基于变换的图像压缩方法的特性分析

讨论了数字图像中的各种数据冗余,及应用基于变换的图像压缩方法消除这些冗余的方法;分析了各种变换压缩方法的特点及适用范围,对这些方法进行了比较;最后指出了这类方法的发展方向．     

基于冗余小波域的快速多分辨率运动估计算法

由于冗余小波变换具有平移不变特性,在冗余小波域进行运动估计可以达到比较好的效果。针对基于冗余小波变换的运动估计算法时间复杂度过高的问题,本文提出了一种快速的基于冗余小波变换的多分辨率运动估计算法。在此方法中,首先在冗余小波域对图像块进行运动剧烈程度划分,之后根据块类型的不同,采取不同的搜索策略。运动估计的过程首先在低频子带进行,之后在高频子带以小的搜索范围细化。实验结果表明,本文方法较经典的基于冗余小波变换的运动估计算法在估计精度以及时间复杂度方面都具有优势。     

基于小波变换系数去冗余的图像无损压缩方法

本文对基于DPCM与整数小波相结合的算法在无损图像压缩中的应用进行了深入研究.研究表明,分块图像数据经过整数小波变换后仍存在冗余,对这些冗余的数据进行分析,可通过DPCM编码,对变换后的数据做进一步的压缩.由于5/3整数小波变换的特性,其冗余信息主要分布在水平、垂直和对角线的方向.因此,本文在大量实验数据的基础上,提出了一种按照冗余信息的分布规律,构造出预测模板,再对变换后的不同的子带系数选择相应的、开销最小的模板进行残差系数冗余信息去除的方法.实验结果表明,所提出方法的残差系数的平均码长比原始图像的平均码长减小了2.61,总压缩率比JPEG 2000压缩率平均提升了4.63%,相比原始图像直接进行DPCM编码压缩率平均提升了6.16%,同时因其算法简单,非常适合于硬件FPGA上的实现.     

自适应冗余多小波及其在故障诊断中的应用

针对机械设备在运行过程中萌生的故障尚在特征不明显、特征信息微弱且往往被机械设备运行过程中的强噪声所淹没等给故障特征提取与故障定位带来了很大困难,提出了自适应冗余多小波的故障诊断方法.基于Chui-Lian多小波,依据信号特点采用两尺度相依变换方法,以谱熵最小为优化目标、遗传算法为优化方法,实现了冗余多小波的自适应构造.同时,对振动信号进行了冗余多小波分解,从而实现了对故障的准确定位及特征提取.将提出的方法应用于滚动轴承的故障分析和烟汽轮机的碰摩故障诊断中,结果显示,该方法可以有效地提高对机械设备在运行中产生故障的诊断能力.对比结果表明,该方法明显地优于传统的傅里叶变换、Db6单小波变换和原始CL3多小波变换等方法.     

基于DCT和RLE的灰度图像压缩方法

离散余弦变换具有很强的"能量集中"特性,图像信号的主要能量都集中在离散余弦变换后的低频部分,而图像高频部分的系数经常为零.为了滤除图像信号中各种相关性而存在的冗余信息,针对灰度图像提出了基于离散余弦变换和游程编码的压缩方法.该方法对给定的灰度图像进行离散余弦变换分块转换,并对转换后的高频部分进行域值量化,滤除高频分量,然后进行游程编码,实现灰度图像的压缩.最后在VisualC++6.0开发环境下对方法进行实验,仿真实验表明,在量化域值选取恰当时,可达到较好的压缩效果.     

基于水平集的彩色图像分割方法

实现了一种新的彩色图像融合分割方法。首先,通过对彩色图像进行YCbCr变换,提取其颜色特征。进一步,对亮度图像进行Gabor变换,提取其纹理特征。同时,为了消除特征向量的冗余,引入PCA变换对高维特征向量进行压缩。然后,采取向量C-V模型对提取的特征向量进行分割。最后,对分割图像进一步后处理,消除小的区域。真实彩色图像实验结果证明了方法的有效性。     

基于平稳脊波变换的图像降噪

有限脊波变换在Radon变换域中用正交小波处理点奇异,而正交小波变换不存在冗余性,因此在应用有限脊波变换进行图像降噪时会产生Gibbs现象。为了解决Gibbs条纹干扰问题,本文在有限脊波变换的基础上提出一种新的基于平稳脊波变换的图像降噪方法,其关键是引入一维平稳小波变换来代替正交小波变换对Radon系数矩阵进行处理。实验结果表明,与基于有限脊波变换的图像降噪方法相比,本文提出的算法具有更优的降噪性能,可使图像降噪后保持更好的边缘特征和视觉效果,振铃效应得到改善。     

基于自举法小波变换的零树量化编码方法

随着信息技术的发展，探索有效的图像编码方法，进一步压缩信息的带宽，以便利用现有的网络实现更优质的信息传输是一个极富挑战性的课题，小波变换和传统的正交变换相比有很大的优越性，小波变换的多分辨率牧场生使变换后的图像数据能够保持原图像在各种分辨率下的精细结构。为进一步去除图像中的冗余信息提供了便利，提出了一种基于自举法小波变换的零树量化编码方法，通过自举法与整数滤波器的结合来实现快速的小波变换，在图像编码过程中充分利用了图像小波变换系数的分布特征，采用了嵌入式零树量化编码方法，实验结果表明，该算法实现简单，可以达到很好的压缩效果。     

