分形图像编码的四叉树方法

提出了一种分形图像编码的方法－基于四叉树的分形图像编码（FICBQ）方法。这种方法采用二值图像的四叉树表示方法实现图像分割,图像块的尺寸可以动态调整。与基本自动分形图像编码（BAFIC）相比,它克服了图像分割时图像块尺寸固定的主要缺陷。FICBQ方法简单且易于实现,压缩比和编码速度得到明显提高。实验结果表明,该方法的RPSN和压缩率分别是29．37dB和11．09时,编码时间约是BAFIC方法的1／22。     

基于自适应门限四叉树的分形图像压缩新方法

由Fisher提出的用于分形图像压缩的固定门限四叉树方法中，子块与父块的实验门限值一般由经验来设定，这直接影响了分形图像编码的效率，门限值的设定是分形图像压缩中的技术难点之一。考虑了输入图像的特点，给出了自适应门限的计算推导过程，提出了门限与子块的方差成正比的自适应门限的分形图像压缩方法。实验表明，对同类图像该方法压缩时间短，还原图像PSNR高，提高了分形压缩编码的效率。     

基于复合分类的快速分形图像压缩编码

针对分形编码方法耗时过长的不足，提出一种分类加聚类的快速分形图像编码方法，通过提取图像块的分形维数对图像块分类，在同类内基于分形维数聚类，使匹配搜索在同类的聚类域内进行，并对不同类块采用不同算法，实验表明，该方法与经典分形方法（PIFS）比较，在信噪和解码图像质量可接受的条件下，大大提高了编码速度，且压缩比有显著提高。     

基于改进遗传算法的分形图像编码

为解决传统分形图像编码方案中块匹配时间过长的问题,提出一种结合图像块平均偏差的改进遗传算法,利用改进遗传算法的最优解搜索能力替代分形图像编码中复杂的块匹配过程,结合对比度因子的约束,限定遗传算法的搜索空间,缩短编码时间。实验结果表明,该方法与结合遗传算法的同类改进算法相比,能在缩短编码时间的同时,有效提高解压图像质量。     

基于广义Mandelbrot集的分形图像压缩算法研究

提出了以固定字典来代替传统的变化字典的方法实现分形图像编码。通过改变Mandelbrot集参数生成不同的曲线,并对其进行灰度值量化,得到相应得图像块,这样能构成丰富的压缩字典。在编码过程中,只需将待编码的图像块与字典中的图像块进行匹配选出满足条件的图像块,然后对相应的图像块进行编码,就可以实现图像的分形编码压缩。通过实验证明算法实现可行、有效,图像压缩效果理想,较大地提高了分形编码的速度。     

基于改进遗传算法的分形图像编码

为解决传统分形图像编码方案中块匹配时间过长的问题,提出一种结合图像块平均偏差的改进遗传算法,利用改进遗传算法的最优解搜索能力替代分形图像编码中复杂的块匹配过程,结合对比度因子的约束,限定遗传算法的搜索空间,缩短编码时间。实验结果表明,该方法与结合遗传算法的同类改进算法相比,能在缩短编码时间的同时,有效提高解压图像质量。     

基于相关系数的快速分形图像编码算法

自Jacquin提出的分形块编码以来,各种改进算法不断出现,不同程度地减少了编码时间.该文基于相关系数的快速分形图像编码算法,从理论上研究了图像块匹配误差度量和图像块相关系数之间的关系,论证了极小化图像块的均方误差等价于极大化图像块的相关系数,提出了基于相关系数的分形图像编码算法,实现了在解码图像不降质的情况下大大地缩短了编码时间.     

