基于多小波变换的矢量量化图象快速编码算法

提出了一种基于多小波变换的矢量量化编码算法,图象的多小波变换优于普通小波变换,此算法又加快了编码速度。实验表明：计算时间有所减少,峰值信噪比有所提高,且图象无明显块效应。     

基于小波变换和快速矢量量化的InSAR图像压缩

提出了一种基于小波变换和快速矢量量化的InSAR图像压缩编码方法。在小波变换域内,根据InSAR图像的统计特征进行非线性量化后,再进行小波树快速矢量量化压缩编码;并应用门限技术抑制图像噪音。实验结果表明：该方法对InSAR图像压缩效果明显优于EZW和SPIHT方法。     

基于小波变换的分类矢量量化编码

提出了一种小波变换和分类矢量量化相结合的方法,利用方向树结构构成矢量,并对矢量按能量进行分类,结合非线性插值方法进行矢量量化。矢量的构成充分考虑了小波系数的带内以及带间相关性。仿真结果表明,该方法能够获得较高的编码效率。     

基于小波变换和矢量量化的遥感图象压缩方法

提出基于小波变换 (WT)的矢量量化 (V Q)的遥感图象压缩编码方法。采用二维 WT消除象素间的空间相关性 ,然后对变换后的小波系数进行 VQ压缩编码。实验结果表明 :该方法可获得 10倍压缩比 ,峰值信噪比(PSNR)为 30 .5 2。本方法明显优于 JPEG方法 ,而且没有方块效应。该方法可用于各种遥感图象压缩 ,压缩比和PSNR这两项指标与 JPEG压缩方法相比 ,也有明显的提高。     

基于小波变换和矢量量化的人脸图象压缩

在图象的压缩编码中，矢量量化可以利用某特定类图象（加人脸）的统计特性，为了在高压缩比下获得较好的压缩效果，提出了一种新的小波变换域内进行矢量量化的算法，该算法用树结构表示小波变换域系数，并根据各节点值的重要程度，从每一棵树中提取一个矢量，然后进行矢量量化；解码时，为了使矢量分量能正确地返回到原来树中的正确位置，需利用EZW^[1]、SPIHT^[2]算法的思想标记这棵树，因为这样才能充分利用父子相关性和兄弟相关性，从而显著地减少了标记信息，在提取矢量时，可用简单的阈值剪枝算法，也可用SFQ^[3]的最佳剪枝算法，而且后者能进一步提高峰值信噪比，用该算法对人脸图象进行的压缩试验结果表明，在高压缩比（100:1左右）下，恢复的图象质量（视觉效果和峰值信噪比）比通常的小波压缩算法（如EZW，SPIHT、SFQ等）好得多，该算法特别适合于对特定类图象的压缩。     

小波树结构快速矢量量化编码方法

提出了基于人眼视觉属性和应用小波树结构２快速图象编码的矢量量化图象编码方法，简称为树结构快速矢量量化编码。在分析此方法矢量量化特点之后，设计产生码本的统计方法，并提出了矢量量化编码的快速算法。     

基于小波变换和形状-增益矢量量化的3维图像压缩

数据压缩是高光谱图像处理应用中的一个关键问题。为了对高光谱图像进行有效压缩，在2维小波变换的基础上，提出了一种分组矢量量化的高光谱图像有损压缩方案。该方案首先按照谱段类型对高光谱图像进行分组，然后对每个谱段分别进行2维小波变换，最后变换系数再使用一种Kronecker-Product形状-增益矢量量化方法来进行量化编码。计算机仿真结果证明．该算法在取得高压缩率的同时，不仅能很好地保持数据的谱特征，并能降低运算量。     

基于小波变换的分类量化图像编码算法

针对标量量化压缩比小而向量量化压缩速度慢、图像复原效果不理想等弱点，提出了基于小波变换的分类量化图像编码算法（简称“分类量化编码”）。该算法基本思想为：首先将小波变换后的图像高频子带划分为局部快；然后利用文中给出的相对距离最近之值选择方法，依据纹理复杂度和重要性程度将这些局部块划分为4类（平坦、过渡、弱纹理和强纹理）；最后对平坦局部块进行向量量化编码，对强纹理局部进行标量量化编码。实验结果表明：该图像压缩算法在压缩速度、图像复原效果、压缩比等方面明显优于零树小波编码和JPEG方法。     

基于提升小波变换与学习矢量量化网络的鉴别分析方法

提出了一种基于提升小波变换（LWT）和学习矢量量化网络（LVQ）相结合的鉴别分析方法。提升小波又叫作第二代小波,比传统的第一代小波变换更为快速有效,利用它的多分辨率特性,可以获取输入图像的低频信息并使图像降维。LVQ算法是在有教师状态下对竞争层进行训练的一种学习算法。LVQ网络结构简单,但却表现出比BP网络更强的有效性和鲁棒性。在ORL标准人脸库及现实人脸图像上的实验结果表明该方法具有很好的鉴别分析能力。     

基于小波变换和自适应标矢量混合量化的图像压缩

本文提出了一种基于小波变换和自适应标矢量混合量化的图像压缩技术.该算法首先将图像分成不同层次不同频率的子带,对含能量大的低频子带采用无失真的DPCM编码;利用相同方向不同尺度子带之间的相关性,对其余的高频子带利用自组织特征映射神经网络进行矢量量化编码,实验证明此方法兼顾了图像的压缩比、编解码时间以及重构图像质量等因素.     

