固定压缩字典与分形图压缩编码

分形图像压缩字典是实现分形图像压缩编码的关键因素，而由Barnsley设计的传统的分形图像压缩编码字典的最大缺点是压缩字典随着压缩图像的变化而变化，因此，每压缩一幅图像，都要花很长时间去优化分形图像压缩字典，以便提高压缩编码的速度和保证重建压缩图像的质量。针对这一缺点，本文根据统计规律设计一个固定压缩字典对分形图像进行压缩编码，彻底地改变了Barnsley实现分形图像压缩编码使用变化压缩字典的方法。实验结果表明，固定压缩字典能快速地实现分形图像的编码，并具有部分分形图像的解码优点。     

基于STM32F4的图像压缩技术研究

提出了一种利用STM32F4微处理器实现JPEG静态图像压缩编码的方法.根据图像压缩编码的基本流程,重点讨论了图像编码中DCT变换的优化和实现,以及基于STM32F4的图像压缩处理过程.实验结果表明,采用基于DCT快速算法结合余弦系数查表法的压缩算法和STM32F4微处理器的静态图像压缩系统,与传统的基于DCT方法的系统相比,压缩速度提高了4倍,图像压缩比例可达14∶1,而且图像的峰值信噪比高于30,实现了对图像信号的实时、高效率压缩.     

融合全局和局部特征的光场图像空间超分辨率算法

光场相机传感器有限的空间分辨率阻碍了光场图像处理相关研究的进展.提出一种融合全局和局部特征的光场图像空间超分辨率算法,提高了对光场子视点全局关系建模的能力.由于光场相机捕捉的图像亮度较低,严重影响了超分辨率图像的质量,提出一个改进的4D零参考深度曲线估计网络（4D Zero-DCE-Net）,充分利用光场全部子视点信息来提高光场图像的亮度.为了解决光场图像空间分辨率低的问题,提出一个基于生成对抗网络的光场图像空间超分辨率网络模型.生成器包含三个部分：第一部分是Transformer和4D卷积以并行方式结合的网络结构,能以较浅的网络层捕捉图像的全局和局部细节信息;第二部分是一个交互融合注意力模块IFAM(Interactive Fusion Attention Module),能有效地融合上述两个分支得到的全局自注意力和局部细节信息;第三部分是一个重建模块PS-PA(Pixel Shuffle-Pixel Attention),能提高整个光场的空间分辨率.最后,利用相对判别器来指导生成器的训练.实验结果表明,提出的算法和其他算法相比,峰值信号比（PSNR）至少提升了1 dB.     

基于注意力机制和离散高斯混合模型的端到端图像压缩方法

图像压缩是图像处理领域重要的基础支撑技术之一。近年来,深度学习被用于解决图像压缩任务。潜在表示特征的冗余和概率估计的不准确往往会限制压缩性能的进一步提高。为了改善这类问题,提出一种基于注意力机制和离散高斯混合模型的端到端图像压缩方法。将全局上下文注意力模块嵌入到编码器,旨在构造紧凑的潜在表示特征。同时,将潜在表示特征建模为参数化的离散高斯混合模型,用于提高码率估计的准确度。实验结果表明,提出的算法无论在峰值信噪比(peak signal noise rate,PSNR)还是多尺度结构相似度(multi-scale structural similarity,MS-SSIM)指标上都高于传统方法。在视觉感知上,提出的图像压缩算法能产生更令人满意的压缩图像。     

基于光场图像信息解耦超分辨率重建研究

光场（LF）信息具有高维特性,重建任务中所需要的空间信息与角度信息在宏像素图中高度耦合.为了充分利用空间角度信息,提高超分辨率（SR）重建质量,提出一个改进的基于光场空间角度解耦机制的LF图像角度SR重建网络设计.考虑到图像中的不同特征对重建质量的影响,通过不同的通道分配机制改变各特征的影响程度,提高重建准确性,在堆叠特征提取层的同时,引入注意力机制,获取更加丰富的空间角度信息.在测试场景上的实验结果表明,所提出的重建网络在合成与真实场景里都有较好的重建效果.在两个合成场景数据集上峰值信噪比/结构相似性（PSNR/SSIM）参数分别为34.62/0.964与42.68/0.972,在真实场景上的PSNR/SSIM均值为39.67/0.990.     