基于四叉树分割的分形图像编码改进方法

目前分形图像压缩存在的最主要问题是编码速度慢。主要原因是搜索最佳匹配的定义域块耗时太多。本文通过分析影响分形图像编码速度的相关因素，对基于四叉树的分形图像编码提出了一种改进方法。通过缩小搜索范围达到提高搜索效率的目的。实验结果表明，该方法在相近的峰值信噪比和压缩比的情况下，编码速度得到了较大的提高。     

基于2-范数匹配的分形图像编码改进算法

为解决分形图像编码过程中编码时间过长的问题,对基于2-范数匹配的快速分形图像编码算法进行改进,通过对误差公式的推导,得出误差与图像块方差的不等式,利用该不等式剔除不匹配的码本块,减少计算量。实验结果表明,与原算法相比,改进算法在保证解码图像质量的前提下,进一步提高了编码速度。     

四分位数特征的快速分形图像编码算法

尽管分形图像编码在高压缩比时具有较好的视觉质量,但其固有的编码耗时限制了它的广泛应用。编码时间主要花费于在一个海量码本中寻找每个range块的最佳匹配domain块。针对这个问题,提出一个限制搜索空间的算法：根据新定义的图像块的四分位数特征与匹配均方根误差间的关系不等式,一个待编码range块只在初始匹配块（即与range块具有最接近四分位数特征的domain块）的邻域内搜索其最佳匹配块,搜索邻域的大小由预先设置的误差阈值来控制。仿真结果表明,三幅测试图像在重建图像质量更优的情况下,全搜索分形编码算法的编码速度平均加快了51倍左右（误差阈值为10）,与新叉迹特征算法相比,可获得更好的编码效果。     

神经网络在彩色图像压缩中的应用

文中旨在提出一种基于神经网络的图像压缩算法对彩色图像信息进行处理,从而减少大规模彩色图像的冗余度,方便其传输、存储及加密等。该算法通过将BP（Back Propagation）神经网络用于彩色图像压缩,利用其多层前馈网络的模式变化能力,实现了对由RGB编码得到的彩色图像数字矩阵进行的压缩编码。经Matlab仿真实验表明,该算法具有良好的压缩效果,且与灰度编码下的图像压缩结果对比,具有更好的压缩效率及保真效果,并能有效地保留原彩色图像的色彩信息,能够满足彩色图像压缩处理的要求。     

基于矩形编码的抖动半调图像无损压缩算法

结合有序抖动图像具有周期性块状纹理的特性,提出一种基于矩形编码的抖动半调图像无损压缩算法.针对半调图像黑自像素交替频繁的现象,根据抖动模板的大小等间隔抽取对应图像块上的像素进行下采样,使采样后的子图具有成片的黑白区域.对黑白子图进行行异或运算,通过矩形划分的编码方法实现无损压缩.实验结果表明,该算法的压缩效率较高.     

基于快速逐次逼近量化的零树编码图像压缩算法

提出一种基于快速逐次逼近量化的零树编码图像压缩算法。该算法通过以下三项措施提高EZW算法的编码效率:(1)引进子带峰值的概念建立逐次逼近量化的快速算法;(2)对小波边缘子带进行有效处理以消除编码冗余;(3)建立了5个上下文内容模型对重要位符号进行编码。实验结果表明,该算法是一种高效的图像压缩算法,在压缩性能方面优于经典的EZW和SPIH T算法。     

Low-complexity two-step lossless depth coding using coarse Lossy coding

Texture and depth images are generally used for 3D viewing with advanced displays. Because sthe characteristics of a depth image are very different from those of a texture image, an efficient compression method is required to transmit a depth image in a limited bandwidth. In this paper, a low-complexity two-step lossless depth coding (LTLDC) method using coarse lossy coding is proposed. The proposed method downsamples an original image and then coarsely compresses the downsampled image in the first step. This compressed image is upsampled, and then its residual is generated by subtracting the upsampled image from the original image. In the second step, each coding block within the residual and original images is adaptively compressed with a fast mode decision method in a lossless way, and the proposed method determines the best block based on their coding performance. Experimental results show that the proposed LTLDC method achieves a bitrate reduction of 4.35% with encoding complexity reduction of 20.38%.

