基于EZW的嵌入式图像编码算法的研究

嵌入式零树小波(EZW)编码算法是基于小波变换的一种图像压缩方法,它可以实现渐进编解码,进行有损或无损压缩,具有较高的压缩比和图像恢复质量.在研究嵌入式零树小波编码算法及原理的基础上,描述了算法的应用过程,阐述了具体的实现思路.结合多组图像数据对算法的过程进行测试,对其性能进行了评价.评价结果说明算法在原来方法的基础上进行了一些有效的改进,获得了更高的编码性能.     

改进的嵌入小波算法在遥感图像压缩中的应用

多光谱遥感图像具有大数据量和高数据维的特点,如此海量的数据需要巨大的存贮空间。在研究嵌入式零树小波编码(EmbeddedZerotreeWavelet-EZW编码)的基础上,利用小波子带峰值的概念,通过对小波边缘子带进行有效处理,建立了改进的嵌入式零树小波编码(RenewedEmbeddedZerotreeWavelet-REZW编码)快速算法。采用改进的EZW编码算法,对遥感图像进行了压缩,获得了具有较高压缩比和较好视觉效果的重建图象,证明了REZW算法的可行性和有效性。     

嵌入式零树小波编码算法研究

嵌入式零树小波编码算法是基于小波变换的一种图像压缩方法,它可以实现渐进编解码,从有损到无损压缩,具有较高的压缩比和图像恢复质量,在图像编码中具有非常重要的地位.文中对嵌入式零树小波编码算法及其改进算法的原理、方法和性能进行了介绍和比较,并指出了嵌入式图像编码的研究方向.     

基于人眼视觉特性的嵌入式小波零树编码改进①

在分析了嵌入式小波零树编码算法（EZW）的基本理论基础上,提出了一种以8个标志住代替原EZW算法中4个标志位的改进算法。改进算法中,重新定义零树的结构,降低了编、解码复杂度节省了存储的空间,且有利于提高压缩比;重新分类重要系数一方面增加了图像边缘信息编码,另一方面极大的减少了零树根的数量,提高了压缩比。仿真结果表明,改进算法重构图像质量及主观视觉效果明显好于原算法。     

基于人眼视觉特性的嵌入式小波零树编码改进①

在分析了嵌入式小波零树编码算法(EZW)的基本理论基础上,提出了一种以8个标志位代替原EZW算法中4个标志位的改进算法。改进算法中,重新定义零树的结构,降低了编、解码复杂度节省了存储的空间,且有利于提高压缩比;重新分类重要系数一方面增加了图像边缘信息编码,另一方面极大的减少了零树根的数量,提高了压缩比。仿真结果表明,改进算法重构图像质量及主观视觉效果明显好于原算法。     

嵌入式零树小波编码算法研究

嵌入式零树小波编码算法是基于小波变换的一种图像压缩方法，它可以实现渐进编解码，从有损到无损压缩，具有较高的压缩比和图像恢复质量，在图像编码中具有非常重要的地位。文中对嵌入式零树小波编码算法及其改进算法的原理、方法和性能进行了介绍和比较，并指出了嵌入式图像编码的研究方向。     

一种改进的嵌入零树小波图像编码算法

基于逐次逼近量化与零树结构的嵌入零树小波编码（EZW）是一种优秀的图像压缩算法，然而该算法进行逐次逼近量化时需搜索扫描所有小波系数，从而必然导致高频子带所产生的二进制符号流中存在大量冗余，这无疑会大大影响其编码效率，针对EZW编码算法存在的以上不足，提出了一种改进的嵌入零树小波图像编码算法，该算法能够通过定义多阈值、改进逐次逼近量化过程、修改嵌入编码策略、采纳复杂关联模型等措施，进一步提高EZW算法工作效率，实验结果表明：改进的EZW编码算法是一种高效的图像压缩算法，其压缩速度、图像复原质量等关键技术指标均明显优于EZW和S＋P等编码算法（特别是在高压缩比下）。     

基于小波零树结构的图像压缩算法的改进与实现

基于小波变换的图像编码是一种有效的图像压缩方法,近几年来得到了广泛的发展,其中最著名的是Shapiro提出的小波零树编码(EZW)方法。文章根据小渡零树的结构,并结合量化编码理论,对EZW算法进行了改进。仿真实验证明,在相同的压缩比下,该算法较原EZW算法在一定程度上提高了图像的压缩质量和编码效率。     

一种基于感兴趣区的小波图像编码算法

该文从图像有损压缩后产生的差值图像入手,分析了不同压缩比下嵌入式零树编码对有损压缩图像与原图像的差值图像的影响,结合网络的互动特点,给出了一种基于图像感兴趣区残差图像的小波编码算法。该算法基于图像感兴趣区域的近无损压缩理论,利用了残差图像中的象素呈高斯分布特点。先对小波图像在较低信噪比下做嵌入式零树编码并重建有损图像,求出该图像与原图的差值;然后对该差值图像中的感兴趣区域做DCT编码,将二次编码的数据熵编码后跟在一次编码数据后面传输或存储,从而实现了基于感兴趣区的小波图像编码算法,实验结果表明,该算法不仅提高了压缩效率,而且满足了对感兴趣区图像质量的要求,其简便灵活的特点可以做为小波零树编码的重要补充。     

