基于结构纹理分解的改进图像压缩算法

用等级树集合分区(set partitioning in hierarchical trees,SPIHT)压缩结构分量所产生的误差一般情况下能体现高振荡的特性,比较符合纹理特点,所以将这部分误差信号叠加在纹理分量中形成一个新的纹理源,利用小波包变换进行压缩,提出了一种改进的基于结构-纹理分解的图像压缩处理算法.理论分析表明这是分层压缩问题中一种普适的有效策略.从实验结果可以看出,这种处理方式相对于现有的结构纹理分解压缩的方式而言,始终具有一定的信噪比增益,相对于目前的JPEG2000压缩标准及单一的SPIHT、快速小波包变换(FWP)等算法具有一定的优越性.     

小波SPIHT编码的DSP实现

小波变换编码属于图像压缩中的变换编码方法．它能将原始图像在频域内作多层分解，为压缩编码方法提供理想的变换域．集分割算法(SPIHT)是来源于零树编码的一种更为有效标志位编码方法．本文研究了基于小波分析的SPIHT编码压缩方法及其实时性能，并在TMS320C6701板上进行了实现．实验测得压缩解压时间仅为PC机上的1／8—1／7，运行速度较PC机有了较大提高．     

基于小波包的SPHIT算法在无损图像压缩中的应用

在无损图像压缩中,对于那些富含细节、纹理和边缘的图像中,重要信息大量集中在中、高频部分,而基于小波变换的压缩方法只对低频信息进行多次分解。针对这个问题本文提出基于小波包的SPHIT算法对图像进行无损压缩。对图像先经过整数（5,3）小波变换后,再对小波系数进行SPIHT编码,该方法运算速度快,硬件实现简单,实验结果表明,与其他的无损压缩方法相比,压缩比均有提高,是一种有效的无损图像压缩方法。     

遥感图像统计特性与压缩算法性能关系分析

根据图像小波分解系数的统计特性,建立遥感图像与普通图像的统计特性模型．通过数据压缩比与视觉门限相互关系分析,研究视觉无失真条件下遥感图像数据最大极限压缩比．SPIHT算法的图像压缩仿真实验表明了最大极限压缩理论的正确性和有效性．     

基于3D-CDF(2,2)和3D SPIHT的序列图像压缩编码研究

研究了3D DWT和3D SPIHT算法,用CDF（2,2）双正交小波为帧内小波变换的小波基,考虑到边界延拓效应,时间维小波变换也选用CDF（2,2）双正交小波为时间维小波变换的小波基,实验结果表明算法对于视频序列图像压缩是非常有效的,其压缩效果明显优于基于3D-DCT的压缩编码算法.     

提升小波变换二叉树图像编码算法

为进一步提高图像压缩质量,在研究二维离散信号采样的基础上,基于全相位列率滤波理论设计了全相位内插滤波器组,并将其用作小波变换提升格式中的预测和更新滤波器,对图像进行不可分离的二维小波变换.结合各分解子带小波系数金字塔排列的特点,借鉴经典的SPIHT小波编码算法的思想,提出了二叉树小波编码算法.对经典测试图像的实验结果表明,与SPIHT算法在相同编码比特率下做比较,在低比特率下,二叉树小波编码算法重建图像的峰值信噪比平均提高约0.5 dB,并且重建图像的主观质量也较好.     

基于图像压缩的PDF417条码数据存储

分析了PDF417二维条码的结构及压缩模式,要将静态图像存储在PDF417条码中就要对其进行高效的压缩,重点阐述了JPEG2000标准的核心算法的实现及优化.实验证明该方法完成了优质高效的压缩任务,从而达到了在PDF417条码内存储静态图像的目的.     

基于小波变换的图像压缩并行算法研究

小波变换用于图像压缩就是把图像进行多分辨率分解,分解成不同空间、不同频率的子图像。图像经过小波变换后被分割成不同频带,低频子带采用DPCM（差分脉冲调制）方法进行无损压缩,保证图像主要信息不丢失,其他于带采用改进的SPIHT（多级树集合分裂算法）编码方法提高压缩比,这样为算法的并行实现提供了可能。实验证明图像压缩的并行处理可以获得较小的时间开销。     

基于小波和神经网络的图像压缩方法

针对图像压缩中压缩率与图像质量的折衷问题。综合利用小波变换和神经网络各自的优点,采用小波和神经网络的方法进行图像压缩．该算法先对图像进行小波分解,保留低频系数,然后将高频系数输入训练的网络进行矢量量化编码达到压缩的目的．最后根据保留的低频系数和还原的高频系数重构图像．     

基于双正交小波包的图像压缩研究

介绍了小波变换的图像压缩模型和小波包在图像压缩中的优势,深入研究了双正交小波包在图像压缩中的分解与重构算法,构造了基于Shannon熵准则的双正交小波最优基,并应用MATLAB软件进行仿真实验,分析比较了双正交小波包和haar小波在指纹图像压缩中的性能,表明双正交小波包在边缘突变检测方面具有优良的性能。