适于硬件实现的低复杂度图像压缩

对于高速图像压缩应用,普通压缩算法和基于DSP或PC机的实现已不能满足高速和小体积的要求。能否获得一种专为硬件实现设计,并具有较高性能的图像压缩算法,成为用VLSI或FPGA硬件实现高速图像压缩的关键。为此,本文提出一种基于5/3小波变换的低复杂度图像压缩算法。该算法首先采用3级二维小波变换去除图像相关冗余,并根据小波子带的变换增益对其进行最佳量化,再对量化后的LL子带进行二维预测,最后针对小波系数概率分布特点采用自适应零游程编码联合指数哥伦布编码实现图像压缩。该方法在保证较高压缩质量的同时,具有低复杂度和硬件易实现的特点,若通过FPGA最快可实现高达175Mpixel/s的超高速图像压缩。     

基于整数叠式变换的图像压缩及其硬件实现

介绍基于双正交整数叠式变换（LBT）的图像压缩及编码方法的原理，以及该系统的硬件设计。     

应用DSP实现图像压缩存储

提出了应用DSP处理器实现二维离散小波变换,进行图像的压缩存储的解决方案;讨论了系统软硬件设计中提高实时性的方法。     

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。     

基于3D SPIHT的高光谱图像压缩技术研究

高光谱图像作为一种三维图像,其海量数据给存储和传输带来了极大的困难,必须对其进行有效压缩。本文将三维多级树集合分裂（3D SPIHT）算法应用于高光谱图像的压缩。首先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。通过采用整数小波和浮点小波分别进行无损和有损压缩仿真,实验结果表明,3D SPIHT算法有损压缩较好,且算法具有嵌入式、可伸缩性等优点,但无损压缩性能要逊于基于预测的方法。     

HVS在图像压缩中的应用

基于小波变换与人眼视觉的相似性,在小波域内结合人眼视觉特性对图像进行处理,以达到提高压缩比的目的,是目前较为热门的研究方向。文章综述了目前基于人眼视觉特性和小波变换的压缩算法进行优化的几种典型算法,并对其性能进行了评价和比较,在全面分析和比较的基础上,对其进行综合分类。     

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.     

一种基于LZW算法的数据无损压缩硬件实现

针对软件实现的压缩、解压方案存在消耗资源过多、速度慢的特点,介绍了一种基于LZW算法的硬件实现的无损压缩器,并根据算法的特点提出了其体系结构.该结构采用了一种并行的字典搜索策略,极大地提高了字串的搜索速度.在压缩器的设计中控制部分和数据处理部分明确分工,有利于功能的扩展.仿真结果显示,该设计的压缩器可以正确实现压缩,资源占用情况可以接受;工作频率达到210 MHz,总的数据处理能力达到750 Mbps,处理性能比软件实现的处理能力快20多倍.     

无人机侦察图像压缩

为了减少图像数据的存储空间并高质量恢复侦察目标区域,提出了一种基于感兴趣区域分割压缩重构的新方法。首先,利用侦察目标具有规则性的特点,识别提取出感兴趣区域。然后,采用基于区域的分割算法将原图像分割成感兴趣区域(ROI)和背景区域(BG)。最后,选用基于小波变换的压缩方法,采用多级树集合分裂算法(SPIHT)嵌入式编码对分割开的ROI和BG用不同的编码比特率进行编码压缩。仿真试验证明,在同样环境下,采用本文提出的算法,感兴趣区的压缩效果比较好,恢复后图像更符合人眼视觉特性。和其他算法的处理结果比较,本文算法的图像峰值信噪比有所提高,很好地解决了高压缩比和目标图像质量之间的矛盾。     

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.     

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.     

多光谱遥感图像CCSDS动态码率控制近无损压缩

基于空间数据系统咨询委员会(CCSDS-123.0-B-1)推荐的多光谱图像无损压缩算法,提出了一种前向自适应调整量化步长的码率控制方法以实现定码率近无损压缩。介绍了CCSDS标准的预测方法,分析了Golomb-Rice编码的上界与下界的范围。通过分析预测误差均值与压缩比的对应关系,建立了均值与压缩比之间近似线性映射曲线。根据预测误差均值,前向自适应估计量化步长,初步控制Golomb-Rice码长。考虑到星载条件下多光谱图像码率控制策略,通过压缩比反馈微调量化步长,实现压缩码率的精确控制。最后总结了CCSDS多光谱近无损压缩码率控制流程。实验结果表明,k值(Golomb编码变量)的分布区域稳定,在4∶1压缩时,本文方法的峰值信噪比(PSNR)平均为60.42dB,比单谱段JPEG2000、差分JPEG-LS压缩等方法提高了5.51dB和2.89dB。实验显示本文方法码率控制准确,易于硬件实现,适合航天工程使用。     

基于Matlab的JPEG图像压缩编码仿真实现

首先介绍了基于离散余弦变换的JPEG图像压缩编码算法,接着用Matlab 6.5对标准灰度图像进行仿真,并对同一幅Lena图像作不同的压缩,绘制了率失真曲线.实验结果表明,在很大的压缩范围内,在不同的压缩比和编码比特率下,重建图像的峰值信噪比都在30 db 以上,仍然能满足人们的视觉需要.对图像作不同的压缩,满足了不同的场合、不同的控制码率下要求不同的图像质量的实际需要.用Matlab做仿真实验,方法简单而且误差小,大大提高了图像压缩的效率和精度.     

基于Le Gall 5/3小波的图像无损压缩算法研究

对一种无损压缩算法进行了研究,该算法采用整数小波对图像数据进行变换,对小波子带数据进行多级树集合分裂排序(set partitioning in hierarchical trees,SPIHT)编码,实现图像的无损压缩。探讨了图像无损压缩的极限问题,并对图像信息熵进行了估算。采用六幅标准灰度图像对该算法的压缩效果和时间消耗进行测试,结果证明,该算法运算速度快,并能获得较高的压缩比具有一定的实用价值。     

医学图像感兴趣区域近无损压缩

提出了一种基于剪切波的医学图像感兴趣区域(ROI)近无损压缩算法,用于解决因小波对高维数据表示的局限性使其重构图像与原图像平均结构相似度(MSSIM)较低的问题.首先,指定感兴趣区域并把其余部分视为背景区域(BG);对两个区域分别进行剪切波变换,并选取出能够近似逼近原区域的重要系数进行去噪和初步压缩.然后,对ROI区域所选取的重要系数进行无损Huff man编码,对BG区域所选取的重要系数量化并进行Huff man编码实现压缩.最后,通过Huff man解码和剪切波逆变换实现解压从而获得重构图像.实验结果表明,与改进多级树集合分裂算法(SPIHT)相比,在相同压缩比下,提出的算法所获取的ROI重构图像与原图像ROI的MSSIM提高了4％,峰值信噪比(PSNR)是改进SPIHT算法的2.35倍;而整幅重构图像与原图像的MSSIM提高了3％,PSNR提高了28％.该算法可实现ROI和BG的相对质量可调,适用于图像存档和通信系统(PACS)中的医学图像压缩.     

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.