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Harr小波提升格式的图像压缩方法

提出了一种哈达玛变换,离散余弦变换和小波变换相结合的混合型编码,即先采用哈达玛变换对图像压缩,再对处理后的图像用离散余弦进行压缩,最后采用提升Haar小波格式对图像进行了压缩,并引入零树小波分析,得到最优小波树.仿真结果表明,所提出的方法在灰度图像压缩效果方面优于一些传统的压缩方法.     

基于MATLAB的DCT变换及其在图像压缩中的应用

本文介绍了离散余弦变（DCT）的实现原理,并在MATLAB数学分析工具环境下,从实验的角度出发,对应用DCT变换压缩的重构图像与原始图像进行了比较。仿真实验表明,用MATLAB来实现离散余弦变换的图像压缩,具有方法简单,速度快,误差小的优点,可以大大提高图像压缩的效率和精度。     

基于最佳谱间预测与SPIHT的高光谱图像混沌压缩加密

针对高光谱图像传输安全性问题,提出一种将最佳谱间预测、SPIHT编码和混沌映射相结合的高光谱图像压缩加密算法.该算法采用最佳谱间预测与SPIHT的编码算法对高光谱图像进行压缩.压缩过程中,首先由Tent映射置乱初始化LIP,然后利用Lorenz三维混沌映射产生混沌值生成比特序列,编码过程中实时加密对图像重构起重要作用的数据,在压缩过程中实现图像加密.仿真结果表明：该算法密钥空间大,对密钥和明文敏感,同时能有效提高图像存储和传输效率.     

基于张量Tucker分解的彩色图像压缩

传统图像压缩方法基于向量数据进行压缩处理,破坏了高维数据的空间本征结构。为了克服传统方法的不足,本文提出了将彩色图像表示成高维数据张量( )形式,利用张量Tucker分解,取分解后的最大子张量及其对应的特征向量,并将其进行量化编码实现图像压缩。大量实验结果表明,在相同压缩比下,本文压缩后重构图像的峰值信噪比（PSNR）与传统JPEG压缩方法相比具有较大优势,并且在视觉上本文方法重构图像的颜色信息损失量较小。     

空域精细可扩展编码算法的研究

把精细可扩展编码的基本思想运用到空间域,提出了一种空域精细可扩展编码算法(S-FGS),在不损失压缩码率和重建图像质量的情况下,使压缩码流具备细粒度的空域可扩展性,提供了对网络带宽的灵活适应能力.在此基础上,提出了基于S-FGS算法的编解码系统模型,实现了静态图像的空域可扩展编码.实验证明,S-FGS算法的复杂度主要受扩展粒度影响,在一定粒度设置下算法是可行的.     

基于多尺度宽激活残差注意力网络的图像去块效应

为了节约传输带宽和存储资源,成像设备和系统一般对图像和视频进行了有损压缩. 由于分块量化编码,JPEG图像往往存在明显的块效应. 去除图像的块效应不仅能够改善使用者的视觉体验,还有利于其他计算机视觉任务的开展. 为此,本文提出了一种基于多尺度宽激活残差注意力网络（MWRAN）的图像去块效应方法. MWRAN主要由多尺度宽激活残差注意力模块（MWRAB）构建而成. 提出的MWRAB不仅能够激活更多的非线性特征以促进信息在网络中的流动,还能够捕获丰富的图像多尺度特征. 此外,通过提出的轻量的差异感知通道注意力（LCCA）,MWRAB能够对学习到的特征进行自适应地调整以关注更重要的信息. 消融实验验证了MWRAB的有效性. 在常用的基准数据集上,MWRAN取得了比几种先进的图像去块效应方法更高的客观评价指标和更接近原图的主观视觉效果.     

