遥感图像的DCT域处理方法研究

目的在压缩域进行遥感数据处理，以简化运算，减少运算量，提高运算速度。方法通过离散余弦变换（DCT）实现遥感图像在空间域和压缩域间的变换，结合实例用两种滤波器对遥感图像在压缩域进行了处理。结果通过离散余弦变换，图像由空间域变到了DCT域，在DCT域用指数低通滤波器去噪，高通滤波器提取地面特征边缘信息。结论在压缩域进行遥感图像处理，不但可简化运算，减少运算量，而且可使处理速度大大提高。     

一种在压缩域内的帧类型转换方法

论述了在压缩域内将MPEG-2码流中的B帧或P帧转换为Ⅰ帧的方法。根据DCT变换的正交特性，在将运动补偿运算转换为矩阵相乘运算后，推导出压缩域帧类型转换的计算公式。针对采用半像素精度运动估计的帧，对相应公式做了修正。由于量化阶的选择极大影响转换过程中的失真程度和码率的大小，提出了一种重新计算量化阶的方法，利用压缩域的信息计算宏块的活动性，并由该活动性信息调整量化阶的大小。仿真实验验证了所提出方法的有效性。     

抗JPEG压缩的图像篡改恢复半脆弱数字水印算法

基于JPEG压缩的特性,设计并实现了一种抗JPEG压缩的半脆弱数字水印算法,用于图像内容完整性认证,篡改定位和恢复.在嵌入方,将恢复水印信息重复嵌入到原始图像所有像素的2 bit最低有效位;认证水印利用图像块的DCT变换系数和混沌迭代系统生成,并选择DCT变换的中频系数之间的关系实现嵌入.实验结果表明,该算法具有很好的抵抗JPEG压缩的能力,对局部发生的篡改可以有效地检测、精确定位并进行内容恢复.     

基于数字特征直方图的图像检索算法

提出一种在压缩域中基于随机变量数字特征累加直方图的图像检索算法,利用离散余弦变换(discrete cosine transform,DCT),计算图像块系数的数学期望和方差,通过期望和方差映射到坐标系的概率建立累加直方图并产生图像的特征向量,利用相关系数判定查询图像和数据库图像的差异。实验结果显示,此种方法检索精度高、速度快、计算量较小。     

一种DCT域实现图像分数倍尺度变换的方法

分析了块和其子块离散余弦变换(DCT)系数之间的变换关系，在此基础上提出一种直接在DCT域实现图像尺度分数倍变换的快速有效的算法．该算法不仅解决了先前算法无法在压缩域实现任意分数倍变换的问题，而且具有较好的效果和较小的运算量，该方法可广泛应用在MPEG、JPEG等基于DCT的压缩图像尺度变换中．     

高频特征与全局交互的人脸伪造检测

人脸伪造技术在娱乐大众的同时也对多媒体信息安全造成了很大威胁。针对现有的人脸伪造检测技术未考虑图像内容交互及压缩处理丢失伪造痕迹的问题，提出了一个基于高频特征与全局交互的深度人脸伪造检测方法。首先，利用缩放局部自注意力机制捕获像素之间的空间交互，实现全局交互。其次，利用高通滤波器放大高频微妙伪影，提高对压缩伪造内容的检测准确度。最后，结合空间域与频域信息，最大程度地捕捉图像上下文信息，有效提高模型的泛化性。在FaceForensics++和Celeb-DF数据集的实验结果表明，所提出方法比之前的方法具有更好的检测效果和泛化性能。     

利用Visual C++实现数字图像处理研究

在信息处理和信息传输中,为了提高处理和传输的效率并减少信息损失量,需要将大量信息进行压缩编码.数字图像处理中的变换域压缩编码技术是将图像信号以图像数据块为单位作二维变换,然后对各变换系数逐个地进行量化和编码,达到压缩信息的作用.离散余弦变换(DCT)在实数域中得到变换结果,并且有快速算法.本文通过Visual C 编程,对图像进行傅立叶变换(DFT)及离散余弦变换,通过分析比较原图像和经过变换后的图像,以及它们的直方图,比较DFT与DCT两种变换域分析方法和两种变换域分析法的特点.     

