平衡多小波滤波器及其在图像编码中的应用

将平衡概念引入双正交多小波变换，给出了相应的滤波器构造方法，利用了矢量量化和SPIHT零树编码技术，通过图像实验测试该滤波器的性能。实验结果表明，该方法不需要作任何预滤波，双正交平衡多小波滤波器性能优于非平衡多小波压缩方法，并得到了较好的峰值信噪比和编码效果。     

一种快速的小波变换图象编码算法

首先分析并指出了对于零数编码来说,小波变换时应当使用原始滤波器系数参与运算,而对滤波器系数进行缩放会影响其编码性能,此外,低通滤波器时延参数对零树编码性能也有重要影响,为了保证小波变换后各小波子带图象之间的自相似性,就必须使低通滤波器的时延为零,在此基础上,针对具有二进系数的双正交小波滤波器,提出了一种适合零树编码的快速小波变换算法,此算法不但以移位代替了乘法运算,而且与使用原始滤波器系数的变换等效,最后,结合快速零树编码算法,实现了一种快速高效的编码系统。     

基于小波变换和形状-增益矢量量化的3维图像压缩

数据压缩是高光谱图像处理应用中的一个关键问题。为了对高光谱图像进行有效压缩，在2维小波变换的基础上，提出了一种分组矢量量化的高光谱图像有损压缩方案。该方案首先按照谱段类型对高光谱图像进行分组，然后对每个谱段分别进行2维小波变换，最后变换系数再使用一种Kronecker-Product形状-增益矢量量化方法来进行量化编码。计算机仿真结果证明．该算法在取得高压缩率的同时，不仅能很好地保持数据的谱特征，并能降低运算量。     

基于小波变换的声呐图像压缩方法

提出了一种新的基于小波变换的声呐图像压缩方法：对于小波变换后的系数采用基于零块的编码，充分挖掘小波系数能量集中的特点；在熵编码时使用上下文量化技术来减少上下文个数以提高编码效率。实验结果表明，使用本文的算法压缩声呐图像能够得到较高的压缩比和较好的图像质量。     

利用小波系数的相关性提取噪声图像边缘

首先，对噪声图像作多层次小波分解，得到对应的多个层次的小波系数，并利用相邻各层次小波系数的相关性质构建滤波器；然后，利用该滤波器对平滑小波系数进行滤波操作，去除噪声影响，得到滤波图像；最后，对滤波图像阈值化以得到噪声图像的边缘图．实验表明，该方法比传统的图像边缘提取方法具有更好的抗噪性能。     

一种基于3维SPECK编码的超光谱图像压缩算法

提出一种针对超光谱图像压缩的基于小波变换的、嵌入式的3维块分割编码算法。通过3维小波变换,将超光谱图像的空间冗余和谱间冗余同时去除。针对变换域内的小波系数,将集合分割嵌入式块SPECK编码算法扩展为3维,构造一种3维SPECK编码算法,对小波系数进行量化编码。实验证明,3维SPECK编码算法具有良好的率失真性能,其压缩效果优于采用SPECK方法对每一波段图像做压缩编码的效果,并具有计算复杂度低和嵌入式的特性。     

多媒体通信中基于对象的格矢量量化

在格结构的分析与研究的基础上,详细讨论了格的重要算法,并给出了小波域图象对象的格矢量量化方法。结合小波变换系数的分布特点,对某些小波变换系数进行标量量化时,采用了一种连续逼近的方法,并利用所讨论了算法对多数小波变换系数进行了格矢量量化。实验表明,格矢量量化速度快,编码效率高,能较好地达到多媒体通信中图象压缩编码要求。     

基于最优矢量量化零树编码的多小波图像压缩

提出一种基于多小波变换的矢量量化零树编码方案.利用多小波变换后各个子块之间的相关性,把图像的多小波分解看成是矢量四叉树结构,通过对多小波系数重排来保持小波系数的零树特征.对图像进行压缩仿真试验,结果表明多小波变换的图像压缩结果优于传统的小波变换结果.     

基于3-D整数小波变换的视频压缩算法研究

视频图像数据可以被看成三维数据体来进行3-D小波变换,对变换后的数据进行编码就可以达到压缩视频数据的目的。主要讨论了这种变换的整数实现方法,以及对小波系数使用SPIHT算法进行编码压缩,并对SPIHT算法进行了有针对性的优化。仿真实验证明,该文方法压缩效果良好,运行效率高,输出码流具有嵌入式特性,是一种有应用前景的算法。     

一种基于小波变换的快速图像编码算法

在传统的图像小波变换中,首先需要对每行进行小波变换,等所有的行变换完成后再进行列小波变换,然后再进行嵌入式量化和编码,这就需要足够的存储容量保存这些变换结果,而且运算速度也慢。该文提出了一种基于小波变换的快速编码方法。在行变换中,仍然使用传统的提升结构,在列变换中,使用基于因果系统的低存储容量的提升结构。一旦有小波系数输出,就进行相应的量化、编码。该方法不仅压缩效果较好,而且在运算时间上得到大大提高。     