图像空间变换及MATLAB实现

图像空间变换是数字图像处理的重要技术之一,用于图像校正、图像匹配和图像变形等方面。在分析了图像空间变换的基础上,综合考虑了图像空间变换的各种情况,给出了图像空间变换的实例,提供了Matlab实现方法。     

用可变长短序列WHT芯片计算长序列Walsh—Hadmard变换

提出了能够将任一长序列变换有效地分解为一组定长的短序列变换的方法及算法，通过用短序列芯片计算这些短序列变换，从而可高速完成任意长序列的变换。     

特征提取方法在电能质量扰动识别中的应用

全面综述了特征提取方法在电能质量扰动识别中的应用。将电能质量特征提取方法划分为基于时频与非时频两种方法,重点对基于非时频方法的dq0变换法、FFT变换和基于时频分析方法的小波变换、S变换在电能质量扰动识别特征提取中的应用加以讨论,并对比分析了各种方法的利弊,对进一步研究的问题及今后的主要研究方向进行了展望。     

小波Contourlet变换图像压缩算法

为改进Contourlet变换冗余大的缺点,提出了一种小波Contourlet变换的图像压缩优化算法。实验结果表明,在高压缩率下算法具有优势。     

混淆中的控制变换研究

介绍了混淆的力量、弹性、执行代价和隐蔽性等性能及其度量问题,详细分析了混淆中的控制变换并给出一些具体的实例,控制变换分为:①计算变换.主要包括插入死的或不相关的代码、删除库调用和程序习惯用语、表解释、增加冗余操作、使代码并行化;②聚合变换.主要包括克隆方法和循环变换;③排序变换.最后对混淆变换的可能的研究方向和热点问题作了介绍.     

图像空间变换及MATLAB实现

图像空间变换是数字图像处理的重要技术之一,用于图像校正、图像匹配和图像变形等方面.在分析了图像空间变换的基础上,综合考虑了图像空间变换的各种情况,给出了图像空间变换的实例,提供了Matlab实现方法.     

映射滤波器信号复小波变换的物理特性

依据信号处理中全通滤波器的理论,设计了从L2(R)到Softy空间的无畸变映射滤波器,分析了该滤波器的特征,研究了在有冗余和无冗余条件下基于该映射滤波器的复小波正、逆变换.结果表明,基于映射滤波器的复小波变换在理论上是完全可行的.由于该变换具有相位信息,可用于阵列信号处理和信号的方向性检测.     

一种对信道差错鲁棒的多描述编码算法

结合过完备小波变换和凸集投影集(POCS)算法，提出了一种对信道差错鲁棒的多描述编码算法．该算法在编码器端采用过完备小波变换来引入冗余，并通过量化比例因子来调整编码中的冗余度；在解码器端使用POCS算法来重建图像．实验表明，该算法在删除信道中具有非常优良的性能，它不仅能利用冗余的小波变换系数来提高中心解码器的性能，还能利用冗余小波变换系数来克服信道差错．     

TM与SPOT5影像HIS小波融合方法及应用分析

选择北京密云水库及周边地区为实验区,在分析多源数据融合层次和各种融合方法的基础上,针对TM与SPOT5数据运用IHS变换融合法、小波变换融合法以及IHS小波变换融合法分别进行融合实验。在小波变换以及IHS小波变换融合法中,分别采用了二维连续与离散的小波变换方式,研究了小波变换层数以及低频与高频分量系数的选择结果对于融合效果的影响。最后运用主观定性以及客观定量评价方法,经对不同指标的权重计分建立详细的等级评定,对融合结果进行评判。结果表明:在所选小波方法中,二维连续2层小波效果较好,而IHS结合二维连续2层小波方法效果较为突出。     

基于平稳小波变换的邻域依赖自适应软阈值图像降噪

传统正交小波变换降噪方法会引起图像边缘失真,针对其不足,研究了平稳小波变换图像降噪。平稳小波变换去除了下抽样处理,包含在小波系数中的信息是冗余的,同时结合贝叶斯估计的自适应软阈值,提出了一种新的图像降噪算法。通过仿真实验将该方法与Winner2,VisuShrink,BayesShrink方法进行比较,试验结果表明,该方法不仅有效地去除了噪声,而且提高了图像的峰值信噪比。     

基于视觉特性的子波图象编码

提出了一种基于视觉特性的子波变换图象量化编码方法．这种方法首先通过子波变换将图象进行多分辩率分解；然后充分考虑人眼对图象的视觉效果，对子波系数进行量化和行程编码；最后针对子波系数量化和行程编码所得的码字分布特性，采用感知熵编码，实现编码码率趋近于图象的感知熵．采用该方法可在保证一定图象质量的情况下，消除冗余信息，提高图象编码的压缩比     

《数学分析》中的变换法

恒等变换法、分割变换法、映射变换法、幂级数变换法、傅里叶变换法、参数变换法、离散一连续变换法等是解决数学分析问题的重要方法,掌握和熟练运用这些方法对数学分析教学有重要意义．