基于祖冲之算法和DNA编码的图像分组加密方法

为了进一步研究具有更高安全性的加密方法,结合基于DNA编码思想、祖冲之密钥流产生器以及分组加密结构,提出了一种基于祖冲之算法和DNA编码的图像分组复合加密方法.该方法首先利用祖冲之算法产生分组加密结构的密钥流;然后对明文图像信息以及密钥流进行DNA编码;最后利用分组迭代轮数的奇偶性决定明文图像分块模式,并基于DNA符号运算的改进Feistel分组结构实现明文图像分组加密,将加密结果进行DNA编码反变换生成最终密文图像.通过安全性分析,该算法具有很好的抗攻击能力和有效性,可以广泛应用到图像信息安全保护中.     

基于PDC编码的中文文本压缩算法

针对中文文本结构的特点以及传统压缩算法对中文文本压缩的不足,提出并实现了一个基于PDC编码的中文文本压缩算法。该算法采用的是字典压缩方式。根据单个汉字在中文文本出现的概率,采用Huffman编码方式进行前缀变长编码;定义由某个汉字为前缀的词组和短语的深度;对具有相同前缀和相同深度的词组和短语进行局部的定长编码,构成一部压缩编码字典。通过对相同文本分别使用该算法和传统的LZW和LZSS编码算法压缩后得到的数据结果对比,压缩率有2.53%~40.48%的提高,表明该压缩算法有较好的压缩效果。     

远程故障诊断系统通信数据压缩技术研究与验证

根据远程故障诊断的测试数据的网络传输特点,在详细分析和比较了多种数据压缩算法的基础上,针对LZW算法字典列表长度有限、查找时间长等问题,利用加入了动态延伸列表长度、根据压缩比例调整已有的字典内容和哈希函数查找等方法,对LZW算法提出了改进措施;同时,引入MPEG帧间压缩的思想,设计了一种新的"周期性差值压缩方法",将改进的LZW数据压缩算法与"周期性差值压缩方法"相结合,构成了更有效的级联数据压缩方法,有效地提高了数据压缩比率和效率,并且该算法的处理速度能够满足远程故障诊断系统对通信的要求。     

基于大字典的LZW压缩算法的降熵改进

在分析压缩算法LZW的基础上,针对LZW算法在字典规模增大时出现的压缩后数据平均信息熵快速增大的不足,提出一种改进的压缩算法。利用数据中普遍存在的空间相关性,在保存大字典的同时缩小每次压缩实际使用的字典范围,以此减小压缩后数据的信息熵。给出改进算法与LZW压缩算法的性能对比,实验结果表明改进算法在减小压缩后数据的信息熵方面取得了2%~16.9%的优化。     

无损压缩算法LZW前缀编码优化及应用

利用LZW算法进行数据压缩,当字典长度为l时,前缀在区间[0,l-1]中,因而只能通过「Ibl」bit对前缀进行编码,使区间[l,2~(「Ibl」)-1]内的数据不能被充分利用,造成冗余现象。针对该问题,提出一种前缀映射编码的改进压缩算法。对满足条件的前缀不直接编码输出,而是将其映射到区间[l,2~(「Ibl」)-1],此时编码位数并未减少但却隐含一个标志位信息,标志下一个前缀编码用更少的比特位来编码。与原LZW算法相比,改进算法不增加计算量和存储空间,并且通用性好。英文文本数据压缩仿真和残差数据压缩应用结果均验证了该算法的有效性。     

遥测数据采集压缩系统的LZW算法优化设计

针对数据采集压缩系统压缩速率慢和压缩效果不足这一问题,分析了字典大小和查找字典的方式对压缩性能的影响,提出了优化LZW算法的方法。该方法引入基于散列函数的字典查找方式和删除当前未被引用词条的字典更新方式提高字典压缩效率,并通过优化算法和传统算法的比较以及仿真,验证了算法的优越性。测试结果表明,该优化方法整体上提高了系统的压缩性能,具有较高的工程实用性。     

