一种基于小波变换与分类矢量量化的图像压缩算法

为了提高数字图像的压缩比率,提出了一种将小波变换与分类矢量量化相结合的图像压缩算法.该算法首先对图像进行小波分解,充分利用不同尺度小波系数的相关性,并对不同尺度的子图使用分类矢量,不同类使用不同大小的子码书.为了解决高维矢量在算法实现时效率较低的问题,采用非线性插值对构造好的码矢量进行降维.实验表明,该方法在提高图像压缩比的同时,降低了算法的时间复杂度,从而提高了算法的效率.     

一种基于小波变换与分类矢量量化的图像压缩算法

为了提高数字图像的压缩比率,提出了一种将小波变换与分类矢量量化相结合的图像压缩算法.该算法首先对图像进行小波分解,充分利用不同尺度小波系数的相关性,并对不同尺度的子图使用分类矢量,不同类使用不同大小的子码书.为了解决高维矢量在算法实现时效率较低的问题,采用非线性插值对构造好的码矢量进行降维.实验表明,该方法在提高图像压缩比的同时,降低了算法的时间复杂度,从而提高了算法的效率.     

小波变换及图象的VQ压缩

利用小波变换可实现图象的多分辨率分解，但分解后数据量并没有得到压缩，用ＶＱ对分解后的细节图象进行编码时，根据分解后矢量的均值，方差分类设计码本，该方法不但可有效地提高编码时搜索速度，而且重建后图象的也有所提高。     

形态小波变换及其在图象编码中的应用

提出了一种基于形态学的非线性小波分析方法，并将这种形态小波分析方法应用于图象编码上，与一般的小波分解方法不同的是，该形态小波分解采用非线性方法，分解结果中图象特征更明显，图象编码压缩比更高，解码出的图象更加清晰；同时由于形态学是基于Minkowski加减基本操作并应用最大最小运算来实现，分解运算简单，速度快。     

采用离散小波变换和游程长度编码的图像压缩与恢复

为研究图像的压缩与恢复技术,提出了采用离散小波变换和游程长度编码实现图像的压缩与恢复．首先将原图进行3层离散小波分解,然后对分解后的子图分别采用游程长度编码实现图像压缩,最后进行游程长度解码和离散小波反变换实现图像恢复．通过对4张标准测试图像的MATLAB实验仿真,证明了该方法具有较高的压缩率和较小的压缩误差,尤其适合于邻度像素灰度值相关性高的图像．     

基于方向剖分的小波域分形图象压缩

该文提出一种新的分形和小波混合编码方法－基于方向剖分的小波域分形图象压缩方法：在将图象分解到小波域后，对各子图象，根据其所占能量的大小和所代表的方向纹理信息，采用不同大小、形状与类别的定义域块和值域块进行分形编码，经实验证明，这种基于方向剖分的小波域分形编码方法，在保证一定的还原图象质量的前提下，可以大大地提高了分形编码的速度，如果结合多层小波分解的分形压缩编码的预测法和零树法，还能进一步提高压缩率，从而使分形图象编码向实时应用迈进了一步。     

基于局域判别基空间能量的特征提取

针对模式识别中如何提取信号有效特征的问题,对信号进行小波包分解,求取小波包局域判别基,提出求取局域判别基的各子空间的能量,形成特征矢量的特征提取方法。利用Fisher准则函数进行特征选择,得到识别特征矢量。在水声模式识别实例中应用此方法提取特征矢量进行分类实验,取得良好的分类效果,验证了该方法的有效性。     

指节折痕线特征提取与识别算法

研究了一种基于灰度数学形态学和二维小波变换的指节折痕特征提取和识别算法.该算法首先利用灰度形态学对指节折痕子图进行预处理增强,通过选择合适的结构元素来施行对指节折痕子图图像进行灰度形态学处理,大大地改善了折痕线的对比度,然后利用二维小波分解的方法将增强后的图像进行二维分解,得到不同分辨率和不同方向的小波变换子图,最后根据折痕线的分布特征选择所需子图并计算它们的不变矩构成特征矢量来表征指节折痕特征.实验结果验证了方法的有效性.     

