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。     

改进的SPIHT小波图像压缩编码

针对原SPIHT算法存在扫描的重复且未能充分利用小波系数分布特点,随着压缩比的增加,会引起编码效率的下降等不足,提出一种改进的图像压缩编码算法。改进的图像编码算法低频子带进行DPCM无损编码,高频子带采用优化排序的SPIHT算法。仿真结果表明,改进算法较原算法在重构图像的主观效果和峰值信噪比上都得到了提高。     

一种基于改进SPIHT的图像压缩算法研究

通过引入子带分块编码的思想,提出了一种基于提升小波变换的改进SPIHT算法。该算法不但具有传统SPIHT算法的优点,而且能实现码流多分辨率表示和ROI区域编码。最后,给出了一种有效的基于提升小波变换的图像压缩系统。该系统把图像分割成小块后,单独进行提升小波变换及编码处理,并在解码端恢复后进行重新组合。试验结果表明本方法能取得满意的结果,显示了本方法在图像压缩中的应用前景。     

一种改进的可变阈值SPIHT图像压缩算法

针对传统小波变换过程复杂的缺点和SPIHT算法编码过程重复运算、存储量大的问题,首先分析了小波基和小波分解层数的选择,然后提出了一种新的可变阈值的SPIHT算法,该算法利用可变阈值对SPIHT算法中不重要像素列表（LIP）和不重要系数列表（LIS）进行分类得到一种更有效的编码算法。仿真结果表明,该算法的压缩整体性能要好于SPIHT算法。     

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。     

基于改进提升小波变换SPIHT的图像压缩算法

通过对提升小波变换的SPIHT算法进行改进和优化,提出了一种适用于无线多媒体传感器网络(WMSNs)的简单、高效、节能的有损图像压缩算法;该算法采用只包含加法和移位操作的整数小波提升算法,使得小波分解的计算量减半,大大提高了变换速度;采用量化截断的预处理技术,省去大量不重要高频系数的量化编码,解决了提升变换后SPIHT算法编码效率低的问题;去除了最外层高频系数的分解和编码,有效地减少了变换和编码的能耗;理论分析和仿真结果均表明,在保证一定重建图像质量的前提下,该算法大大降低了图像压缩能耗,提高了算法的压缩效率和执行效率,非常适合于资源受限的WMSNs中的图像压缩。     

一种结合SNR和空间可分级的SPIHT改进算法

在SPIHT算法的基础上,针对SPIHT算法仅支持SNR可分级,不能支持空间分辨率可分级的问题,通过对现有的SPIHT算法进行改进,采用延迟和多级集合的办法提出了一种基于SPIHT算法的SNR和空间混合可分级编码算法.     

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。     

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。     

方向自适应提升小波在遥感图像中的研究

针对于遥感图像纹理复杂的特点,提出了一种利用自适应方向提升方案的遥感图像压缩编码新方法。传统的提升方法主要在垂直和水平方向上进行,从而降低垂直和水平方向上像素的相关性;与传统的提升方法不同,基于自适应方向提升的方法充分利用了图像其他纹理方向的相关性来进一步提高预测的精度,从而降低高频部分的能量值。该算法首先利用自适应方向提升的方法对遥感图像进行多尺度快速整数小波变换,然后采用子带位平面编码算法来实现遥感图像的高效压缩编码。实验结果表明,对一般遥感图像,该算法在高倍率压缩的情况下要优于目前的JPEG2000算法。     

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。     

改进的MTF遥感影像复原算法研究

基于传统的图像复原算法——逆滤波,提出了改进的MTFC遥感图像复原算法。通过对比分析图像不同频点的补偿函数曲线以及不同补偿因子的复原效果,优化了MTFC算法,在提高图像质量的同时较好地抑制了噪声。同时,采用不同的卫星遥感图像验证了算法的适用性,体现了其应用价值。     

一种改进的无表SPIHT算法

SPIHT算法是一种基于小波变换,压缩编码效率很高的静止图像压缩编码算法,传统的SPIHT算法主要基于软件实现.本文提出一种改进的更易于硬件实现的无列表SPIHT算法：采用状态标示符取代动态链表操作来记录集合分割信息,进而把整个编码过程都简化为简单的逻辑运算.基于本算法设计出了SPIHT编码器FPGA的有效实现.实验表明,该算法易于实现、节约资源、效率高、运算速度快,为硬件实现高速图像压缩编码提供了一种新的有效的方法.     

改进的多分辨率SPIHT算法

由于引入了小波树,隐藏了扫描路径,因此SPIHT算法能获得较高压缩比,同时保持较好的图像解码质量。而多分辨率SPIHT算法能根据接收方的分辨率需求,使解码器根据不同信道条件选择图像还原分辨率。但是,该算法按照分辨率级成组扫描处理每级LIP, LIS, LSP表,更新下一级表时,会造成重复比较和冗余编码,既浪费执行时间,又增加了计算复杂度。该文改进了该算法,简化了原有算法流程,减少了编码冗余。理论分析和实验表明,在保持较高PSNR的同时,该算法明显提高了编码速度。     

基于二叉树的改进SPIHT算法

为在保持多级树集合分裂(SPIHT)算法编码速度的同时提高其性能,提出一种基于二叉树的改进SPIHT算法。对D型集合分裂得到的4个系数进行二叉树编码,优先编码L型集合的重要性,并以较高的概率提前判断二叉树根节点的重要性,从而提高编码效率。实验结果表明,该算法的执行速度与SPIHT算法相当,且具有较高的峰值信噪比。     

改进的多光谱遥感影像超分辨率重构算法

针对现有遥感影像重构算法数据资源有限、配准精度低等问题,结合遥感影像的光谱特征,提出一种改进的多光谱遥感影像超分辨率重构算法。提取场景结构特征作为重构的正则化约束条件,保持重构结果中的高频信息。利用波段间的交叉相关,获得场景的结构特征信息。通过迭代反投影算法对单波段影像进行重构,将其合成为全色高分辨率遥感影像。仿真实验结果表明,该算法的重构效果较优。