小波变换视频压缩编码技术研究

从小波变换和其他应用于视频压缩编码的变换的对比出发，阐述了小波变换的优势所在并给出了小波变换的原理和特性。然后，提出了两种在小波变换编码中起重要作用的技术。一种是基于零树的编码技术，另一种是具有比特平面技术的信源划分编码技术。它们能够产生较低的视频编码速率和可嵌入式的视频流，同时，给出了这两种编码算法的思想。     

一种低比特率中文语音信息编码传输技术

研究一种中文语音信息编码技术．通过采用语音小波分析识别处理和语音信息特征编码，包括中文语音小波包分解、语音音素和音节声调识别、口音特征参数提取、语音信息和特征参数组合编码，这种低比特率编码技术理论上可将传输效率提高1倍．     

基于小波变换和对块零树编码压缩方法

提出基于小波零树的对块零树压缩编码方法。该方法既具有小波零树压缩编码高压缩比、宜于实时实现的特点，同时具有编码／解码速度快，易于实时传输等优点，可广泛地应用于各种低码率传输应用中。     

基于小波变换的无损编码算法研究

本文提出了一种基于小波变换的编码算法。该算法具有较高的压缩比，能够实现有损或无损压缩，能够提供分辨率可分级性，而且保持了原来的嵌入式零树编码所具有的优点。与整数小波变换结合恰当，所需的存储空间小，运算速度快。     

一种基于小波的实时音频编解码器

介绍并实现了一种基于小波的适于实时硬件实现的音频编解码器，对输入音频信号，首先进行差分脉冲预测编码，然后进行整数小波变换，最后进行量化和熵编码，解码过程和编码过程相反。经测试，在每声道64kbps左右，可达到与MP3相近的近似透明音质，且硬件成本低，实现简单。     

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。     

基于整数平方量化阈值和索引表的小波图像编码算法

一般小波变换，零树编码优点很多，但对于能量集中性较差的整形小波变换就显得力不从心。因此对整形小波变换存在的这一特点结合零树编码的优点提出了一种新算法。第一，根据整形小波变换后各子带系数幅值的动态变化较小；小波图像能量较一般小波差的特点，提出了利用整数平方作为量化阈值的整数平方算法，充分利用了整型小波变换；第二，提出一种基于索引表和游程编码的小波零树编码的新思路，简化了编码与解码的过程。     

一种基于小波变换的混合图像压缩方法

提出了一种基于小波变换的静态图像压缩方法．将图像作多次小波分解后，对高频系数进行适当量化以减少其符号数，然后对量化后的系数作Huffman编码及RLE编码．实验证明这是一种比较有效的编码方法，消除了方块效应，且该算法可得到不同的质量等级和比特率，适合网络图像传输．     

小波变换在图像压缩中的应用

介绍小波变换和多分辨率分析的基本思想．讨论基于小波变换的图像压缩编码的一般步骤与小波变换的特性，最后给出小波变换在图像压缩中的主要编码算法。     

一种基于小波变换的混合图像压缩方法

提出了一种基于小波变换的静态图像压缩方法，将图像作多次小波分解后，对高频系数进行适当量化以减少其符号数，然后对量化后的系数作Ｈｕｆｆｍａｎ编码及ＲＬＥ编码，实验证明这是一种比较有效的编码方法，消除了方块效应，且该算法可得到不同的质量等级的比特率，适合网络图像传输。     

二维小波在图像压缩方面的应用

讨论了二维小波分解和重构两种算法.给出了两种算法的比较和Matlab实现过程.结果证明,只保留原始图像中低频信息的压缩方法是一种简单的压缩方法,不需要经过其他处理即可获得较好的压缩效果.运用小波树进行图像压缩时,通常在给定小波基函数条件下,阈值越大,系数为零的数目就越多,重构图像文件压缩率也越高,重构的图像失真程度亦随之增大.     

