EBCOT算法改进研究及实现

采用自适应相对距离最近阈值法对图像进行小波分解,从而得到不同级别不同序号的子带.将小波分解后的高频子带划分为4×4的局部块,在位平面编码时采用两种方法,即位平面0、1、2清除通道编码省略法和位平面6、7一次扫描法,提高了压缩比和编码效率.     

自适应分形矢量量化编码

提出了一种自适应分形矢量量化编码方法。对图像进行自适应四叉树分割,并构造粗糙的均值图像。误差图像进行分形矢量量化编码时,使用设计的自适应二维维纳数字滤波器,对收缩的均值图像进行滤波后,可构造好的码书。实验证明,本方法码书不需外部训练,解码不需要迭代,可以改善重建图像的视觉质量,使压缩比和PSNR都有明显提高。     

图像压缩算法的研究

采用自适应子带分解方法对原始图像经过基于提升算法的小波变换后进一步分解,对分解后的码块采用自适应相对距离最近阈值法将局部块划分为4类（平坦、过渡、弱纹理和强纹理）,对平坦局部块进行向量量化编码,对其余局部码块使用改进的位平面编码从而提高压缩比和编码效率．     

基于矢量量化和Huffman编码的图像压缩方法

实现一种数字图像压缩编码方法。该方法首先应用LBG算法对数字图像进行矢量量化编码,然后对矢量量化编码所得的最佳码书的索引进行Huffman编码。该方法的图像压缩比可以达到17.2：1。     

一种改进的立体图像编码算法

为了提高左图像的编码效率,提出了一种新的基于自组织神经网络的立体图像编码算法(SOM VQ DE),SOM-VQ DE算法对右图像采用视差估计补偿技术(DE)编码,对左图像则使用基于自组织特征映射算(SOM)的矢量量化编码来取代传统的JPEG方法,矢量量化与视差估计的残差均使用DCT 霍夫曼进行编码.对立体测试图像Pentagon的实验表明,SOM VQ DE算法能够有效地提高左图像的压缩效率:1)在压缩比均为6.5.1时,SOM VQ DE算法的PsNR较JEPGqG DE算法提高了2.42 dB;2)在PsNR均为30 dB时,SOM VQ DE算法的压缩比改善是JPEG DE算法的1.8倍.     

基于小波包矢量量化图像压缩方法

提出了一种新的数字图像压缩方案——基于小波包的区域联合矢量量4g(WPVQ)．WPVQ压缩方案充分利用了小波分析的三个重要特点，即零树特性、多层分解和适合跨区域联合编码．在具体实现过程中，WPVQ又采用了一系列措施来提高信噪比并降低算法复杂度．计算机模拟实验表明，同采用嵌入式零树编码(EZW)的JPEG2000相比，WPQ可以在高压缩比情况下保持良好的信噪比和主观效果，尤其适合于对图像进行高压缩比的压缩处理．     

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.     

基于新的父块库分类的自适应图像分形编码算法

图像编码在数据存储和传输领域有着广泛的应用,全自动分形图像压缩算法是实现高压缩比图像编码的有效途径之一.本文在自适应四叉树分形编码基础上提出了一种改进的父块库分类的算法.该算法将父块划分为四个部分,以各部分的灰度均值和平稳阈值为判定标准,将父块库划分为两个大类和六个小类,大幅度降低了父块库的冗余程度.通过对图像的编码与解码计算,发现改进算法在加速搜索的同时,可以大幅度地提高图像的峰值信噪比.其中,平稳阈值是影响编码时间的主要因素,适中的平稳阈值能够保证最短的编码时间.     

基于自适应分割和自适应量化的图像压缩算法

为弥补JPEG算法不能自适应不同属性图像的不足,提出一种基于自适应分割和自适应量化的图像压缩算法.利用多闲值分割将图像分割成不同尺寸的平滑子块和细节子块,不同子块采用不同DCT变换和量化方式.本文定义的压缩-信噪比增益(CPR)同时考虑了压缩比(CR)和峰值信噪比(PSNR),可有效评价图像压缩效果,实验结果表明,与传统JPEG算法相比,该算法在PSNR相同情况下,能够获得更高的CR;或者在CR相同情况下,能够获得更高的PSNR.     

一种基于小波变换与分类矢量量化的图像压缩算法

为了提高数字图像的压缩比率,提出了一种将小波变换与分类矢量量化相结合的图像压缩算法.该算法首先对图像进行小波分解,充分利用不同尺度小波系数的相关性,并对不同尺度的子图使用分类矢量,不同类使用不同大小的子码书.为了解决高维矢量在算法实现时效率较低的问题,采用非线性插值对构造好的码矢量进行降维.实验表明,该方法在提高图像压缩比的同时,降低了算法的时间复杂度,从而提高了算法的效率.