多媒体数据压缩技术

简要地介绍了多媒体数据压缩技术,给出了数据压缩应遵循的原则,技术指标,常用编码方法及分类,基本原理与方法,同时介绍了声音及图像的压缩编码标准与方法,最后给出了压缩与解压缩的一个具体算法－－Huffman算法,并给出了其具体实现的例程。     

一种基于小波分解的图象分层分类矢量量化方法

作者提出了一种基于小波分解及采用自组织特征映射神经网络进行分层分类矢量量化的静态图像压缩编码方法。首先对图象进行了小波分解。利用不同分辩率级间小波子图的相似性,将最低分辩率层子图的矢量编码信息作为整幅图象的解码数据,并将其矢量分类和解码索引地址信息用于高分辩率层子图的码书训练。实验表明,和其他文献提出的方法相比,作者提出的方法在获得较好重构图象质量的前提下,提高了压缩比和编解码速度。     

基于局部变化率的无损图像压缩方法

介绍一种实现图像无损压缩的预测编码算法。该算法在预测阶段利用像素值的局部变化率来对预测模型进行自适应调整,在编码阶段采用误差反馈技术进一步降低误差图像的信息熵。对标准图像的仿真测试结果表明,该算法的性能明显优于国际标准化组织JPEG－LS提供的标准无损压缩算法。     

图像的无损压缩

预测编码方法是实现图像无损压缩的最基本的方法,分析了图像无损压缩方法,讨论了压缩算法中涉及的若干重要问题,评述了图像预测模型的研究进展。     

基于变换的图像压缩方法的特性分析

讨论了数字图像中的各种数据冗余,及应用基于变换的图像压缩方法和消除这些冗余的方法,分析了各种变换压缩方法的特点及适应范围,对这些方法进行了比较,最后指出了这类方法的发展方向。     

基于小波分析的图像压缩算法应用

以提高压缩比,减少失真度为目标,给出了基于Db小波基的具体推导过程。利用Mallat分解重构比较了Db小波和9—7小波的压缩效果。因此研究对于用小波变换进行图像处理等方面都有很好的应用价值。     

基于稀疏重建的压缩图像质量提高方法

为了克服JPEG2000中低码率压缩图像在边缘处表现出的明显振铃效应严重降低了图像的人眼视觉质量的问题,在迭代凸集投影理论基础上,分析了迭代去噪方法恢复图像变换域稀疏数据的机理,提出了JPEG2000压缩图像重建算法.该算法保持压缩图像在小波域中的非零系数不变,通过迭代去噪恢复其他位置的小波系数.结果表明：提出方法有效地增强了JPEG2000压缩图像沿边缘的正则性,提高了图像的主客观质量,图像峰值信噪比平均提高0.52dB.     

基于Contourlet变换的SAR图像压缩算法

针对小波变换不能充分表示图像的方向性信息,以及Contourlet变换过采样的问题,提出小波与Contourlet相结合的变换对SAR图像进行稀疏表示。分析了Contourlet变换系数的特点。采用固定阈值对小系数进行了剔除。最后结合游程编码对SAR图像进行压缩。实验表明,此方法较小波变换和Contourlet变换的SAR图像压缩方法有更好的效果。     

基于小波分析的BP网络含噪图像压缩算法的探讨

近年来BP神经网络在图像压缩技术中的应用已成为图像压缩的热点问题之一。与经典的压缩算法相比,具有更高的压缩比和重构图像质量。但实际上,原始图像经常受到噪声的污染,使得图像质量明显下降。通过研究小波图像去噪的方法,结合小波变换和BP神经网络,研究了基于小波域的BP神经网络图像压缩方法。先在小波域内对图像进行去噪,再用BP神经网络进行压缩,从而得到高质量的重构图像。结果表明,该算法对合噪声图像的压缩,获得了良好的图像质量,同时也证明了这种方法的有效性。     

基于小波变换的图像压缩编码方法研究

介绍了小波变换的基本理论以及基于小波变换的图像压缩编码与解码恢复过程。为了研究基于小波变换的图像压缩编码方法的优越性,通过实验与传统的离散余弦变换编码方法进行了性能的对比分析,实验结果表明：由于小波变换具有时间-频率局部化特性和多分辨率特性等优点,其能够更加有效地应用于图像数据压缩,可以达到更高的压缩效率,而且理论上可以获得任意压缩比的压缩图像。