基于脊波变换的图像压缩算法

自然图像包括大量的具有明显“直线边缘”的图像,而且边缘表示了图像的主要信息。利用脊波对“直线奇异”的良好刻画,针对具有直线特征的图像,设计基于脊波变换的有损压缩算法。首先对图像进行脊波变换,然后对变换系数进行标量量化、扫描、游程编码和熵编码。仿真实验表明,与基于小波变换的JPEG 2000压缩算法相比,该算法能获得更高的压缩率,同时保持较高的信噪比。     

基于结合小波和脊波的分层图像压缩算法

基于分层思想,结合小波变换和脊波变换各自的优势,提出了一种新型的分层图像编码算法.首先使用一种各向异性扩散平滑方法,原始图像I经过平滑,得到平滑图像R1,然后用原始图像戚去平滑图像R1得到纹理图像R2.对平滑图像R1采用多级树集合分裂算法(Set partitioning in hierarchical trees,SPIHT)编码;对纹理图像R2进行改进的正交有限脊波变换,然后采用相应改进的SPIHT算法编码.实验结果表明,本算法在同等码率的情况下优于SPIHT算法的压缩性能.对于纹理比较丰富的图像,效果尤为明显.     

基于JPEG2000的遥感图像压缩

介绍了JPEG2000静态图像压缩标准的基本情况;对遥感图像的相关性以及小波变换域统计特性进行了分析。得出遥感图像的特点;针对遥感图像的特点,设计了基于JPEG2000无损压缩的高频子带分级量化高保真压缩方案。实验结果表明,此方案在对遥感图像进行压缩时取得了较好的效果。     

基于复合脊波变换的图像去噪

脊波变换是在小波变换的基础上提出的多尺度分析方法,对于图像中直线状和超平面的奇异性问题,脊波变换比小波变换有更好的处理效果。应用数字复合脊波变换去除嵌入在图像中的白噪声,并使用一个简单的复合脊波系数的硬阈值来实现。实验结果表明,这种算法比VisuShrink算法、普通脊波算法和Wiener 2滤波器图像去噪的去噪效果更好,同时复合脊波算法也能应用于图像去噪和模式识别特征提取。     

基于遗传算法的BP神经网络在图像压缩中的应用

以神经网络和遗传算法为代表的进化算法都基于智能信息处理的理论,但是各自都存在一些缺陷.设计并实现了基于遗传算法的BP神经网络算法BP-GA,该算法将遗传算法和BP算法相结合,用基于实数编码的遗传算法优化神经网络的权值后,应用于图像压缩.实验证明,利用此混合神经网络进行图像压缩,压缩比高,图像恢复质量效果好.     

基于小波变换和分段DPCM混合编码的多光谱遥感图像压缩算法

多光谱遥感图像的压缩要利用图像谱内及谱间的相关特性。该文在分析多光谱图像谱内和谱间相关特性的基础上,提出了对多光谱遥感图像进行压缩的分段 DPCM和 SPIHT相结合的混合压缩算法,即首先利用分段 DPCM算法去除谱间冗余,再利用高效的 SPIHT小波压缩算法对预测误差图像进行编码。实验取得了令人满意的效果,证明了该算法的有效性。     

基于有限脊波变换的图像融合研究

将有限脊波变换(FRIT)应用于图像融合能更好地提取图像边缘特征,为融合提取更多的特征信息.基于FRIT的图像融合算法是将图像进行FRIT,在不同的频率域利用融合规则融合有限脊波系数,最后通过重构得到融合图像.通过对多聚焦图像的实验,对比了基于FRIT的图像融合算法和基于小波变换的融合算法,并对实验结果进行了主观和客观的评价,试验结果表明,基于FRIT的图像融合算法取得了比基于小波变换算法更好的融合结果,是一种有效可行的图像融合算法.     

基于脊波的红外图像自适应增强算法

图像增强是目标检测和识别中的基本问题,为了在红外图像中能够更好地检测出目标,根据多尺度几何分析工具脊波特别适合表示各向异性和奇异性的特性,结合红外成像的特点,利用脊波对图像进行增强,并利用统计学原理对脊波系数变换原则进行自适应改进,利用统计学原理构造了目标细节特征量和脊波子带系数特征量,将这些特征量进行匹配,并且评估匹配效果,从而找出子带系数中与目标特征关联度高的部分,有针对性地对该部分系数进行放大,其余部分系数进行抑制处理,处理后的系数进行脊波逆变换还原的图像。检测结果与对比度增强、线性滤波等方法进行比较说明:该方法效果良好。     

用ADSP2185实现高速、大压缩比视频图像压缩

介绍了ADSP2185的结构特点及性能指标,论述了在实现高速、大压缩比视频图像压缩过程中选用ADSP2185的原因及用ADSP2185配合Wavelet Transform处理视频压缩的方案。     

基于结构自适应自组织神经网络的图像压缩算法的研究

图像矢量量化（VQ）是图像压缩算法中的重要环节，而在VQ中起决定性因素的又是能否构造出性能优异的码书，本文在比较LBG，SOFM和改进的SOFM优缺点的基础上，采用具有结构自适应特性的自组织神经网络（SASONN）来构造码书，克服了SOFM算法的网络映射欠准确、神经元过利用等弊端，并将结果应用在图像压缩编码算法（VQ＋DPCM＋DCT）中，实验结果表明，主客观效果良好。     

