改进的适合低码率的SPIHT图像编码算法

针对小波变换编码SPIHT算法在低码率下效果不佳的情况进行了改进。改进算法对低频系数采用SPECK算法,在当前阈值下高频系数部分有重要系数时,SPIHT算法才开始,而且对SPIHT算法也进行了改进。实验表明,在同压缩比下,改进算法重构图像峰值信噪比PSNR都比标准SPIHT的高。     

一种改进的SPIHT图像编码方法

对小波图像压缩的SHHT算法进行了改进,改进算法不再使用链表而是使用两个简单的位图,其占用内存和LZC算法相同而易于硬件实现,改进算法克服了LZC的深度优先搜索的缺点而具有和SPIHT一样的广度优先搜索策略。在同压缩比下,其重构峰值信噪比PSNR比LZC高0．70左右,和SPIHT相当。     

基于改进SPIHT的静态图像编码

本文在零树编码算法分析的基础上,针对SPIHT算法的不足,提出了一种新的零树编码算法。该算法以SPIHT为基础,改进了其零树结构及编码流程,同时引入LZC算法的标志位图思想,在保证恢复图像质量的前提下,降低了内存消耗,提高了编解码速度。仿真实验结果表明,相对于SPIHT算法而言,重构图像的峰值信噪比和直观图像质量,本文算法都表现出了优良的性能,尤其是在低比特率下表现跟明显。     

基于改进SPIHT的医学图像编码

考虑到压缩效率很高的静态图像压缩算法（Set Patitioning in Hierarchical Trees,SPIHT）的压缩效率尚可以进一步提高,提出一种改进的SPIHT算法：在原始算法的基础上,引入一种新的类型树,在初始化时最大限度地保存小波变换后的系数．将改进的SPIHT算法应用到医学图像的压缩中,取得良好的压缩效果．     

基于SPIHT的图像压缩算法研究

随着数字通信技术的迅猛发展,图像数据量呈现指数增长,图像压缩成为图像处理领域的研究热点问题之一。传统多级树集合分裂(SPIHT)算法在阈值较大情况下对所有的小波系数都进行扫描编码,所以0位的输出较多,降低了编码效率。笔者提出了一种改进的SPIHT算法,在对不重要子集表(LIS)进行扫描编码之前,判断当前阈值LIS列表中是否有重要的小波系数。对不重要系数表(LIP)进行扫描编码时,增加一个标志位,检测是否所有的重要系数都已编码完成。如果都已编码,则跳过对LIP的编码。实验表明与原始算法相比,在相同压缩率情况下,笔者提出的SPIHT算法取得了更高的重构图像质量,特别是在比特率较低情况下,峰值信噪比(PSNR)提高更为明显。     

基于子带极值阶梯性的SPIHT算法改进方案

多级树集合分裂算法（SPIHT）充分利用了小波分解后相同方向不同尺度子带图像间的相似性,取得了很好的压缩效果,在基于小波的图像编码方案中得到了广泛应用。该文利用子带极值的阶梯性对SPIHT算法进行了改进。理论分析和实验都证明了改进算法在复杂度有所降低的前提下有效地提高了压缩性能。     

基于多小波的SPIHT改进算法

为了进一步提高图像编码效率,利用多小波子带上各个分量间的相关性以及分量间能量分布的特点,提出了一种SPIHT改进算法。该算法是根据高频子带第1分量无效值的分布来预测其他3个分量上不重要系数的位置信息,由于减小了无效集判别过程中的扫描范围,从而可加快编码速度。实验结果表明,该算法既提高了编码效率,又保持了压缩性能。     

Contourlet和小波相结合的SPIHT算法

借鉴Contourlet变换和WBCT的思想,采用Contourlet和小波相结合的变换,并根据变换后系数的特殊结构,提出了一种新的空间方向树结构,实现了对变换后系数的类似SPIHT编码,达到了对图像压缩的目的。实验表明,该算法能更好地恢复图像的纹理和细节信息,并在低比特率下具有较高的峰值信噪比。     

一种基于Contourlet的图像低码率SPIHT算法

Contourlet是一种优于小波的不可分离图像表示方法,它除了具有一般小波变换的多尺度、局部性外,还具有方向性、各向异性。为此,本文提出了一种基于Contourlet变换的SPIHT编码方法。首先,对图像Contourlet变换各子带系数的分布情况进行了统计分析;进而设计了一种基于Contourlet变换的空间方向树结构,该结构具有类似图像小波变换域中“零树”的特性;在此基础上实现了一种基于Contourlet变换的渐进式编码算法（CSPIHT）,该算法除了具有一般基于小波变换的零树编码算法的特性外,还具有方向性和各向异性的特点,特别对图像的边缘方向信息和纹理信息具有很好的捕捉能力和解码的视觉效果。实验结果表明,所提出的算法CSPIHT在低码率下其重构图像的PSNR要高于SPIHT算法;而对于中等码率,尽管重构图像的PSNR略低于SPIHT,但重构图像纹理和边缘区域的视觉效果要优于SPIHT。     