小波变换与矢量量化编码

图象的小波变换具有空－频同时局域化的性质，矢量量化编码能获得较高的压缩率，我们对原始图象经三轮小波分解形成１０个子带，对最低低频分子的子带采用标量量化，而对其余子带采用矢量量化编码。通过编码后的数据，能够重建原图，实验结果证明了这种方法有较好的效果。     

基于小波近似的分形矢量量化图像编码方法

本文把小波分解、分形、矢量量化有机地结合起来,提出基于小波近似的分形矢量量化图像编码方法(WA-FVQ-IC)。对原图进行小波分解及四叉树分割,形成小波近似的粗糙图像和分割块的统计平均值,小波近似的粗糙图像经变换构成变换的图像,并据此提取误差信号的码书,而后对误差信号进行分形矢量量化。本方法充分利用小波的多分辨率特性,构成差值信号分形矢量量化的码书,不需要外部训练,解码时不需要迭代,充分发挥了分形和矢量量化的优点。     

基于子波变换的数字图像压缩算法

提出了两种以离散子波变换为基础的数字图像压缩算法，其一，原始图像在子抽样后，通过一次正交子波变换，分解成一幅低频子带图像和３个不同方向的高频子带图像。对变换后的各子带进行统计特性分析，并结合人类视觉机理采取了不同的压缩编码策略。在解码端通过子波逆变换及双线性内插算法，原始图像可被较好恢复。     

基于双正交小波的快速矢量量化算法

提出了一种用于图象压缩的矢量量化算法．该算法通过构造符合图象小波变换系数特征的跨频带矢量,利用小波系数之间的相关性,提高了图象的编码效率和重构质量．同时,该算法又采用了两种新的矢量量化技术——非线性插补矢量量化（ＮＬＩＶＱ）和渐进构造聚类（ＰＣＣ）,提高了矢量量化的速度和码书质量．实验结果证明,该算法在比特率为０．１７２ｂｐｐ的条件下仍能获得ＰＳＮＲ＞３４ｄＢ的高质量重构图象．研究图象小波变换系数的固有特性是提高矢量量化性能的关键,而提高矢量量化速度是这类算法得以实用的重要前提．     

基于格型矢量量化的小波零树图像编码方法

把格矢量量化与小波零树编码相结合,提出了一种小波矢量零树图像编码新方法,其性能优于已报道的格型矢量量化小波图像编码方法和最成功的小波零树图像编码方法,而且其复杂度远低于已报道的格型矢量量化小波图像编码方法。实验结果证实了方法的有效性。     

一种基于自适应小波变换的矢量量化方法

运用小波变换进行图像压缩的算法其核心都是小波变换的多分辨率分析以及对不同尺度的小波系数的量化和编码.本文提出了一种基于能量的自适应双正交小波变换和矢量量化相结合的算法.即在一定的能量准则下,根据子图像的能量大小决定是否进行小波分解,然后给出恰当的小波系数量化.该方法充分利用了不同尺度间小波系数的相关性并采用自组织特征映射神经网络进行矢量量化.实验表明,该方法获得较高的编码效率和重构图像质量.     

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。     

一种基于小波分析的图像压缩编码方法

提出一种基于小波变换的图像压缩编码算法。即首先对图像进行小波分解 ,然后对高频子图像用改进后的LBG算法形成码书 ,进行VQ编码。算法充分利用了不同分辨率间各种子图像的相似性 ,仅对最高分辨率层进行码书地址索引 ,低频区域用DPCM编码 ,最低分辨率层用游程编码。模拟实验的结果验证了该算法在提高图像的恢复质量及降低位码率方面有一定的价值     

数字图像离散小波变换的原理与硬件实现分析

针对日益进步的图像变换编码技术，对目前已经纳入MPEG－4和JPEG2000编码标准的采用离散小波变换进行数字图像编码的原理与硬件实现进行了综述介绍。在分析小波变换快速算法的基础上，重点讨论了近10年来所提出的各种离散小波变换硬件实现的典型结构，在硬件资源与处理速度两个方面进行了比较。对于变换后的系数量化，总结了几种基于嵌入式零树小波编码的算法，比较其峰值信噪比和编码时间。相较于离散余弦变换进行图像编码，采用离散小波变换在压缩效率、还原图像质量上具有更大的优越性。     

图像的小波系数神经网络预测编码

提出一种图像的小波系数预测编码方法。在该方法中,原始图像被分解为一个小尺寸的低频图像和一系列不同方向的多分辨率细节子带图像（小波系数图像）,由于不同分辨率的小波系数图像具有相似性,故可用低分辨纺小波系数来预测同一方向相邻较高分辨率的小波系数。采用Ｂ－Ｐ神经网络作为非线性预测器有效地实现了这种预测,结果表明,利用这种编码算法可获得高图像压缩比。     

用于PACS系统的医学图象量化编码的算法

图象压缩是PACS系统的重要研究部分。作者研究了二维图象小波分解后系数的统计分布与拉普斯分布有很好的一致性；同时，由于不同幅度的小波系数在图象重构中权重的不同，在系数压缩编码时对不同权重的系数采用不同的压缩精度。由此，作者提出了一种适用于PACS系统的图象量化编码算法，该算法以各小波子带图象小波系数的重要统计特征-样本标准差为量化阈值选择依据，精确编码图象重构中权重较大的系数，还利用了人眼的频率视觉特性。实验表明，本算法具有计算简单、不同编码精度时被量化系数可预见的特点，同时在保证图象质量的基础上可获得较高压缩比。