基于多小波域SOT结构的SAR图像去噪与压缩算法*

合成孔径雷达（SAR）图像固有的相干斑噪声严重影响了SAR图像的判读和进一步压缩处理,提出一种在多小波域将空间方向树（SOT）去噪与压缩相结合的SAR图像压缩算法。首先利用SOT对高频子带的多小波系数进行软阈值去噪,滤除相干斑噪声;然后采用改进的多级树集合分裂（SPIHT）算法编码形成嵌入式码流。利用大量的机载SAR图像对该算法进行了仿真验证,实验结果表明采用该算法进行SAR图像压缩提高了重建图像的PSNR,同时对相干斑噪声进行了有效的抑制。     

基于GHM和FCM的自适应图像水印算法

提出一种基于GHM多小波变换域上的模糊自适应水印算法。利用多小波系数块的能量、重要系数对小波块进行分类,结合图像自身的局部特性,在多小波系数中的两个相关的细节子图像中自适应地嵌入一幅二值水印图像;为了增强水印的鲁棒性,采用冗余嵌入方法;水印的提取不需要原始图像。实验结果证明,该算法对剪切、JPEG压缩、锐化等多种图像处理具有很好的鲁棒性。     

一种小波变换域彩色图像压缩编码方案

提出了一种基于人眼视觉特性与局部相关的小波域彩色图像编码方案．该方案以嵌入零树小波（EZW）编码思想为基础,通过建立可逆彩色空间变换,丢弃部分高频细节子带、单独编码最低频子带、高频子带自适应EZW编码及多关联预测算术编码等措施,实现彩色图像的自适应压缩编码．实验结果表明,文中算法具有较好的压缩效果和较强的通用性．     

多小波变换的提升格式及其在图象编码中的应用

在简要介绍提升格式和多小波之后，提出了一种新的实现多小波变换的提升格式模型，由于这个模型主要由若干个单小波变换的提升格式搭建而成，因而不必自己推演提升格式的内部结构和参数，另外，这个模型还可以根据实际应用的需要选用不同的单小波，该文还给出用D9／7双正交（单）小波变换的提升格式构造的多小波变换的实例，并把这样构造的多小波变换应用于图象编码，结果表明，该方法可取得比常用的GHM多小波图象编码更好的效果。     

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）。     

一种基于改进嵌入小波编码的新图象压缩算法

基于逐次逼近量化与零树结构的嵌入零树小波编码(EZW)被认为是静态图象变换编码领域迄今为止最好的压缩算法之一.然而通过分析和实验,发现该算法在一定程度上存在时间复杂度较高和复原图象质量不尽理想等不足.本文提出了一种基于改进嵌入小波编码的新图象压缩算法,该算法能够通过以下3项措施提高EZW算法工作效率:(1)对最低频子带进行单独编码;(2)采用全新的嵌入小波编码策略,不再利用导致计算量剧增的双亲-子女(Parent-Children)关系;(3)进行嵌入小波编码时,不再考虑ZTR(零树根)和IZ(孤立零)符号.实验结果表明:本文提出的新图象编码算法在压缩/解压缩速度、图象复原质量等方面均明显优于EZW编码算法.     

多小波图象变换的统计分析

多小波是一种新的小波,多小波的应用更是近几年才日见兴起,因此,有关多小波图象变换的一些基本统计数据,如均值、方差、量化后零系数的比例等等,尚未见诸学术刊物,而这些数据又是从事多小波图象编码研究的基本依据。从学术刊物和互联网上收集了5种不同性质的多小波,对这些多小波图象变换特性进行了详尽的统计分析。通过统计分析发现：（1）图象经过CL多小波变换后,能量不但汇聚在最低分辨率的子图象上,而且还进一步汇聚在最低分辨率子图象的第一个分量上,因此,CL多小波最适合图象编码;（2）图象经过CARDBAL多小波变换后,能量不但汇聚在最低分辨率的子图象上,而且还平均分摊在最低分辨率子图象的4个分量上,因此,通过相关性编码可以大幅度提高CARDBAL多小波图象编码的压缩比;（3）图象经过GHM多小波变换后,最低分辨率子图象的能量既不是集中在一个分量上,也不是平均分配在4个分量上,因此,尽管GHM是最早发现的多小波,且是目前最为常用的多小波,但它其实并不是图象编码的首选。     

离散小波变换和零树编码在数字水印中的应用研究

采用小波变换和零树编码对图像进行水印嵌入和提取,通过对原始图像和水印图像分别进行不同级别的小波变换,选取原始图像小波的重要系数,将水印图像小波系数以一定的方式嵌入进去,使图像具有很好的稳健性及抗压缩性.     

基于目标的低码率SAR图像压缩

基于目标的SAR图像压缩关键问题是将自动目标检测与图像压缩算法相结合。提出了以db4小波进行小波域多分辨率恒虚警率（CFAR）检测并嵌入图像编码中,在压缩有损量化前检测出目标区,推导了重要小波系数掩膜公式并据此将每个子带中的系数分成目标与背景两个序列,对目标序列以高比特率ECTCQ编码而背景序列则相反。对MSTAR图像压缩实验结果表明,同一般的SAR图像编码算法W/TCQ相比,低码率下TIC算法目标区SNR高,同时背景信息亦得到保护。