干涉高光谱图像的主分调制预测无损压缩

提出一种基于主分调制预测的高光谱图像无损压缩算法。将干涉高光谱图像分为空间方向和光程差方向,空间方向采用主分量预测算法来去除帧间冗余;光程差方向采用调制分量预测算法来去除谱间冗余。主分量预测采用两步预测算法,第一步采用四阶预测器得到预测参考值,第二步采用8级查找表搜索预测算法得到实际预测值,然后将参考预测值和实际预测值进行比较得出最后的预测值。调制分量预测采用线性预测得到调制预测帧。最后,根据主分预测帧和调制预测帧得到最终预测帧,从而得出残差帧,利用残差帧进行熵编码。实验结果表明,文中算法的平均压缩码率达到3.05bpp,与传统高光谱图像无损压缩算法比较,平均压缩码率提高了0.14~2.94bpp,有效地提高了干涉高光谱图像无损压缩码率。     

基于双向波段预测的超光谱图像无损压缩

为了解决超光谱图像海量数据无损压缩计算复杂度高、实时性差的问题,将预测树模型和双向多波段谱间预测算法用于超光谱无损压缩研究。在对超光谱图像进行基于预测树模型的谱内预测的基础上,通过双向谱间多波段预测,利用谱间局部统计冗余和结构冗余,建立了对预测树模型误差进行自适应补偿的预测器模型,设计了一种基于“权重”的方法。该方法利用已编码像素对系数进行自适应估计。采用SPIHT (Set Partitioning in Hierarchical Trees)算法对去冗余后的残差图像进行编码。试验结果表明,该算法在较低的计算复杂度下,压缩比优于目前流行的无损压缩算法。     

基于整数小波变换的MODIS多光谱图像无损压缩

为了解决MODIS多光谱图像数据的存储和传输问题,提出了一种基于整数小波变换和结合波段相关性判定的谱间预测的算法,对MODIS多光谱图像数据进行无损压缩.通过整数小波变换和波段相关性判定,有效地去除了MODIS图像数据的空间和谱间冗余,其压缩效果优于当今最流行的WinRAR、WinZip压缩软件,与基于三维预测(3D-DPCM)的方法相比,该方法也能得到较好的效果,有较高的压缩比.     

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.     

基于PCANet和SVM的病变眼底图像检测算法

针对眼底图像训练数据集少的问题,该文采用了无监督的主成分分析网络(principal components analysis networks,PCANet)和有监督的支持向量机(support vector mochine,SVM)相结合的算法,通过对彩色眼底图像视网膜渗出物特征的提取,检测出含渗出的糖尿病性视网膜病变眼底图像和正常眼底图像.在对眼底图像进行渗出物特征提取之前,为了减少对渗出物特征提取的干扰,首先对眼底图像进行图像预处理,包括去除冗余背景、通道分离、直方图均衡化、血管去除和视盘去除.无监督的PCANet不需要进行标签训练,与SVM结合,既节约了训练时间,又在训练数据集较小的情况下实现眼底图像的准确分类.实验结果表明:PCANet和SVM相结合的模型在准确性、灵敏度和特异值3个方面与相关方法比较都具有一定的提升.     

SPIHT的超光谱图像无损压缩算法

针对超光谱图像的特性及硬件实现的需要,提出了1种混合编码压缩方案.对超光谱图像序列首先进行谱间DPCM预测,再对残差图像进行(5,3)整数小波变换,最后对小波系数进行SPIHT编码.通过仿真验证该算法实现了无损压缩,压缩比平均可达2.34,优于算术编码,且算法复杂度低,易于硬件实现.     

