利用多尺度条件熵和记忆性度量估计图像无损压缩极限

为估计利用各类成像传感器自然获取图像的无损压缩极限 ,提出一个利用多尺度条件熵和记忆性度量的实用方法。传统方法进行高阶概率估计时由于上下文稀释问题而需要大量的训练数据 ,该方法借助多尺度的策略有效地缓解了这一个问题 ,从而可以利用有限的观测数据进行高阶条件熵分析 ,进而对无损压缩极限作出更为准确的估计。已进行的实验结果表明 ,该文提出的估计方法可以较好地适用于扫描仪、遥感、医学等各类成像传感器 ,为相关应用提供了可靠参考。     

L∞准则约束下的高质量灰度指纹图像压缩算法

为克服基于传统 L2 准则的有损图像压缩算法难以准确控制每一像素值的误差范围 ,因而可能丢失指纹图像特殊细节的缺点 ,提出了一个在 L∞ 准则严格约束下针对灰度指纹图像的高质量图像压缩算法。该算法以当前性能最优的无损图像压缩算法 CAL IC为基础 ,结合了根据指纹局部纹线走向所设计的分类线性预测器 ,并提出了准无损模式下根据量化器对熵编码器自适应调节的方案。对一组真实灰度指纹图像的实验结果表明 ,与 CAL IC算法相比 ,新算法在同样的最大误差下 ,平均比特率降低了 8% ,同时峰值信噪比(PSNR)提高了 1.2 d B。新算法在最大误差不超过± 3个灰度级的情况下 ,实现了 5∶ 1左右的压缩比 ,且比当前 L2 准则下性能最优的压缩算法之一 SPIHT明显具有更高的均方信噪比。