基于奇异值分解自适应图像压缩的优化算法

结合图像质量评价体系,在基于奇异值分解的动态压缩比优化方法的基础之上提出一种新的优化算法.该优化算法可以解决基于奇异值分解的动态压缩比优化方法中不能根据不同图像的特点对每幅图像自适应地进行图像压缩的缺陷,并能根据需求,预先设定压缩图像的质量范围,使压缩图像达到指定的压缩率或清晰度,从而满足指定的要求.经实验证明,该优化算法切实可行,具有较高的实用价值.     

基于等腰直角三角形的分形图像压缩算法

为了提高二值图像的压缩比,采用自顶向下的编码方法,提出一种基于等腰直角三角形的分形图像压缩算法,并进行仿真实验.该算法对无损压缩的图像还原后与原图像没有差别,压缩比比一些无损压缩算法高,提高了压缩图像的压缩比.该算法在重构图像时不会产生水平与垂直边际效应,而且可以在有损压缩和无损压缩之间灵活切换.     

基于MPI的分形图像压缩并行算法

利用MPI提供的库函数,提出了基于MPI的分形图像压缩并行化算法,将图像的定义域块和值域块的搜索匹配过程分配给多台处理器同时执行.实验结果表明,利用MPI来进行分形图像压缩,可以缩短压缩时间,在不改变压缩比的情况下,得到较好的加速比.     

基于块的比特分配的无损图像压缩算法

为了获得最佳的无损图像压缩效果,提出一种基于块的比特分配技术(block bit allocation,BBA)的图像无损压缩算法,并采用三种数字图像模式:CT、MR和DR来评价该算法.实验结果显示,此算法对比标准LempelZiv和Huffman压缩算法能将CT图像的压缩比平均增加11%到19%,在MR图像中,平均增加12%到28%.对于DR图像,此方法比Huffman算法差9%.但是,压缩和解压缩速度会更快并且可用于在线医学图像压缩.     

一种基于分类的改进BP神经网络图像压缩方法

探讨了神经网络用于图像压缩和解压缩技术,实现了一种基于分类的改进BP神经网络压缩方法:按图像各部分像素特征将图像分为平滑块、中间块和边缘块,不同的分类块采用不同的隐含层数,从而在保证重建图像丰富细节的同时,提高图像的压缩比.同时,对3层BP神经网络进行优化,提高了网络的收敛速率,实验结果证明本算法在取得较大的压缩比的同时能保证图像的恢复质量.     

基于块稀疏表达模式的高光谱图像压缩

针对高光谱图像压缩算法存在的解码端计算复杂度高,且没有充分考虑高光谱图像结构特征信息等问题,提出了一种基于块稀疏表达模式的高光谱图像压缩方法.主要通过在编码端利用结构字典对稀疏系数进行结构化压缩编码,避免解码端非线性重构,以达到缩短高光谱图像重构时间的目的.实验证明该方法在压缩比较低(0.015 9)时依然能获得较高的重构精度(峰值信噪比为22.240 3,结构相似度为0.511 4).     

基于多方向正交匹配追踪的压缩感知图像重构算法研究

针对压缩感知中图像信号的压缩比较大、重构效率较低的问题,提出一种基于正交匹配追踪的压缩感知图像重构算法。该算法在图像压缩阶段,利用测量矩阵对目标图像进行二次测量,进一步缩小压缩比。在图像重构阶段,将单次循环的正交匹配对象由一维向量拓展到二维矩阵,利用多方向正交投影对压缩数据进行图像重构。仿真实验结果表明,在缩小压缩比的情况下,可较准确地重构出原始图像;并且显著提高重构效率。     

一种基于轮廓线条的二值图像压缩算法

提出了一种基于图像轮廓线条的二值图像压缩算法,探讨了针对基本轮廓线条从有损到无损可变的压缩方法.实验结果表明:本算法在直线,特别是斜线段压缩上有着明显优势.如若考虑有损压缩,基本线条的压缩比要好于JBIG,并为纹理图像中特征线条描述提供一种可行方法.     

结合DCT近似的分形图像压缩方法

分形图像压缩是一种基于分形迭代函数系统理论的图像压缩方法,压缩比大,但编码过程计算复杂、编码时间长,结合离散余弦变换近似的分形图像缩方法,提高了分形压缩中灰度变换的精度,从而达到了提高图像质量,提高比和减少编码时的目的。三种不压缩图像的结果比较证实了新方法的优越性。     

基于小波变换的图像压缩编码方法研究

介绍了小波变换的基本理论以及基于小波变换的图像压缩编码与解码恢复过程。为了研究基于小波变换的图像压缩编码方法的优越性,通过实验与传统的离散余弦变换编码方法进行了性能的对比分析,实验结果表明：由于小波变换具有时间-频率局部化特性和多分辨率特性等优点,其能够更加有效地应用于图像数据压缩,可以达到更高的压缩效率,而且理论上可以获得任意压缩比的压缩图像。     

基于脊波变换和SPIHT算法相结合的图像压缩

脊波对线奇异性图像能够到达最优的逼近,它是比小波能更好的稀疏表示图像的工具.讨论了脊波变换后的系数之间的相关性.结合SPIHT编码算法设计出基于脊波变换的图像压缩算法.实验结果表明,该算法能够有效地提高压缩率,同时能保持较高的峰值信噪比和良好的重建图像视觉效果.     