改进的补色模板彩色插值方法

提出一种改进的补色模板CFA插值算法,其思路是直接对补色通道CMYG进行CFA插值;然后进行CMYG到YCrCb的色空间转换;对Cr和Cb两个通道进行滤波来抑制边缘杂色和伪彩色,然后再转换到RGB空间去。采用多种不同类型和特征的图像进行测试并与未经改进的原算法对比,表明本算法图像质量平均有2.88 dB以上的改善。     

CT图像混合压缩算法研究

计算机断层扫描图像数据量往往很大,不利于存储和传输.一种CT图像混合压缩算法被提出,利用CT序列图像间存在相关性,以第一幅图像为参考图像,将后续图像和参考图像进行差值运算,消除图像序列间冗余.同时对图像的感兴趣区域采用哈夫曼无损压缩,对非感兴趣区域采用类似于JPEG基线模式的有损压缩.实验结果表明,新提出的算法在保证CT图像质量的前提下,能够有效地提高压缩比,具有一定的临床应用价值.     

深度残差网络和LSTM结合的图像序列表情识别

为了改善图像表情和图像序列表情识别效果,针对传统表情识别特征提取复杂和效果不理想问题,提出了一种深度残差网络和局部二值模式(local binary patterns,LBP)相结合的特征提取方法,利用深度残差网络提取数据集的空域特征,长短期记忆网络(long short-term memory,LSTM)处理时域特征,实现空域与时域特征的结合。研究了不同层数的残差网络、不同形式的LBP算子以及其他网络结构对人脸表情识别的影响,对比了支持向量机和随机森林实现的序列表情识别算法。在Cohn-Kanade数据集和AFEW6.0数据集上进行了验证,实验结果表明,算法在验证集上的准确率分别为73.1%和58.4%,相比其他算法有一定程度的提升。     

基于边缘CFA内插特征一致性的图像拼接检测

为了有效检测数字图像是否被篡改,提出了一种新颖的数字图像拼接快速检测算法.首先,利用Canny边缘检测算子,依据阶跃性约束条件,筛选出阶跃型边缘像素点.分别针对自然图像中的阶跃型边缘和由拼接操作所形成的阶跃型边缘,建立垂直于边缘方向单像素序列的颜色滤波阵列(CFA)内插模型.通过计算该单像素序列的局部灰度直方图,设计CFA内插特征量,以测度拼接前后灰度水平级在直方图两端分布的差异.然后,基于此特征量,利用阈值法实现对自然边缘像素点和拼接边界像素点的分类,进而实现图像拼接检测与定位.标准拼接图像数据集上的测试结果表明,虚警概率仅为0.05时,本检测算法仍能达到0.97的高准确率.此外.该算法还具有较好的鲁棒性,可抵抗一定程度的JPEG压缩和模糊等后处理.     

基于PCA图像压缩算法研究与实现

PCA做为一种数据分析技术,它最重要的应用是对数据进行降维和去相关,将原有的复杂数据降维,揭示隐藏在复杂数据背后的简单结构.本文将该技术应用于图像压缩中,分析了现有的基于PCA压缩图像方法的优缺点,提出了一种新的算法提取图像主成分运用于图像压缩,并证明了该算法的收敛性,通过实验仿真,验证了该方法的正确性和可行性.     

A Low Complexity and High Efficient Method for Image Compression with Bayer CFAs

This paper presents a novel method of lossy image compression for digital colorful image sensors with Bayer color filter arrays (CFAs) based on an analysis of existing compression-first methods. An improved compression and decompression structure is described. The captured CFA raw data are firstly lowpass filtered in RGB space by a smooth filter followed by a down-sampling operation. Next, the data are transformed from RGB space to YCbCr space. Lastly, the filtered data in YCbCr space are compressed directly before full color interpolation to avoid redundancy. The presented method can provide a lower compression ratio and has lower complexity than both conventional interpolation-first image compression methods and other similar existing compression-first methods.     