一种面向新型视频编码器的快速算法

为降低多功能视频编码标准(VVC)编码的复杂度,提出一种面向VVC的帧内快速编码算法.首先,根据视频内容的时空域相关性,使用反向传播(BP)神经网络对CU的划分深度进行预测;然后,使用统计概率对CU的划分模式进行选择;最后,编码时跳过不必要的划分模式以节省编码时间.实验结果表明,与原始编码器相比,该算法平均可节省59.82%的编码时间,且在同等编码质量情况下比特率的平均增加值(BDBR)仅为2.05%.     

方差剔除条件的快速分形图像编码方法

虽然分形图像压缩技术在高压缩比时具有高的重建图像质量,但是它编码过程耗时长导致了它难以在图像压缩领域广泛应用.为了减少寻找range块的最佳匹配domain块的时间,本文提出了基于方差剔除条件的分形编码方法,它利用均方根误差和方差关系的不等式,设置一个range块与domain块匹配搜索的提早结束条件来避免全搜索,从而减少编码过程的时间,实现加快编码速度的目的.计算机仿真显示,对5幅复杂性不同的测试图像,在影响解码图像主观质量很小的情况下,本文方案加快了基本分形编码算法的编码速度27倍.     

随机区间置换的安全算术编码及应用

基于压缩编码的加密方式能够同时完成加密和压缩的功能,通过压缩减少了信息的冗余,同时引入加密使对试图推测出明文信息和找到密钥的攻击具有非常好的鲁棒性。提出了一种基于随机区间置换的安全算术编码,在编码过程中通过随机密钥保证图像压缩编码的安全性,且不影响编码的效率,使其方便在网络中安全传输。实验结果和安全性分析表明该安全算术编码有较好的安全性和加密效率。     

一种基于灰度评价的图像分块压缩算法

针对分形图像压缩算法中匹配定义域块搜索存在的速度慢,只是局部最优的缺点,提出了一种基于灰度评价的图像分块压缩算法,即用灰度评价的方法来区分图像,同时,对映射集增加对比度和亮度的约束,从而大大提高了图像的可分性,压缩比和压缩速度,最后,用随机迭代的方法完成图像的解码,保真效果良好。优化了分形图像压缩编码方法。     

一种Alpha图像串匹配编码中熵编码的改进算法

在分析了Alpha图像的特征及其在串匹配编码过程中未匹配像素的分布情况之后，提出了一种Alpha图像熵编码的改进算法.该算法首先对未匹配像素进行滤波处理使其具有独特的分布性质，然后依据该性质进行分段编码以减少码流比特数，从而达到更好的压缩效率.实验结果表明，相比于LZ4HC，ZLIB，PNG等常用的压缩算法，改进算法具有编码效率高和复杂度低的优势.     

利用基础表提高图像编码效率的研究

按照图像子块的熵值组织基础表，通过对基础表表项数量的限制和编码前对基础表的加工，达到降低基础表大小的目的。同时，在预测编码过程中，对基础表项的利用并不要求信息严格匹配，而允许在给定阈值内进行模糊匹配，提高了基础表项的利用率，进而提高了压缩效率     

神经网络在图象压缩编码中的应用

讨论神经网络在图象压缩编码领域中的应用.针对图象矢量量化存在的分块效应问题,对Kohonen自适应模型进行了研究.应用了两个DCT的余弦变换域的特征值,结合Kohonen的自组织特征映射(SOFM)算法对图象元素分类压缩编码.计算机模拟实验表明,和单纯用神经网络直接进行矢量量化相比,应用这种技术的图象编码压缩比和译码图象质量都有明显的提高.     

一种新的基于编码的水印预处理算法

容量是隐形图像水印最基本的要求之一,为了提高水印的嵌入容量,提出了一种新的基于编码的预处理方法.首先对待嵌入的水印信息进行压缩编码和差错控制编码,然后将编码后的水印序列嵌入到载体图像的DCT系数中.理论分析和仿真结果表明,采用编码的预处理方法,有效地提高了水印系统的容量,且具有较好的不可见性,对一些常见的攻击(如高斯噪声、低通滤波、JPEG压缩)有很好的鲁棒性.