LZW无损压缩算法的研究与改进

研究了数据压缩技术领域中一种较有效的无损压缩算法--LZW.LZW的原理在于用字典中词条的编码代替被压缩数据中的字符串.因此字典中的词条越长越多,压缩比就越高.加大字典的容量可以提高压缩比.但字典的容量要受到计算机内存的限制,而且其字典也存在被填满的可能.这样当字典不能再加入新词条后,过老的字典就不能保证高的压缩比.为了解决这个问题,设计并实现了一种改进算法;分析了改进算法对复杂度的影响,并选用一些典型文件对改进后的算法进行了应用测试.测试结果表明,改进后的算法具有较好的压缩比和较理想的压缩效率.     

面向无线传感网络应用的改进LZW算法

在无线传感网络通信中,传感器数据需要通过无线设备发送给上位机。随着终端传感器传输数据量的增大,无线设备的发送能耗逐渐加大。在不便于及时维护的复杂环境中,这将导致无线通讯设备过早失效从而使得通讯中断。因此需要先将传感器采集到的数据进行压缩,减小发送数据量。在分析传感器数据特点和传统的LZW(Lempel-Ziv-Welch)压缩算法的基础上,提出了一种面向无线传感网络应用的改进LZW算法。该算法首先对采集到的传感器相邻数据进行差值预处理,以提高数据项的重复率;然后选择大小合适的字典,在字典上用哈希存储的方式代替传统的顺序存储,以改进字典更新方式,当检测到压缩率降低时更新字典,并保存常用单字符,释放字典空间,达到数据压缩的目的。实验数据显示,与传统的LZW算法相比,改进的LZW算法使得有序传感器数据的压缩率最高降低40%,减小了所需发送数据的数据量,压缩速度也提高了近10倍,证明了面向无线传感网络应用的改进LZW算法是有效可行的。     

一种改进的LZW算法在图像编码中的应用

在医学、安全、遥感等领域,由于数据保真度要求苛刻,对高效的图像无损压缩方法有着迫切的需求.本文通过对字典压缩方法的研究和分析,针对传统LZW方法在建立字典初期压缩效果差这一不足,提出了一种动静结合的改进LZW字典压缩算法.实验结果表明,改进的LZW算法的压缩比相对于传统算法有较明显的提高.     

基于静态串表的图像无损压缩编码方法

结合前像素预测编码方法和Lempel-Ziv-Welch(LZW)编码思想并针对其对于变化频率较高的信号压缩效率较低的问题,提出了一种通过利用图像像素之间相关性构建静态串表对数字图像进行无损压缩的编码方法。通过对前向预测编码处理后的图像数据进行查表编码来实现图像无损压缩。实验结果表明该方法实现简单,压缩效率高于LZW算法和WinZIP算法。     

改进的四进制哈夫曼算法

提出了一种改进的四进制哈夫曼树的生成算法,通过分析算法的平均码长和编码效率,论证了算法相对于传统的四进制算法的优点。并用C语言分别实现两种算法,进行了压缩比和压缩时间的比较,证明了改进算法在压缩比和压缩速度上的提升。     

Huffman算法的改进及其在图像压缩中的应用

本文改进了Huffman编码算法,主要是针对Huffman编码生成Huffman树构造中的排序方法的改进,提出一种基于"堆排序"的新方法。采用堆排序找到最小值实现Huffman编码,经过这种改进的Huffman编码方法对内存读写的次数大为减少,从而提高了响应速度。使得Huffman编码效率有所提高。通过对JPEG的Huffman压缩算法的分析以及采用4个JPG文件对改进的和传统的Huffman算法进行了仿真实验,对比分析表明改进算法的性能无论是压缩比率还是压缩时间方面都比经典的Huffman算法性能有所提高。     