基于自适应和多混沌系统的彩色图像压缩加密算法

为了保护彩色图像信息的安全并便于保存和传输,提出了一种基于自适应和多混沌系统的彩色图像压缩加密算法.该算法首先利用量子混沌系统对按8×8分块后的整个图像进行置乱.然后,进行图像的RGB分离并转换为YCrCb,对YCrCb分量分别进行DCT变换和量化,再利用猫映射对量化后的YCrCb分量进行置乱,最后根据彩色图像自身的像素分布特征获取初始值,以DC系数和AC系数矩阵各行的均值作为操作数对Logistic-sine复合混沌系统进行扰动产生密钥,利用初始值和密钥自适应地改变DC系数和AC系数并进行多轮扩散.理论分析和仿真实验表明,该算法具有足够大的密钥空间,压缩加密效果好、安全性高,可以广泛地应用于多媒体数据的保密通信.     

压缩域DCT系数对图像视频检索影响的研究

通过对图像在原始数据域和压缩数据域上的表现差异性进行统计分析,进一步研究了基于DCT变换的图像视频压缩域部分解码DCT信息,并运用于MPEG4的编解码的程序实现。随后提出了一种提高压缩域图像视频检索效率的方法,进而针对IntelX86处理器平台改进了DC+2AC的快速算法。     

压缩感知图像的块子带自适应稀疏表示规则化重构

针对自然图像信号的非平稳特性和不同图像块的变换域系数的分布差异较大, 基于分块图像子带自适应 稀疏表示规则化,提出了一种新的压缩感知图像重构方法．先利用非局部相似块组估计每个分块图像变换域各子 带系数的均值和标准差,再将图像块各子带系数进行去均值并关于标准差归一化, 最后将去均值归一化处理的子 带系数的l₁范数表示用于规则化压缩感知重构．由于块子带自适应稀疏表示更加合理地表达了稀疏系数的重要 性,使得重构图像能够更好地保留纹理、边缘等细节信息．大量的实验结果表明: 相比组稀疏表示的压缩感知重构 算法,该方法重构图像的峰值信噪比平均提高了0.69 dB．     

基于遗传算法的优化DCT 图像压缩方法

为打破传统DCT(Discrete Cosine Transform)变换矩阵统一的束缚, 从离散余弦变换DCT 的基本原理及特点出发, 针对图像信息对DCT 变换矩阵进行优化处理, 实现对图像的高效压缩。将图像进行DCT 压缩后重构并与原图像进行比较; 利用遗传算法求最优解使其均方误差最小以优化DCT 变换矩阵的系数; 以优化后的变换核对图像进行处理。实验结果表明, 对线性边缘、纹理特征图像小分块处理基于遗传优化DCT 的算法在种群个数为40 ~ 60、字符串长度为8、交叉概率为0. 7 ~ 0. 8、变异概率为0. 007 ~ 0. 008 时, 图像压缩效果达到最佳。     

基于ASAM注意力机制的光场图像压缩方法

为了研究光场图像的空间信息和相似角度信息之间的差异性,提高光场图像的传输效率,提出了一种基于端到端网络的角度空间注意力模型（ASAM）注意力机制的光场图像压缩方法 .以卷积块注意力模型（CBAM）的注意力机制为基础,增强了相对角度特征,提高了压缩编码效率.稀疏图像采用H.266/VVC视频编解码器进行压缩,通过子孔径图像（SAI）网络恢复编码后的图像.结果表明,与现有的光场图像压缩方法相比,所提出的光场图像压缩方法具有较高的图像压缩性能,Bj?ntegaard-Delta比特率（BD-BR）降低了52.30%,Bj?ntegaard-Delta峰值信噪比（BD-PSNR）提高了3.33 dB.     

基于潜在特征重构和注意力机制的人脸图像修复

本研究针对现有图像修复方法不能有效地分离结构和纹理信息,修复结果往往会出现边界模糊、结构扭曲 等伪影问题,提出了基于潜在特征重构和注意力机制的人脸图像修复方法。 人脸图像修复方法分为两阶段,第一 阶段,通过结构重建器网络提取样式向量,按照 StyleGAN 所述的原理分为粗尺度特征、中尺度特征和精细特征三 组,插入到预先训练好的 StyleGAN 生成器中,产生初步的修复结果;第二阶段通过构建纹理生成网络并使用上下 文注意力机制,注意力分数由注意力计算模块计算,注意力转移模块根据较高级别特征图和注意力分数来填充较 低级别特征图中的对应缺失区域,以细化上一阶段初步的人脸修复结果。 在 CelebA-HQ 数据集上的训练并进行 测试,本文的方法在定量和定性分析两个方面均优于现有方法。 因此,基于潜在特征重构和注意力机制的人脸图 像修复方法能够有效地修复缺损人脸图像,大大减少了边界过度平滑和存在纹理伪影的问题。     

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.     

