小波变换在基于视觉特性图像压缩中的应用

对小波变换在基于视觉特性图像压缩中的应用进行研究与探讨.通过一个功能完善的图像压缩软件介绍小波变换与零树编码应用于图像压缩的具体实现,并进一步提出编码算法的改进方案,利用该软件验证作者提出的改进方案的可行性.     

基于视觉模型的SAR图像压缩

针对SAR图像压缩方法通常反利用小波变换去除图像数据间的统计冗余,而忽略图像的视觉冗余的问题,在讨论人类视觉系统(HVS)特性基础上,结合对比敏感度函数(CSF),对采用提升方案进行小波分解后的不同频带小波系数加权,然后采用多级树集合划分(SPIHT)算法形成嵌入式小波编码方法.实验结果表明,与标准SPIHT压缩方法相比,相同压缩比下,本算法重建图像客观评价标准几乎保持不变,且很好地保留了图像边缘和纹理信息,主观视觉效果有明显改善.     

基于时空特征融合的视觉注意模型

为了对人类视觉系统(HVS)中的注意机制进行建模,提出了一种基于时空特征融合的视觉注意模型。该模型以亮度对比度、纹理复杂度和前景物体的运动信息等三种初级视觉特征为基础,在自底向上的可计算架构上,采用空间域和时间域的特征融合方式,计算场景的视觉显著性图。试验结果表明,使用该模型可以对场景各个区域的显著性进行有效分析;与Walther和You视觉注意模型的对比结果也证明了该模型可以更准确地提取出场景的注意焦点(FOA)。     

基于视觉注意模型和SIFT的交通标志识别方法

为了提高交通标志的识别速度和识别率,提出了一种基于视觉注意模型和SIFT特征的交通标志识别方法.首先基于视觉注意模型提取颜色特征,找出交通标志可能的候选区域,然后对候选区域进行SIFT特征提取,与标准交通标志图像库进行相似度计算,可实现快速准确的检测与识别.与传统方法相比,具有无需精确分割、计算量小、体现仿生学特性等优点.在采自国内外的两组交通标志图像库上进行交通标志识别测试,都得到了良好的效果.     

基于图论的视觉注意模型

为了模拟人眼的视觉搜索结果,提出了一种基于图论的自底向上的视觉注意计算模型.在计算显著图的过程中,构造了马尔可夫矩阵并计算图中每个顶点的度.由马尔可夫矩阵和度的计算提取出图像在颜色、亮度和方向3个特征方面显著的区域,最后生成显著图.实验仿真结果表明:与部分的视觉注意模型相比,本文模型具有目标检测能力强和计算量小的优点     

压缩感知及其在图像压缩中的应用

分析了压缩感知的原理与应用,对相关的重要算法进行了系统阐述,并将压缩感知方法应用于图像压缩,提出了基于压缩感知的图像压缩系统框架.实验结果表明,在只保留50%采样点的条件下,该系统仍能获得较好的图像恢复质量.     

一种基于视觉注意模型的图像检索方法

借鉴心理学中人眼视觉注意力模型,提出了一种新的基于显著区域的图像检索方法。利用局部结合整体的方式,既考虑图像显著区域中稳定所具有的稳定特征,同时充分利用区域间相互位置关系反映图像的整体构成,并结合二者进行检索,从而克服了传统检索中不能解决的图像旋转、平移、亮度变化等缺点。实验表明,利用显著区域进行检索有利于消除图像背景对检索结果的影响,与传统基于全局的检索方法相比,本文提出的方法具有更好的检索性能。     

一种医学图像压缩方法的研究

通过对数字图像压缩算法的分析与研究,提出一种有损压缩与无损压缩相结合的方法.对感兴趣区域的医学图像进行无损压缩,其它部分图像进行有损压缩.并通过实验验证得到了较好压缩质量的医学图像,解决了医学图像对存储空间和传输速度的要求问题,节省了大量的医学图像的存储空间,提高了医学影像的传输速度.     

基于人的视觉特性选取图像压缩预处理方式

图像经过高比例的有损压缩后往往在细节、轮廓方面都有较大失真.为解决这一问题,在对图像进行压缩前,根据人的视觉特性和压缩方法的不同选取合适的图像处理方法,对将要压缩的图像进行预处理,将压缩时会产生较大失真的视觉敏感部分在压缩前作增强处理,进而在一定程度上实现图像压缩比的提高和图像质量的增强,以解决图像实现高压缩比与图像质量下降过大的矛盾.     

小波变换及其在图像压缩中的应用

小波变换是近几年兴起的崭新的时／频域分析理论，作为数学工具应用到数字图像处理-领域是当前广泛重视的一个热点。本文直观地探讨小波变换在图像压缩中的应用，阐述其压缩比高，变换后能保持信号与图像的特征不变，而且在数据传输过程中抗干扰的特点。     

A mathematical morphological approach for region of interest coding of microscopy image compression

A novel mathematical morphological approach for region of interest(ROI) automatic determination and JPEG2000-based coding of microscopy image compression is presented.The algorithm is very fast and requires lower computing power,which is particularly suitable for some irregular region-based cell microscopy images with poor qualities.Firstly,an active threshold-based method is discussed to create a rough mask of regions of interest(cells).And then some morphological operations are designed and applied to achieve the segmentation of cells.In addition,an extra morphological operation,dilation,is applied to create the final mask with some redundancies to avoid the"edge effect"after removing false cells.Finally,ROI and region of background(ROB) are obtained and encoded individually in different compression ratio flexibly based on the JPEG2000,which can adjust the quality between ROI and ROB without coding for ROI shape.The experimental results certify the effectiveness of the proposed algorithm,and compared with JPEG2000,the proposed algorithm has better performance in both subjective quality and objective quality at the same compression ratios.     

