图像小波零树算法在高速DSP上的实现

嵌入式小波零树算法是一种简单有效的图像编码算法,其比特流中的比特是按重要性排序的,允许精确达到一个目标比率或目标失真.通过充分利用高速DSP的指令代码并行处理及软件流水等功能,在高速DSP芯片TMS320C6201上实现图像小波零树算法,运算时间大为减小,图像视频压缩得到更加高效、实时的执行,有利于便携式数字图像压缩器件的设计.     

CCD遥感图像的小波分解特性及编码压缩

研究了遥感图像的小波变换系数统计特性及小波系数的相关性.通过试验得出小波变换系数分布的一般规律和遥感图像基本特征,即数据的局部相关性弱、纹理丰富复杂和低冗余度,不利于高保真压缩,而遥感图像的小波变换系数却具有很强的局部相关性.提出了插分预测编码(DPCM)与集合树多级分裂(SPIHT)算法相结合的遥感图像小波编码算法,用该算法对CCD采集的遥感图像进行了3级小波分解和重构,并与EZW算法、SPIHT算法进行了比较.结果表明,算法所得的遥感图像没有方块效应,图像恢复质量较高,在相同压缩比和比特率低的情况下,明显优于其他两种算法.     

嵌入式小波零树图像编码算法的Matlab编程实现

随着基于多媒体的视频应用的激增和网络应用的不断发展,对图像压缩技术进行了研究.嵌入式小波零树,即ENW图像编码算法不仅具有高的压缩比,还能实现渐进编解码、从有损压缩到无损压缩等优点,在ENW算法的基本原理的基础上,编写了Matlab程序进行编码实现并得出相应实验结果.     

基于提升方案与SPIHT算法相结合用于图像的无损压缩

研究了基于提升方案的CDF(m,n)双正交小波变换结合SPIHT应用于图象无失真压缩编码的方法.实验结果表明,基于提升方案和整数运算的CDF(m,n)变换是整-整可逆变换,CDF(2,n)的无失真压缩性能好于流行的Huffman、WinRar、Raw+WinZip、JPEGLS.压缩比分别比上述编码方法提高了62%,47%,44%,32%左右.运算速度快,便于硬件实现.     

图像无损压缩算法JPEG-LS实现及性能研究

对图像的无损压缩算法进行了研究,讨论了JPEG-LS图像压缩算法,阐述了该算法的基本原理,对其实现的细节及关键技术进行了深入研究,并用C语言实现了该算法。大量图像压缩实验表明,该算法是一种优越的无损压缩算法,对于多数图像,压缩比可以非常接近无损压缩极限,并且算法的运算时间很少,一幅512×512的8比特灰度图像的压缩和解压缩时间是毫秒级的,完全可以满足实时图像处理的要求。     

一种基于三维小波变换的图像编码算法

提出了一种新的基于三维小波变换的图像序列压缩算法.该算法在量化编码时,着眼于"体",采用平面与纵向相结合的形式组织系数,并对运动程度不同的区域以及帧内不同特性的区域加以区分.以QCIF格式的标准序列图像Miss American作为测试图像进行实验,实验结果表明该算法有效可行,主观质量较好,无方块效应.     

基于多级小波分解的两类纹理图像分割技术

通过对纹理图像传统分割方法的分析,研究了农作物图像的边缘自动分割问题,提出了采用多级小波分解方法的两类纹理图像分割技术.解决了传统的基于Laws能量特征方法存在的分割边缘粗糙以及时间效率低等缺点.仿真结果表明,应用基于多级小波分解的纹理分割方法,能快速得到准确的边缘,为获取大规模农作物的机械导航路径提供了一种新的思路.     

基于小波分析的指纹图像压缩算法

提出了一种基于小波分析的指纹图像压缩算法,首先讨论了指纹图像的分解,然后介绍了在压缩过程中,保留指纹图像中有效细节点的零树改进算法.实验结果表明,该算法简单有效,满足实用要求.     

基于内容的高光谱图像无损压缩

提出了一种基于内容的高光谱图像无损压缩算法.采用自适应波段选择算法对高光谱图像进行降维,引入G-means算法对降维后的光谱矢量进行无监督分类.利用单调后向排序算法确定波段的预测顺序,并根据相邻波段的相关系数大小进行自适应波段分组.针对每一类地物,选取类内部分像素进行最优预测系数的训练,采用多波段线性预测的方案去除同类像素的谱间相关性,预测残差进行JPEG-LS无损压缩.对机载可见光/红外成像光谱仪(AVIRIS)与实用型模块化成像光谱仪(OMIS)获取的高光谱图像分别进行实验,并与未进行分类预测的算法比较.结果显示,提出的算法的平均压缩比分别提高约0.11和0.7,验证了该算法在无损压缩方面的有效性.     