     

基于Matlab的灰度图像DCT与RLE的混合有损压缩

分别介绍了图像压缩编码技术DCT和RLE,并在Matlab数学分析工具环境下从实验角度出发较直观的探讨了基于DCT与RLE混合有损压缩方法在灰度图像压缩中的应用,数值实验结果表明该方法具有方法简单、速度快、误差小的优点,且大大提高了图像压缩的效率和精度。     

基于拼贴误差拟合（补偿）的分形压缩算法

采用分形压缩算法来提高压缩速度和压缩比的一种有效途径是降低对拼贴误差的要求 ,然而这往往导致图象失真 .为克服该问题 ,在经典分形压缩算法的基础上 ,提出了一种新的基于拼贴误差拟合 (补偿 )的分形压缩算法 .该算法可以提供两种不同拼贴误差的分形编码 ,由于通过对不同区块使用与之相适应的相似变换类型 ,可以有效地补偿拼贴误差 ,从而可降低压缩图象的失真度 .理论研究和实际应用表明 ,该算法为分形压缩图象所面临的失真度和压缩比的矛盾提供了一种有效的解决方案 .     

提升小波变换的零树分形混合编码算法

为改善图像压缩的效果,在讨论小波提升算法的基本原理与实现流程的基础上,提出了一种改进的基于提升小波变换的零树分形混合图像编码算法。在基本小波提升算法的基础上,考虑到在对小波子树匹配预测时,经提升小波变换后的高分辨率子带自相似性不强的特点,不对高分辨率子块进行分形匹配,而直接用前几个较低分辨子带的匹配结果作为小波子树的匹配结果,改进了基于提升小波系数零树结构的分形预测图像编码方法及过程。实验结果表明,这种改进显著加快了编码速度,编码所花费时间仅为常规方法的十分之一。最后,阐明了小波与分形进行图像压缩相结合的本质和仍需改进的方向。     

端到端优化的图像压缩技术进展

图像压缩是数据压缩技术在数字图像上的应用,其目的是减少图像数据中的冗余,从而用更加高效的格式存储和传输数据。传统的图像压缩方法中,图像压缩分为预测、变换、量化、熵编码等步骤,每一步均采用人工设计的算法分别进行优化。近年来,基于深度神经网络的端到端图像压缩方法在图像压缩中取得了丰硕的成果,相比传统方法,端到端图像压缩可以进行联合优化,能够取得比传统方法更高的压缩效率。文中首先对端到端图像压缩的方法和网络结构进行了介绍;接着对端到端图像压缩中的关键技术进行了阐述,包括量化技术、概率建模和熵编码技术以及编码端码率分配技术;然后介绍了端到端图像压缩的扩展应用研究,包括可伸缩编码、可变码率压缩、面向视觉感知和机器感知的压缩;最后通过实验对端到端图像压缩方法目前可达到的压缩效率与传统方法进行了对比,展示了其压缩性能。实验结果表明,目前最新的端到端图像压缩方法的压缩效率远高于JPEG,JPEG2000,HEVC intra等传统图像编码方法,相比目前最先进的编码标准VVC intra,在同样的MS-SSIM上节省了高达48.40%的编码码率。     

图象块编码—分类的方法

提出了一个基于ＤＣＴ和二维多项式近似的块分类编码算法。在该算法中，原始图象被分割成互不覆盖的８×８子块。通过依次地利用灰度局部方差、二维多项式近似误差和图象信号的空间频率分布，把图象块分为均匀、平滑、粗糙和细节４类。均匀块和平滑块分别采用零阶和一阶多项式近似。粗糙和细节块先进行ＤＣＴ变换，然后对其ＤＣＴ系数量化后采用改进的游程编码表示。实验结果表明该算法具有良好的性能。在未采用熵编码为编码码流作后处理的情况下，性能仍优于ＪＰＥＧ标准。     

基于DCT快速变换的图像压缩编码算法

在JPEG标准中,基于图像压缩的有损压缩算法中的离散余弦变换（DCT）,应用于很多图像压缩场合,并且在实际操作中,能获得较高的压缩比,同时压缩后的图像与原始图像的视觉效果基本相同,因此得到了广泛应用。为了达到提高图像质量的目的,文中提出了一个基于二维离散余弦变换（DCT）的图像压缩改进算法,该算法通过设置量化系数来控制图像压缩数组的大小。同时,在图像压缩部分利用DCT快速算法。仿真实验结果表明：该算法进一步提高了图像的峰值信噪比（PSNR）和主观视觉质量。