小波变换及其压缩算法的应用研究

随着小波理论研究的不断深入,小波变换在图像压缩中的应用日臻成熟,本文分析了小波分解原理及小波变换实现图像压缩的一般步骤,着重介绍了图象压缩中小泼基的选取,以及对分解层数的考虑。     

小波图像压缩编码中小波基的选择技术研究

小波变换用于图像压缩时,小波基的一些性质对编码的效果有很大影响。分析了小波基的特性对图像编码的影响,提出了一种新的选择适合图像编码应用的双正交小波基的方法。研究了小波基评价标准,并通过实验,对图像压缩中小波基的选择问题作了探讨。     

动态心电数据的小波网络压缩算法

研究了心电信号的非平稳过程特性,从时间序列建模角度分析动态心电数据表示模型和压缩算法。采用小波网络作为建模工具,将原始心电数据映射为小波网络的参数作为数据重构信息,给出压缩/重建的实验结果并分析讨论。研究表明,小波网络压缩算法继承了小波变换和神经网络的优点。具有较好的压缩性能。     

正交样条的多分辨分析方法

构造正交样条函数,其性质与正余弦函数有些类似．应用正交样条函数,构造一种有别于小波分析的多分辨率理论,并给出递推公式．相对于小波分析,其在无损压缩方面的压缩量更大,效果更好．在信号分解等到方面,具有好的应用前景．     

一维信号小波压缩的能量动态自适应阈值算法

提出了一种基于小波系数能量的动态自适应阈值算法,用离散小波变换对信号进行多尺度分解,依据小波系数在各层的能量分布以及每层小波系数的能量集中度,获取每层小波系数的压缩阈值。通过这种方法,可保留大部分小波系数能量,并兼顾压缩率性能。经仿真验证,本文阈值算法在多种小波和不同的分解尺度上的压缩性能稳定,与Birge-Massart策略阈值和全局阈值比较,在压缩率和保留能量综合性能评价上优于Birge-Massart策略阈值和全局阈值算法。     

基于小波系数子树的分形图像数据压缩

目的 研究小波变换和分形编码在图像数据压缩中的应用。方法 根据小波变换后不同分辨率下图像的子带小波系数的相似性,通过分形非收缩仿射变换,利用低一级频率分辨的子带小波系数子树预测第一级频率分辨的子带小波系数子树,实现对图象的高效描述。     

基于小波包变换的三维荧光光谱数据压缩方法

基于db小波包变换,采用频率分级阈值方法对三维荧光光谱数据进行了压缩。建立了数据的小波包分解树,根据对数能量熵最小原则确定最优树,通过频率分级阈值方法对最优树中的小波包系数进行压缩,并且用实验获取的数据加以验证。实验结果表明,和小波变换相比小波包变换能够更有效地保留数据的细节信息。通过和其他阈值法比较可知,频率分级阈值法具有更好的压缩率和数据恢复能力,其压缩分数达到90%,恢复分数大于98%,谱线相对误差小于1%。平行因子分析重构光谱与原始光谱的结果表明,小波包压缩能有效保留有用信息。     

小波变换结合LZW压缩算法探究

为解决传统桥梁振动数据压缩方法存在的问题,在深入分析小波变换原理的基础上,提出了一种小波变换结合LZW的压缩算法。该算法针对桥梁振动数据的特点,根据小波变换多分辨率分析的特性,对分解后各级的高频分量采用Donoho阀值压缩算法进行量化处理。而后采用改进的LZW编码压缩变换后的系数,对实测数据进行了压缩实验,结果证明小波变换结合LZW的数据压缩算法可有效提高数据压缩比,能量恢复系数优于10-4,压缩比小于9.25%。     

应用时变小波包零树编码实现心电数据的高效压缩

为减少传统小波零树编码算法中孤立零的出现,以确保编码压缩后信号的熵减,提出了时变小波包零树编码算法,构建了最优小波包基下低冗余映射关系,同时考虑到心电信号自身的时域相关性,将时频域结合考虑,进一步降低了信息熵,最终明显改善了压缩效果.实验结果表明,该方法保留了小波零树编码可以实现累进传输编码的优点,并且取得了更好的压缩性能.