图像压缩中小波基的选择研究

分析了小波基的正交性、正则性、紧支撑性、消失矩和对称性等对图像压缩的影响,并选出数种典型小波基进行实验比较,对图像压缩中小波基的选择问题进行了研究。     

无损图像编码中基于SPIHT的一种改进算法

为了尽可能地增加图像无损压缩编码的效率,在嵌入零树小波(EZW)算法和分层树集合分割排序(SPIHT)算法的基础上,增加了一个对A类型直接后继子孙的检测,使得重要父系数的产生依赖于非直接后继节点,并增加一C类型集来对不重要直接子孙集进行单独的分类。当检测到重要集合的数目明显大于不重要集合的数目时,对A,B或C类型的检测就可以省去。实验结果证明,无论是灰度图像或者是彩色图像,改进的算法都比传统的SPIHT算法有明显的优越性。     

最佳递归双向预测的高光谱图像无损压缩

提出一种基于最佳递归双向预测的高光谱图像无损压缩算法。首先根据高光谱图像各波段的谱间相关系数,选择相应的压缩方式。谱间相关系数小于0.9的波段使用bzip2模式进行压缩。谱间相关系数大于0.9的波段,对参考波段进行单波段最佳前向预测,非参考波段采用最佳递归双向预测,并对预测残差采用JPEG-LS模式压缩。对AVIRIS高光谱图像进行压缩,实验结果表明该算法的平均压缩比达到3.217倍,优于其他无损压缩算法0.09-1.374倍。     

基于三维整数小波变换的高光谱图像编码方法

高光谱图像是一种数据量很大的三维图像,在存储和传输之前必须对其进行有效的压缩。本文提出了一种基于三维整数小波变换的高光谱图像压缩编码方法,首先利用三维整数小波包变换去除高光谱图像的空间和谱间冗余,然后对变换后的每个子带的小波系数构造子带重要性树,通过子带重要性树的分裂对小波系数进行三维嵌入零块编码,最后为了进一步提高编码性能,把编码输出的二进制符号送入算术编码器并结合高效的上下文模型进行熵编码。对4组场景的AVIRIS高光谱图像进行测试,结果表明该方法的编码性能略优于3DSPIHT和3DSPECK算法,同时该方法还支持高光谱图像从有损到无损的渐进传输。     

基于3D SPIHT的高光谱图像压缩技术

将三维多级树集合分裂(3D SPIHT)算法用于高光谱图像的压缩。根据高光谱图像的特点进行波段分组以得到处理单元,对各组分别进行三维小波变换,去除谱间和谱内冗余;利用3D SPIHT算法对变换后小波系数进行编码,去除系数之间的冗余。采用整数小波和浮点小波分别进行无损和有损压缩仿真,AVIRIS和OMIS实验结果表明,在bit/pixel为1的条件下,平均PSNR比准三维方法分别高0.91 dB和1.38 dB,且算法具有嵌入式、可伸缩性等优点,但无损压缩的平均bit/pixel比基于预测的方法高0.308和0.159。3D SPIHT算法用于高光谱图像压缩可以获得较好的有损性能,但无损压缩性能逊于基于预测的方法。     

提升小波变换在图像压缩中的应用

利用第二代小波变换--提升小波变换,为第一代小波变换提供了一种新的更快速的实现方法,使得其构造不再依赖于Fourier 变换构造,可以实现所有的第一代小波变换,提升方案把此变换过程分为分裂、预测和更新3个阶段.基于提升算法的小波变换是新一代静止图像压缩标准--JPEG 2000的核心算法之一.在研究小波提升方案的基础上,分析了它在JPEG 2000应用,最后将小波提升和Mallat算法进行分析比较,试验证明提升方案的小波变换算法计算时间比Mallat 算法减半.     

一种小波变换与矢量量化结合的图象压缩编码算法

本文提出了一种新的小波变换与矢量量化相结合的图象压缩编码算法.首先根据小波图象中各子带系数的带间相关性对其进行四叉树分类,然后利用同一子带内高频系数的兄弟相关性采用变换的方法进行系数重排,以产生新的树结构.最后,根据系数的重要性,利用剪枝算法从每棵树中提取一个矢量,进行矢量量化编码.试验证明,在较高压缩比的情况下,使用此方法得到的重构图象质量（视觉效果和峰值信噪比）比通常的小波压缩算法有了较大的提高.     

空谱联合预测高光谱图像无损压缩rice算法

针对rice算法低维预测不能有效降低高光谱数据冗余问题,提出基于空谱联合预测的低复杂度rice算法,应用于高光谱图像无损压缩.根据高光谱图像三维数据特征建立三维预测模型,利用相邻波段谱间相关系数进行联合预测系数分配,有效地减少了高光谱图像空间和谱间冗余.提出基于预测误差均值的最优编码参数选择算法,计算复杂度由O(N)降为O(1).实验结果表明,本文方法提高无损压缩比5%～40%,编码时间较经典rice算法缩短了4%以上,有利于实时处理和工程实现.     

基于小波变换的正则化盲图像复原算法

提出了一种将小波变换和自适应正则化方法相结合的盲图像复原算法。该算法先对退化后的图像进行小波分解,得到图像在不同子频段的信息;然后针对各个子频段内图像的频率和方向特性,使用不同的自适应正则化复原方法,在图像的低频子频段进行去模糊;高频子频段则进行抑制噪声和保边缘特征;最后通过小波逆变换得到复原后的图像。实验结果表明, MSE减少了1.60,信噪比增量为1.76,算法性能和复原效果相对空间自适应正则化方法,都有一定的提高。     

基于多波段预测的高光谱图像分布式无损压缩

提出了一种基于分布式信源编码的高光谱图像无损压缩算法,用于星载高光谱数据的有效压缩.为充分利用高光谱图像较强的谱间相关性,引入多波段谱间线性预测方案获取当前编码块的预测值,有效降低了编码块的最大预测残差值.在此基础上,根据最大预测残差值确定编码块各像素所属陪集的索引,通过传输每个像素所属陪集的索引代替预测残差,实现高光谱图像压缩.对星载可见/红外成像光谱仪(AVIRIS)获取的高光谱图像进行实验,并与已有的典型算法进行比较,结果显示该算法能够取得较好的无损压缩效果,同时具有较低的编码复杂度,适用于星载高光谱图像的无损压缩.