一种最优化链码指纹二值细化图像压缩编码

提出了一种适合于对线状结构的条形纹线二值图像进行压缩的最优化Freeman链码压缩算法——Freeman差分链码Huffman编码。与传统的Freeman链码相比，提出的压缩算法是基于Freeman链码、差分编码和Huffman编码的一种混和编码方式。通过理论分析和在指纹二值细化图上的实验结果证明，对于指纹二值细化图像，本算法优于现有的链码压缩二值图像的算法，针对于线状结构的条形纹线二值图像，本算法也优于其他压缩算法。其平均码长为1.7651bits，低于8方向Freeman链码或者Freeman差分链码的3bits的平均码长。     

BWT与经典压缩算法研究

为提高无损压缩的效果,分析了BWT的基本原理,回顾并比较了霍夫曼编码、算术编码、LZ77和LZW算法的性能,然后把BWT与多阶算术编码、LZW编码结合起来研究,结果表明,对大于BWT分组数据块的文件先经过BWT预处理,再进行压缩,压缩效果明显提高。     

基于上下文的网格拓扑压缩熵编码方法

提出了一种普遍适用于网格拓扑压缩的高效熵编码方法.不同于以往的单纯利用算术编码或Huffman编码对遍历网格生成的拓扑流进行编码压缩,对这些拓扑流的每个符号先计算其Huffman编码,然后采用基于上下文(已编码序列的倒数第2个符号作为上下文)的算术编码方法来编码其Huffman值,从而实现对网格模型拓扑信息的有效压缩.实验结果表明,熵编码方法普遍适用于各种网格拓扑压缩方法得到的拓扑流的压缩,其压缩结果普遍高于拓扑流序列的熵值——绝大多数拓扑压缩算法各自最好的压缩比.     

一种不用建造Huffman树的高效Huffman编码算法

Huffman编码作为一种高效的不等长编码技术正日益广泛地在文本、图像、视频压缩及通信、密码等领域得到应用。为了更有效地利用内存空间、简化编码步骤和相关操作,首先研究了重建Huffman树所需要的信息,并提出通过对一类一维结构数组进行相关操作来获取上述信息的方法,然后利用这些信息,并依据提出的规范Huffman树的编码性质,便能直接得到Huffman编码。与传统的Huffman算法及近年来国内外文献中提出的改进算法相比,由于该方法不需要构造Huffman树,不仅使内存需求大大减少,而且编码步骤和相关操作更简洁,因而更利于程序的实现和移植。更重要的是,该算法思路为Huffman算法的研究和发展提供了新的途径。     

基于字典学习的卫星图像压缩算法研究

针对卫星图像的特点及当前卫星图像在传输和存储上面临的问题,提出了一种基于稀疏表示的卫星图像二级无损压缩算法。通过传输稀疏表示后的稀疏系数来代替图像本身的传输,完成对卫星图像的第一级压缩;对非零稀疏系数先作预处理后实现聚类,然后依据聚类索引对原始非零稀疏系数的位置排序;最后对处理后的非零稀疏系数和位置数据分块,并利用改进的自适应哈夫曼算法对非零稀疏系数的数据块编码,利用差分编码和改进的自适应哈夫曼算法对位置数据块编码,完成对图像数据的第二级压缩。实验结果表明,与传统算法相比,所提算法具有明显优势,改进算法的压缩率是传统算法的1/3~1/2,且可同时实现卫星图像的高倍无损压缩与高分辨率重建。     

基于分类重排LZW的图像无损压缩算法

在遥感、医学等许多应用领域中,出于对图像质量的要求,图像一般必须进行无损压缩。针对现有方法的局限,提出了一种无损压缩算法。该算法利用图像灰度分布对压缩比的影响,首先对像素进行灰度分类并用掩膜图记录类别信息,然后采用Hilbert曲线将各类像素进行块间和块内重排,最后采用LZW(lempel-ziv-welch)算法对掩膜图与各类像素的数据流进行编码。经过对多幅标准测试图像以及遥感图像的实验结果表明,本文算法在总体上具有比LZW、行程编码RLE(run length encoding)和霍夫曼(Huffman)等方法更高的压缩比,并且易于实现。