结合近似最优比特分配的改进SPIHT算法

SPIHT算法是一种实用、高效的小波零树图像编码算法。针对SPIHT算法存储空间需求大、运算复杂度较高等缺点,提出了一种改进的快速、低存储SPIHT算法,该算法将小波变换所形成的水平、垂直、对角和低频4个子带分成4个处理单元,对每个处理单元分别进行量化编码,并在各单元之间采取近似最优比特分配以提高量化性能。实验结果表明,改进算法在提高峰值信噪比等性能指标的同时,有效地减少了算法的存储需求及运算时间。     

一种基于像素域的改进的SPIHT算法

分层树的集分割算法是一种简单、有效的嵌入式零树编码算法.在算法的基础上提出了一种基于空域的改进方法.首先将图像的偶数裂像素减去相邻两奇数列的均值,形成分裂图像.然后将分裂图像的奇数列提取出来作为主图像,将偶数列提取出来作为幅图像.最后将主幅图像以合适的权值分别进行压缩.解码时,将主幅图像分别解码,再恢复分裂图像,最后再恢复原图像.对标准图像进行测试时,并把结果与原算法进行比较.实验表明,在相同的比特率条件下,重构图像的峰值信噪比远高于原算法.     

用改进的SPIHT算法实现遥感图像压缩

遥感图像纹理复杂,采用传统的SPIHT算法进行图像压缩编码存在运算量大、效率低、压缩率不高,压缩后仍有很大的编码冗余等缺陷。根据遥感图像小波变换后系数的特点改进算法,对高低频分量采用不同的编码方法,且对SPIHT算法的运算流程进行改进,得到一种更有效的编码方法。通过实验仿真证明,该算法各方面的性能均明显优于原算法。     

基于整数提升小波正变换的改进SPIHT算法研究

本文提出了一种基于整数提升小波正变换的改进的多级树集合分裂算法,减少了对内存反复读取的操作,减轻了对内存造成的负担,提高了编码的效率.     

一种基于图像纹理分析的分形和SPIHT混合编码

从研究分形图像编码和零树编码各自的优劣点以及它们之间的结合点出发,寻找了一种基于图像纹理分析的分形和SPIHT混合编码,目的在于充分利用景物特征和人眼的视觉特性,提高分形变换和零树在图像编码领域内的协同能力。该方法利用SPIHT算法位平面编码的渐进特性,用基于灰度模型的统计特征分类方法将分形和SPIHT相结合,得到更符合人眼视觉特性的编码方案。实验结果表明,该方法能进行较好的图像块分类,并取得较高的压缩比,而且在人眼视觉允许的范围内且同时又要求高压缩比的情况下具有优势。     

基于离散小波变换的改进SPIHT算法研究

随着现代信息社会对通信业务要求的不断增长,图像通信与通信容量的矛盾日益突出。为了缓解网络带宽的不足、加快图像信息的传播速度,对于基于高比率的图像压缩算法的研究很有必要。目前比较流行的多级树集合分裂算法压缩效果比较好,输出的比特流较少,但是需要对内存中的数据反复的读取,且反复的在链表结构中扫描不重要系数,增加内存的负担及软硬件实现的复杂度,从而降低了编码的效率。本文针对多级树集合分裂算法的缺点提出了一种基于离散小波变换的改进的多级树集合分裂算法,通过对小波系数排序过程的调整,减少了对内存反复的读取操作,减轻了对内存造成的负担,提高了编码的效率。     

汽车电子导航中基于图像渐进编码的SPIHT算法研究

网络图像的渐进传输是基于小波变换静止图像压缩技术的一个典型实例,目前网络流行的传输图像压缩格式有JPEG和GIF格式,但以这种压缩格式传输往往要耗费较长时间才能显示整幅图像,随着互联网的普及和图像应用范围的不断扩大,对图像的编码提出了新的要求.多级树集合分裂算法SPIHT(Set Partitioning In Hierarchical Trees)小波编码较好地实现了这一思想,它是嵌入式零树小波编码EZW(Embedded Zerotree Wavelets)的改进算法.对SPIHT编码算法从原理到算法进行了分析和讨论,并指出了嵌入式图像编码的研究方向.     

基于Contourlet变换和SPIHT算法的彩色医学图像压缩

二维小波变换只能很好地分离不连续点,无法最优表示曲线奇异,同时只能获取有限的方向信息,这大大限制了它在图像处理领域的应用。Contourlet变换则结合拉普拉斯金字塔和方向滤波器组,得到多分辨率、局域、多方向的图像表示。由于基于小波变换的多级树集合分裂排序(SPIHT)算法不能有效表达图像的纹理和轮廓信息,因此提出一种基于Contourlet变换和SPIHT算法的彩色图像压缩方法,并应用于医学图像感兴趣区域压缩。首先将彩色图像转换至YIQ彩色空间;然后选取感兴趣区域,对其采用Contourlet变换提取特征信息,并利用SPIHT算法对Contourlet系数优先编码和传输,从而保证感兴趣区域的图像质量和细节信息。对背景区域则采用小波变换,并通过系数截断的方式提高图像压缩比。实验结果表明,所提算法可以较好地保留感兴趣区域的图像特征,大幅度提高背景区域的压缩比,是一种较实用的图像压缩新方法,在医学图像感兴趣区域压缩中效果良好。