频率域自适应图像压缩算法的改进与研究

提出了一种基于3D-DCT变换的自适应彩色图像压缩算法。该算法主要采用部分块的3D-DCT变换并得到峰值信噪比,进而与给定的峰值信噪比进行比较,通过门限、量化、游程编码以及编码块大小的自适应的方法来达到给定的要求,并使用软件对部分算法进行了仿真,证明该算法在追求高压缩比的情况下也保证了较好的峰值信噪比。     

非线性小波变换及其在图像压缩上的应用

提出了一种基于非线性小波变换的图像压缩方法。使用非线性小波变换可以更高效地表示图像的边缘信息,并更能把图像的能量变换到低频子带上。仿真结果也表明,提出的方法在较高压缩比时比JPEG2000效果要好。     

基于双树复小波变换与双边滤波的图像滤波

为了进一步提升高斯噪声的去除性能,提出了基于双树复小波变换与双边滤波的图像滤波方法.根据图像和噪声的分布特征,推导出一种自适应的阈值去噪模型.用去噪模型对双树复小波变换后的图像系数进行量化处理,再由双树复小波逆变换得到去噪图像,然后用改进的双边滤波方法对去噪图像进行边缘增强,改进的双边滤波核自适应于图像的特征,具有更好的鲁棒性.实验结果显示,该方法相对于现有的性能较好的方法,PSNR高出大约0.8 dB,SSIM高出大约2.3%.实验证明了该文提出的方法在去噪效果和细节恢复上优于已有的方法.     

基于超复数傅里叶变换的彩色图像水印算法

提出了一种基于四元数傅里叶变换(QFFT)和改进的量化索引调制(QIM)算法的彩色图像数字水印嵌入算法,对载体图像进行QFFT变换,对水印图像进行压缩及量化编码,从而嵌入到经过QFFT变换的载体图像的分量中,实现了水印的嵌入以及盲提取. 实验结果表明,基于带失真补偿的QIM算法的水印算法对比传统QIM,实现了不可见性和鲁棒性的较好折衷,对高斯、椒盐噪声、JPEG压缩、遮挡、滤波以及图像增强攻击有更好的鲁棒性.      

基于多节点协作的WMSNs图像压缩算法

针对无线多媒体传感器网络能量和计算能力有限,在图像压缩过程中需兼顾压缩能耗和图像质量之间的关系等问题,结合JPEG-XR压缩流程和网络的结构特点,提出一种基于多节点协作的图像压缩方法.构建相机节点到普通邻居节点,再到簇头的网络结构,将图像压缩传输等过程分布于协作簇中;通过协作方法完成压缩流程的多节点协同执行.仿真结果表明,在低码率条件下与JPEG方法相比,该方法的峰值信噪比提高约3 dB;而网络寿命方面,更好地平衡了网络负载,大大延长了网络寿命.      

基于比特平面SBI变换的遥感图像无损压缩

提出一种基于子块互换(subblock interchange,SBI)的遥感图像无损压缩方案.采用小波变换对遥感图像进行分解,将生成的频域数据按不同比特平面分别进行SBI变换并用算术编码进行压缩.该方案改进了基于列的扫描方式,将小波系数按幅值大小进行重新排序,根据SBI变换后数据特点取消了文本压缩中常用的前移编码(MTF),在降低复杂度的前提下提高了压缩率,同时具有信噪比和分辨率可扩展特性.     

基于实数傅里叶变换的数字水印算法研究

提出一种基于实数傅里叶变换的数字水印新算法,利用Arnold变换将水印图像置乱,再将置乱后的二值水印嵌入到实数傅里叶变换域的相位中。实验结果表明,该算法具有良好的不可见性,对JPEG压缩、加噪等常见攻击具有鲁棒性。     

基于压缩感知的图像自适应编码算法

利用压缩感知理论对图像进行固定采样率的压缩并重构时,由于图像各个块的稀疏程度不同,低采样率很难保证图像各块都具有较高的重构质量,而高采样率又会造成资源的浪费.为了解决上述问题,提出了一种基于压缩感知的图像自适应编码算法,该算法首先判断图像各块在DCT域的稀疏度,然后根据判断结果对图像各块进行自适应的压缩采样,从而确保图像在较低采样率下能获得较高的重构质量.实验结果表明,运用所提自适应编码算法在采样率平均值为44%时,重构图像的平均PSNR值可达到35,dB以上,并且重构图像所有块的PSNR值分布比较集中,从而使得图像具有较好的主观质量.     

基于Tetrolet变换的自适应阈值去噪

提出一种新的阈值函数,在Tetrolet变换域中利用此阈值函数通过最小均方误差进行自适应图像去噪.此方法主要优点是利用图像Tetrolet变换的多尺度框架和方向性来保留原始图像的边缘和纹理等重要信息,同时在Tetrolet变换域中利用新阈值函数通过LMS算法来对图像自适应去噪.实验结果表明:该算法具有更高的峰值信噪比和更好的视觉效果,是有效可行的.