小波零树与霍夫曼相结合的图像编码

在总结以前有关嵌入式小波零树(EZW)图像压缩编码算法的基础上，提出了一种基于半自适应霍夫曼的增强型嵌入式小波零树图像编码算法(HAEZW)。该算法扩充了空间方向树的表示符号，然后根据各符号出现的概率，按位平面采用半自适应霍夫曼编码。实践证明，这种基于半自适应霍夫曼的增强型EZW算法对提高图像数据的压缩比是十分有效的。     

基于小波变换的分类量化图像编码算法

针对标量量化压缩比小而向量量化压缩速度慢、图像复原效果不理想等弱点，提出了基于小波变换的分类量化图像编码算法（简称“分类量化编码”）。该算法基本思想为：首先将小波变换后的图像高频子带划分为局部快；然后利用文中给出的相对距离最近之值选择方法，依据纹理复杂度和重要性程度将这些局部块划分为4类（平坦、过渡、弱纹理和强纹理）；最后对平坦局部块进行向量量化编码，对强纹理局部进行标量量化编码。实验结果表明：该图像压缩算法在压缩速度、图像复原效果、压缩比等方面明显优于零树小波编码和JPEG方法。     

一种基于整数小波变换的图像编码算法

针对静止图像经整数小波变换(integer wavelet transform)后,各子带系数的幅值动态变化范围小,不利于零树编码(embedded zerotree wavelet coding)的缺点,采用"从1开始的整数平方"代替"2的整数次幂"作为零树编码的量化阈值,缩短了量化阈值间隔.通过减少重要系数在较低量化阈值中出现的机会,增加了编码过程中的零树数量;同时通过减少参与编码的字符数及对最高频带零树不编码,简化了编码过程.实验结果表明,整数平方量化阈值下的零树编码(integer square zerotree wavelet coding)解决了整数小波变换中零树编码的低效问题,提高了静止图像的编码效率.     

基于内容的嵌入零树小波图像编码算法

提出了一种基于内容的嵌入零树小波图像编码算法 ,该算法以 EZW编码方案为基础 ,但能够充分依据人眼视觉掩蔽特性自适应确定高频子带系数的扫描顺序 ,从而有效克服 EZW算法低比特率下图像边缘及纹理处复原质量不理想的弱点 .对比实验表明 :本文算法的图像复原质量明显优于 EZW等算法     

一种基于整数平方量化阈值的小波图像编码算法

作为JPEG2000的重要组成部分,整数小波变换(IntegerWaveletTransform)和嵌入式零树编码(EmbeddedZerotreeWaveletCoding)有许多优越性,但是图象经整数小波变换(IWT)后各子带系数幅值的动态变化较小,因此其能量集中性较第一代小波变换差很多,不利于零树编码(EZW)。该文从零树编码的量化阈值入手,将传统零树编码中“2的整数次幂”量化阈值改为从1开始的整数平方量化阈值,通过缩短了各量化阈值间的距离,减少了重要系数集中出现在较低量化阈值的机会,增加了编码过程中零树的数量,从而充分利用了整数小波变换能量集中性较低的特点。实验证明,该算法通过整数平方量化阈值有效地将整数小波变换同零树编码结合起来,提高了编码效率。     

基于小波零树的图像编码优化方法

Shapiro提出的小波零树编码(EZW)方法是一种有效的基于小波变换的图像编码方法.通过对Shapiro零树编码方法进行研究,提出了一种利用检索方式保存高频细节分量的方法,有效地消除了同一子带内高频细节分量的数据相关性.仿真实验表明在相同的压缩比下,该算法较原EZW算法在一定程度上提高了图像的压缩质量和编码效率.     

一种基于EZW改进算法的图像压缩方法研究

针对原EZW算法未能很好利用图像小波系数特点及按照频率特性量化小波系数的不足,提出了对图像小波系数进行信噪分离、阈值化处理以及对低、高频图像信息进行分阈值量化的改进算法,并给出了在保证复原图像质量情况下扫描终止的判别条件,以节省压缩时间,在实时传输中能有效地提高图像压缩效率。仿真实验结果表明,改进算法无论在扫描相同次数下的信噪比,还是相近信噪比下的压缩比都获得了较大改善,为小波变换下的图像压缩方法提供了新的思路。     

基于人眼视觉系统的自适应小波图像编码算法

本文提出了一种基于自适应小波分解与人眼视觉系统的低比特率图像压缩编码算法,该算法具有以下特点：（1）以子带能量为判别标准,能够根据图像内容进行自适应形式的小波分解;（2）建立了人眼视觉系统的掩蔽模型,并据此给出了全新的小波系数自适应量化策略.仿真实验表明：本文算法是一种高效的图像压缩算法,不仅其压缩效果明显优于JPEG2000、EZW、FWP等小波域图像压缩算法（特别是低比特率下）,而且可广泛适用于不同特征的数字图像.     

基于小波变换的图像压缩编码

数字图像压缩在数据通信、存储中有着重要的作用,是信息技术中非常活跃的研究领域．本文利用小波变换,经过量化和熵编码,实现数字图像的压缩,并从阈值和量化级数两个方面对压缩效果进行了比较．其中,阈值的增大会导致压缩比增大,但是复原图像质量下降．而量化级数越多,则复原后的图像质量也越高,但是压缩率越低．