用B—P神经网络实现多波段遥感图像的监督分类

提出敢用Ｂ－Ｐ神经网络实现多波段遥感图像监督分类的方法，给出了用Ｂ－Ｐ神经网络对４种农作物的４波段遥感图监督分类实例。结果表明；与传统的分类法相比，在特征提取相对较少情况下，仍可获得符合实况的多波面遥感图像分类。     

基于感知器的遥感图像无损压缩编码

无损压缩在遥感领域有极其重要的作用。该文提出一种基于感知器模型的遥感图像无损压缩编码方法,该方法利用感知器具有学习能力的特点,自适应地调整图像的预测系数,对遥感图像进行空间和谱间去相关,然后进行熵编码。实验表明,对于多波段的遥感图像,该方法的压缩效果明显优于无损JPEG(Joint of Picture Expert Group)最优预测模式。     

多光谱遥感图像BP网分类器学习样本选取法的研究

通过分析多光谱遥感图像学习样本在光谱空间不同位置对BP神经网络分类器分类精度的影响,提出基于x2 分布的学习样本选取方法,并应用于TM 图像分类.对6 种地物应用不同样本选取法训练的BP网分类器和Bayes分类器的分类结果比较表明:本方法分类精度明显高于Bayes分类器和其它样本选取法得到的BP网分类器,并具有学习样本数量少等特点     

基于选择多分辨率Kohonen网络的自适应灰度图像分割方法

针对多阈值分割中存在的问题，提出一种新的基于测量空间的空间聚类方法，即基于选择性多分辨率Ｋｏｈｏｎｅｎ网络的自适应灰度图割方法，算法的优点在于不需预知图像分割 ，能够动态地根据图像局部的特性决定，实验证明该方法具有良好的适应性。     

子波神经网络在光谱数据压缩与分类中的应用

利用子波神经网络并适当选取网络结构和子波基，实现了对化学物质红外光谱数据的压缩表达和分类，取得了令人满意的效果，说明子波神经网络在光谱处理方面有着较好的应用前景和优越性     

基于滤波器组的遥感图像融合方法及其性能分析研究

提出了一种基于滤波器组的图像融合方法,用以融合高空间分辨率全色图像和低空间分辨率的多光谱图像．在高空间分辨率全色图像经过多通道滤波器组分解的基础上,用多光谱图像直接替换全色图像低频子图像的方式进行融合处理;最后对替代后的子图像进行滤波器组重构得到融合后的图像．实验结果表明,通过调整滤波器组的通道个数,该方法能够使融合图像中空间信息和多光谱信息获得更好地折衷．     

基于实测高光谱的太湖水体悬浮物浓度遥感估算研究

悬浮物浓度是水质和水环境评价的重要参数之一.利用2007-11-08～2007-11-21 14天时间对太湖74个样点进行水质取样分析和波谱实测.在提取水体遥感反射率后,分析其与悬浮物浓度的相关关系,发现在400～900nm波段范围的备波长遥感反射率与总悬浮物、无机悬浮物浓度都存在中高度相关,最大相关系数均出现在725nm处.分别为0.883和0.869,而与有机悬浮物浓度则无较好的相关性.同时利用敏感波段的遥感反射率建立了悬浮物浓度估算的神经网络模型.结果表明:对于总悬浮物浓度,隐含层节点数为6的神经网络模型的R2=0.948,RMSE=4.947,在备节点中的训练效果最佳;而对于无机悬浮物浓度,隐含层节点数为4的神经网络模型的R2=0.956.RMSE:5.104,模型骼体训练结果最好.此外,通过测试样本对神经网络模型和经验模型的预测误差进行分析表明,无论是估算总悬浮物浓度,还是无机悬浮物浓度,无论从建模样本的建模精度,还是测试样本的误差分析,神经网络模型邰优干经验模型.     

一种基于小波变换的可调节遥感影像融合方法

光谱保持和高分辨率保留是影像融合的两个重要问题,不同的应用可能对融合的结果有不同的要求．提出了一种基于小波变换的可调节遥感影像融合方法．该方法首先分别将高分辨率影像和多光谱影像进行小波分解,然后根据影像的特点,在小波域内进行影像融合,最后通过小波逆变换得到融合结果．通过引入可调节参数,该方法可以在细节保留和光谱保持两方面达到不同程度的平衡,在某些参数组合下,融合图像的目视效果和统计指标可以达到甚至超过传统的小波融合法、IHS变换和主成分变换融合法的效果．     

用细胞神经网络实现图像恢复的一种新方法

文中提出并讨论了用细胞神经网络实现图象最大熵恢复的可能性,并基于对最大熵方法的物理实质分析推出了相应细胞神经网络模板的新设计方法,针对二值图象的恢复问题进行了计算机仿真,结果证明了这一方法是可行的。     

遥感图像数据实时无失真压缩的研究

讨论了对单波段遥感图像和多波段遥感图像都适用的一种实时无失真数据压缩的方法，该方法应用线性预测原理减少数据的冗余度并应用Huffman编码以实现最佳平均码长，文中讨论和比较了几种预测的方法，并选用了2－D空间预测，为方便实现实时的数据压缩，本文对Huffman编码作了必要的简化，对于不同编码技术的结果，文中也进行了讨论，本方法将软件仿真应用于LANDSAT TM，SPOT HRV，AIR SAR以及中科院上海技术物理研究所研制的航空成谱仪的8bit／像元遥感数据，平均压缩比为2，其中最高的为3．1，最低的为1．2。