一种基于条件生成对抗网络的高感知图像压缩方法

针对如何获得符合人类视觉感知的压缩图像问题,提出了基于条件生成对抗网络的图像压缩模型(HPIC).在HPIC中,首先利用一个超先验概率模型对原始图像进行编码量化,将条件附加标签和残差模块相结合的生成器用于压缩图像的重建,基于深度卷积神经网络搭建的判别器则用于区分压缩后的图像和真实图像间的差异.损失函数是基于比特率-失真-感知优化理论来设计的,一方面选用基于预训练Inception网络特征值的感知失真指标来实现具有高感知质量的图像压缩重建,另一方面利用生成对抗网络损失来消除压缩伪影,提高压缩精度.实验结果表明,HPIC在比特率-失真-感知三重权衡中取得了较好的平衡,即使目前的常见算法使用两倍于本文算法的比特率,本文算法在所有的感知指标得分上均优于前者,HPIC仍能够实现具有高感知质量的压缩.     

多尺度残差注意网络的真实图像复原方法

为了提高基于深度学习网络方法在真实图像上的复原效果,提出了一种基于多尺度残差注意网络的复原方法。将退化图像输入到该模型中,利用浅层特征网络提取原始低质量图像的浅层特征;利用残差注意网络模块提取深层特征信息和通道相关性,使用局部连接和短跳跃连接进行残差学习;将浅层特征、通道相关性以及上下文深层特征信息输入到重构网络,利用具有不同感受野的特征进行图像复原。实验结果表明,相较于其他对比方法,该方法在图像去噪、图像增强和超分辨率等多个任务中获得最优的结果,能够在不引入伪影的情况下生成纹理细节丰富的清晰图像。     

基于变换域的图像压缩及Matlab实现

数字图像的数据量是巨大的,需要进行有效的压缩。为了实现图像数据的压缩,本文采用基于变换域的离散余弦变换(DCT)和小波变换的压缩方法,在Matlab环境下分别进行相关压缩实验,结果表明两种压缩方法具有简单、速度快、误差小的优点。最后对基于变换域压缩的基本思想进行了总结。     

一种基于分类的改进BP神经网络图像压缩方法

探讨了神经网络用于图像压缩和解压缩技术,实现了一种基于分类的改进BP神经网络压缩方法:按图像各部分像素特征将图像分为平滑块、中间块和边缘块,不同的分类块采用不同的隐含层数,从而在保证重建图像丰富细节的同时,提高图像的压缩比.同时,对3层BP神经网络进行优化,提高了网络的收敛速率,实验结果证明本算法在取得较大的压缩比的同时能保证图像的恢复质量.     

基于DCT域采样和重建的低码率图像压缩算法

本文构建了一种基于DCT域采样和超分辨率(Super Resolution, SR)重建的低码率图像压缩编码算法。在编码端对原始图像进行分块离散余弦变换（DCT）,并提取每个DCT系数块的低频系数,然后再反变换到空间域,从而得到在DCT域下采样的低分辨率（Low Resolution,LR）图像块。用JPEG标准对下采样图像块编解码后,采用基于学习的方法恢复DCT域高频系数,重建出高分辨率（High Resolution, HR）的图像。实验结果表明,在码率较低的情况下,本文算法比JPEG编码标准具有更好的率失真性能;同时,在相同码率下,本文算法重建的解码图像视觉效果更好。     

基于DCT的图像压缩算法及快速实现

分析了离散余弦变换（DCT）的基本原理和特点,给出了用DCT实现图像压缩的具体方法和步骤,并对DCT的快速实现提出了算法和硬件上的改进.仿真结果表明：基于DCT的图像压缩算法具有简单高效的特点,可以实现不同压缩比下的图像压缩.