基于分割采样的小波域图像信息隐藏算法及性能分析

提出了一种结合加密技术的小波域变换图像信息隐藏算法.该方法首先利用分割采样置乱变换对待隐藏图像进行变换加密处理,并对载体图像进行多分辨率小波分解,然后根据人眼视觉特性自适应选取信息隐藏的小波变换域系数.在此基础上,将置乱加密信息乘上一个调节嵌入深度的权值后叠加到所选小波域嵌入位置,实现图像信息的自适应隐藏.实验结果表明,所提出的信息隐藏算法具有非常好的不可见性,对于大量的隐藏攻击手段具有较好的安全性和鲁棒性.     

一种基于小波变换的静止图像编码方法

随着小波分析的理论研究水平不断提高,其应用领域也在不断地扩展。特别是在信号和图像处理方面,由于小波变换具有良好的时频局部化性能,使其在该领域有着广泛的应用。本文通过对小波函数、多分辨分析等小波变换的有关概念和理论的介绍,以及对矢量量化方法的分析,提出了一种基于小波变换和矢量量化的图像编码方法,并在计算机上模拟实验,得到较好的重建效果。     

基于小波变换的图象分层预测差值编码

二元正交小波变换能实现图象多分辨率的塔形结构表示，相邻两层水平和垂直方向的分辨率以２（或１／２）的因子改变，上一层的每个系数对应下一层的２×２区域，相邻两层存在着较大的空域相关性，为进一步减少小波变换系数的冗余性，我们提出了图象分层预测差值编码，实验表明分层预测差值编码能从整体上大幅度地减少小波变换系数的冗余性，比图象各层系数直接编码能实现更好的压缩效果     

基于小波包变换的多区域信息隐藏算法

提出一种基于小波包变换的多区域信息隐藏算法.为了提高秘密信息抗攻击的鲁棒性,算法引入小波包分解,通过修改小波域系数,将秘密信息同时嵌入到分解后的多个子区域.针对不同的子区域,自适应地设置相应的嵌入因子,从而保证了嵌入信息后的透明性.秘密信息的提取不需要原始图像,实验结果表明:对于一些常见的攻击,算法具有较好的鲁棒性且易于实现.     

基于树状小波分解的图像混合编码方法

本文提出了一种基于树状小波分解的图像混合编码技术，它能够在一定的能量准则下自适应地对图像进行分解，并根据不同尺度子带在小波图像中的地位和特点，选取相应的编码方法。模拟实验证明，此方法在较好的图像质量情况下获得了较高的压缩比。     

整数小波变换和EZW编码在基于ROI图像渐进传输中应用研究

整数小波变换能够克服浮点数小波变换所带来的缺陷,是一种真正意义上的无损可逆小波变换,基于整数小波变换的EZW编码是一种嵌入式编码技术,能够有效地应用于图像的压缩与渐进传输.介绍了整数小波变换和EZW编码的工作原理,然后将它们应用于ROI图像压缩与渐进传输,并给出了实验结果.     

基于平稳小波变换的图像去噪方法

正交小波阀值消噪方法已广泛地应用于图像噪声抑制，目前对于正交小波阈值去噪方法的研究主要集中于如何选取阈值使消噪达到较好的效果，然而对于图像中噪声幅度较大的情况下，正交小波变换阀值消噪会使图像边缘失真，甚至图像模型，提出的平衡小波变换的图像消噪方法，可以有效地降低噪声，同时又较好地保持图像边缘细节，与正交小波变换阈值降噪方法相比，有明显优越性。     

小波变换及图像压缩编码时小波基选择

阐述了小波变换的原理,分析了小波变换用于图像压缩时小波基选择与图像压缩编码效果的关系,并通过实例加以说明。     

基于二维小波分解的图象编码

本文给出一个基于二维小波分解来进行图象压缩编码的方法。这里是使用正交小波变换来由行图象分解，得到一个图象的多分辨率表示，各频道分量对图象结构的把握是整体的，从更大程度上解除了图象象素之间的相关性，克服了由ＪＰＥＧ方法进行图象压缩编码而产生的块效应。对图象进行二维正交小波分解后，我们使用ＣＶＱ对小波系数进行编码，得到了较高的编码效率和重建图象质量。     

基于小波变换的分形图像编码压缩算法

有效的压缩算法可以给数据的储存和传输带来极大的方便。针对现有压缩算法存在的不足,定义图像子块的九块和特征,并提出结合小波和分形编码优势的有损压缩算法。该算法将图像进行二级小波分解,得到7个子带;保留低频子带的小波系数,并对其余子带采用基于图像块九块和特征的分形编码。新定义的九块和算法,把全搜索问题变为在九块和意义下的近邻搜索问题,缩短了搜索范围。实验结果表明,与同类算法相比,该算法不仅提高了重构图像的质量,还缩短了编解码时间。