视觉注意引导和区域竞争控制的医学图像分割

模糊连接度已经成为医学图像分割的实用方法，但其困难在于需要设定多种子点，自动给定的手段不是很有效.为此将种子点等价于视觉特征显著点，提出了在视觉注意模型引导下种子点给定的新方法.通过研究显著点定位与图像特征概率密度估计之间的关系，引入新的视觉特征估计地图，构造了注意计算模型，采用无阈值方法定位各类物体的视觉显著点并用于引导区域增长方式的图像分割.新的注意计算模型的定量描述能力较以往的模型有很大提高，适用于处理模糊图像.新方法能够完全自动定位种子点，有效分割图像，准确率高.引入多种子点之间的竞争策略加快了图像分割中的区域增长处理过程.     

基于人像感兴趣区域的身份照片压缩算法

针对身份照片的压缩 ,提出了一种基于感兴趣区域 (ROI)的 EZW算法。首先通过FC2 VQ(Feature Correction two-stage Vector Quantization)算法检测出感兴趣区域即人的脸部特征 ,然后采用基于感兴趣区域的 EZW算法进行编码。这种编码方法 ,既保证了感兴趣区域的图像质量 ,也使得压缩后的图像存储容量较小     

基于SPIHT的静止图像ROI编码算法

结合JPEG2000中比例移位法对感兴趣区域(ROU编码算法的优点,提出了基于多级树集合分裂(SPIHT)算法的ROI图像编码算法.压缩后的码流具有嵌入性特点,支持渐进传榆.实验结果表明,在相同码率下,本算法重建图像整体峰值信噪比低于SPIHT算法,但ROI区域能够得到较好的重建,主观视觉效果好,尤其适用于低码率压缩情况.     

基于fMRI的图像底层特征关注研究

利用fMRI技术对人脑认知机制进行研究,分析人脑在进行图像认知时所关注的图像特征。首先通过1个功能磁共振成像实验为每个被试定位了脑内的形状、纹理和颜色的感知区域,将这些区域作为研究中的感兴趣区域。然后通过另1个功能磁共振成像实验计算了被试在观看人脸、公共汽车、恐龙及山脉冰川图像刺激时感兴趣区域内的平均信号变化的比例。通过进行数据分析,确定了被试在观看不同类别的图像时,对图像底层特征的关注是不相同的。     

两种静止图像压缩算法研究

概述了静止图像压缩算法的分类,介绍了各压缩算法的理论基础,阐述了离散余弦算法(DCT)以及离散小波变换(DWT)的基本变换算法,总结了常用于这两种算法的编码方式,并对DCT和DWT进行比较分析．DCT算法简单,运行方便,但有模块效应．DWT算法虽然比较复杂,但由于它有多分辨率分析的优点,从而提高了压缩比,并可以进行渐进传输和对感兴趣区域压缩．最后给出了图像压缩算法的衡量标准．     

基于感兴趣区域的图像部分无损压缩方法

在应用整数小波变换和基于层次树的集划分算法的基础上,提出了一种新的基于感兴趣区域的编码方法,该算法利用小波变换良好的空间-频率的局部化特性,通过在编码前提升图像的感兴趣区域的小波系数,使这些小波系数完全独立于背景区域的小波系数,实现了在不传输任何形状信息的前提下,完成各种形状的感兴趣区域的解码．实验结果表明,该算法能够在无失真恢复图像感兴趣区域的同时,提高整幅图像的压缩比．     

风格感知和多尺度注意力的人脸图像修复

人脸图像修复是计算机视觉领域中重建人脸图像的一项重要图像处理技术。现有人脸图像修复技术存在修复结果全局语义不合理的问题,这主要是由于现有技术的特征长程迁移能力不足,无法将破损图像中已知区域的信息合理地迁移到被遮蔽区域上。为此,本文在生成式对抗网络(generative adversarial network, GAN)框架下,构建了一种融合风格感知和多尺度注意力的编解码人脸图像修复模型。风格感知模块用于提取图像的全局语义信息,并利用提取的信息对编码逐级地进行渲染,以实现对修复过程的全局性调节;利用多尺度注意力模块对多尺度特征进行补丁块提取,并通过共享注意力得分和提取补丁块的矩阵乘法进行多尺度特征的长程迁移。在公开数据集CelebA-HQ上的实验结果表明:风格感知模块和多尺度注意力模块极大地增强了修复网络的特征长程迁移能力。相较于现有先进的人脸图像修复方案,本文所提出的模型在多种评价指标上均有显著的提升;修复结果的全局语义更加合理,并且在暗光条件下的修复效果更加自然。