基于能量分布的小波图像压缩方法研究

图像经过小波变换后,其能量聚集性、子带之间的相似性以及多分辨分析的特点使得小波图像压缩获得了很多的优势。如何有效地利用小波分解系数更好地表示图像信息是提高图像压缩性能的关键。本文从能量分布的角度讨论了基于小波变换后图像能量分布的特点,提出了两种根据系数能量的分布选择系数的压缩方法,通过试验和其它方法进行对比,按分解等级归类小波子带的压缩方法可提供更高效的压缩性能。     

基于多尺度特征提取的单目图像深度估计

在目前基于深度学习的单目图像深度估计方法中，由于网络提取特征不够充分、边缘信息丢失从而导致深度图整体精度不足。因此提出了一种基于多尺度特征提取的单目图像深度估计方法。该方法首先使用Res2Net101作为编码器，通过在单个残差块中进行通道分组，使用阶梯型卷积方式来提取更细粒度的多尺度特征，加强特征提取能力；其次使用高通滤波器提取图像中的物体边缘来保留边缘信息；最后引入结构相似性损失函数，使得网络在训练过程中更加关注图像局部区域，提高网络的特征提取能力。在NYU Depth V2室内场景深度数据集上对本文方法进行验证，实验结果表明所提方法是有效的，提升了深度图的整体精度，其均方根误差（RMSE）达到0.508，并且在阈值为1.25时的准确率达到0.875。