度进行不同处理。实验证明,该方法视觉效果良好,实现了医学图像的无损压缩,有较好的压缩比和压缩效果。     

抖动半调图像跳黑块无损压缩算法

提出了一种有序抖动半调图像跳黑块无损压缩方法。通过分析抖动半调图像特性,对半调图进行分块及块间异或预处理,使其转变为较大面积黑色区域中夹杂着零星白点的二值图像,接着运用跳黑块编码法对其无损压缩。在跳黑块编码中,对只有一个白像素的非黑块采用特定的短码字编码;对其余类型的非黑块采用直接编码。实验结果表明,改进的跳黑块编码能在一定程度上对非黑块进行有效压缩,且新算法不但具有较高的压缩效率,时间、空间复杂度也较低。     

一种新的无损小波图像压缩算法

基于Daubechies 5-3旋转小波，本文提出了一种无损图像压缩新算法，这一工作证实了小波压缩的如下问题，小波压缩具有与JPEG那样快的运行速度，在不改变变换系数的条件下，采用序贯处理方法能急剧地减小存储器的需要量，能用小波实现图像的无损压缩，对比实验表明，这种快速，有效的无损图像压缩技术比标准的JBIG和无损的JPEG性能要优越。     

基于DPCM与S+P变换的图像无损压缩

S+P变换是由AmirSaid犤7犦提出的一种多分辨表示方法,能够实现整数到整数的变换,从而成功地应用于图像的无损压缩,其性能优于基于线性预测的JPEG标准。为了进一步提高压缩性能,论文提出了一种基于DPCM与S+P变换的图像无损压缩算法。首先,对原始图像进行线性预测,得到差值图像;其次,对差值图像进行S+P变换;最后,对变换系数进行熵编码压缩。新算法利用像素间的相关性,给出了一种新的利用一维S+P变换实现图像变换的方法,减少了变换增加的数据量,有效地解决了边界处理问题。实验结果与性能比较表明:新算法有效的,优于其它著名的基于多分辨分解的无损图像压缩编码算法犤7,10,12犦。