Bayer格式图像压缩方法及FPGA实现

单片CCD或CMOS传感器数字相机采用CFA获得彩色图像信息。在分析Bayer格式图像特殊性的基础上,讨论了Bayer图像的几种压缩方法,提出了用色度空间和频域误差等多种方法评价压缩算法性能的方法,这些方法较全面地反映了算法的性能差异并为合理选择提供了依据。最后,提出了一种算法的FPGA实现方案,经验证其性能满足设计要求。     

基于贝尔模板的文本图像压缩及重构算法的研究

针对文本图像提出了直接对CFA原始数据进行压缩的算法,即首先把贝尔CFA图像从RGB色空间转换到YCrCb色空间,然后把不利于压缩的高频分量中比较多的亮度分量进行低通滤波,再用结构分离法把梅花形的亮度分量转化为矩形,最后分别采用JPEG2000压缩亮度和色度通道。为了估计解压恢复的CFA模板丢失的彩色分量,应用改进的自适应模糊匹配插值算法,对它周围四个相邻连接的像素分配一个模糊隶属度,从而利用相邻信息,且把这个隶属度作为加权平均工具来重构全彩图像。通过实验验证,这种贝尔数据直接压缩方法带来的失真很小,插值后恢复的全彩图像在主观视觉和客观质量评价中也能获得令人满意的效果。     

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。     

相对方向行程编码方法

本文提出了一种相对方向行程编码的压缩方法.这种编码方法较流行的等值线编码方法具有更好的压缩效果,进一步消除了等值线编码的冗余信息,从而可以达到更高的压缩比.文中描述了这种编码的原理和方法,给出了本方法的数据结构和编码、译码算法及实验结果.从几幅图象的实验结果来看,相对方向行程编码方法的压缩比大约是等值线编码方法的压缩比的3倍.     

基于二进神经网络的稀疏编码架构的图像无损压缩新方法

视频图像的高效无损压缩在海量的航空和遥感图像传输、珍贵的文物信息的保存等方面具有重要的应用价值,而目前的研究热点主要针对有损压缩,为此通过对现有的无损压缩方法的分析和研究,提出一种在稀疏编码与二进神经网络相结合的框架下建立新的图像无损压缩方法.首先借助二进神经网络中的线性可分结构系建立冗余字典,获得有效的稀疏分解基;再借助二进神经网络学习算法将图像映射为以线性可分结构系为神经元的二进制神经网络,在此基础上建立相应的模式匹配算法将每个神经元与冗余字典简历映射关系,通过稀疏系数建立原始图像的编码形式,进而实现了图像的无损压缩,并从理论上分析了该方法可以有效地提高压缩比,最后通过实验验证了该算法的有效性和通用性.     

一种基于压缩感知的图像去马赛克算法

文中提出了一种基于分块压缩感知的图像去马赛克算法.该算法首先将Bayer色彩滤镜阵列采样值等效为压缩感知理论中感知矩阵采样所得的压缩数据.其次通过结合Bayer色彩滤镜阵列自身特点训练分块稀疏字典.最后在训练所得稀疏字典的基础上利用分块压缩感知重构算法便可精确重构出Bayer色彩滤镜阵列采样结果.由于训练所得稀疏字典能有效降低与Bayer色彩滤镜采样阵列之间的相关性,因此文中所提出的图像去马赛克算法能有效对单一Bayer色彩滤镜阵列采样值进行重构.通过实验验证表明：新的图像去马赛克算法明显优于传统插值算法,重构所得彩色图像在去除假色影响的同时能完整保留原始图像的细节信息.     

遗传关联向量机高光谱影像分类

基于高光谱影像临近波段相关性高, 直接在高维空间分类并非最优,并且使用交叉验证进行分类器参数寻优过程繁琐,提出了遗传关联向量机（GA RVM）高光谱影像分类算法,使用遗传算法搜索面向关联向量机（RVM）的最优参数和特征子空间, 消除冗余信息, 简化参数优化过程.实验环节验证了GA RVM算法的有效性,剔除约50%冗余波段后,总体分类精度提高3%, 对难分地物改进尤为明显, 其中混分最严重的2种大豆精度提高了8%.