用于图像压缩的小波变换编码

提出了一种二维小波变换编码方案，使用塔形算法结构将图像沿水平与垂直方向分解成一组多分辨率子图像。根据小波系数的统计特性和人类视觉特性，对小波系数进行门限量化，推导了量化门限与量化间隔的计算公式，量化后的多分辨率子图像采用自适应分块编码进一步进行压缩。计算机模拟结果证明了本方案的优越性能。     

采用视觉加权自适应阈值量化的彩色图像小波编码方法

提出了一种基于视觉特性的彩色图像小波变换编码方法。该方法是以一种简单的灰度图像小波编码方法为基础,首先通过小波变换将图像进行多分辨率分解;然后对彩色分量的高频子带数据进行适当的抛弃;对小波图像的高频数据采取自适应阈值量化方法克服恢复图像中的分量独立点噪声污染现象;最后根据小波系数的码字分布特征,采用行程编码结合Huffman编码。该方法可保证重建图像的主观视觉效果良好,而且具有较高的压缩倍率。     

采用视觉加权自适应阈值量化的彩色图像小波编码方法

提出了一种基于视觉特性的彩色图像小波变换编码方法.该方法是以一种简单的灰度图像小波编码方法为基础,首先通过小波变换将图像进行多分辨率分解;然后对彩色分量的高频子带数据进行适当的抛弃;对小波图像的高频数据采取自适应阈值量化方法克服恢复图像中的分量独立点噪声污染现象;最后根据小波系数的码字分布特征,采用行程编码结合Huffman编码.该方法可保证重建图像的主观视觉效果良好,而且具有较高的压缩倍率.     

静态小波域内特征对比度多聚焦图像融合算法

针对多聚焦图像融合问题,提出了一种新的基于提升静态小波变换(lifting stationary wavelet transform, LSWT)的多聚焦图像融合方法。对经LSWT分解得到的不同频域子带系数采用不同的系数选择方案。在融合低频子带系数时考虑到人眼视觉对图像局部对比度比较敏感的特性,引入了一种新的局部特征对比度的概念,并给出了低频子带系数的选择方案。在融合高频子带系数时,充分考虑到人眼视觉对图像边缘细节比较敏感的特性而对单个像素的亮度不敏感的特性,引入了一种适应于高频子带系数的特征对比度的概念,设计出一种基于特征对比度的系数选择方案。实验证明,算法相对于传统的基于图像对比度的图像融合方法,能够提取更多的有用信息并注入到融合图像中,得到视觉效果更好,更优量化指标的融合图像。     

一种基于自适应小波变换的矢量量化方法

运用小波变换进行图像压缩的算法其核心都是小波变换的多分辨率分析以及对不同尺度的小波系数的量化和编码.本文提出了一种基于能量的自适应双正交小波变换和矢量量化相结合的算法.即在一定的能量准则下,根据子图像的能量大小决定是否进行小波分解,然后给出恰当的小波系数量化.该方法充分利用了不同尺度间小波系数的相关性并采用自组织特征映射神经网络进行矢量量化.实验表明,该方法获得较高的编码效率和重构图像质量.     

图像的小波系数神经网络预测编码

提出一种图像的小波系数预测编码方法。在该方法中,原始图像被分解为一个小尺寸的低频图像和一系列不同方向的多分辨率细节子带图像（小波系数图像）,由于不同分辨率的小波系数图像具有相似性,故可用低分辨纺小波系数来预测同一方向相邻较高分辨率的小波系数。采用Ｂ－Ｐ神经网络作为非线性预测器有效地实现了这种预测,结果表明,利用这种编码算法可获得高图像压缩比。     

一种小波加权局部对比度的医学图像融合方法

针对利用小波变换进行医学图像融合存在的问题,提出一种基于小波变换的加权局部对比度的医学图像融合方法,该方法在低频子带采用区域标准方差的融合规则.由于人类视觉系统对局部对比度比较敏感,高频子带根据小波变换的方向特性采用加权局部对比度的融合规则,结合人眼视觉特性给出了加权局部对比度的系数选择方案,该规则更加符合生理视觉的特性.实验结果表明:该方法与传统融合方法相比,得到具有更好视觉效果和更优量化指标的融合图像.     

基于CL多小波变换的自适应数字水印算法

根据CL多小波的特点,提出了一种把视觉系统掩蔽特性结合到水印编码过程中的基于CL多小波域的自适应数字水印算法.首先利用小波系数的树结构关系对最低分辨率子图像的第一分量进行分类,然后根据分类的结果将不同强度的水印分量嵌入到这些小波系数中.实验结果表明,该水印系统具有良好的透明性和鲁棒性.     

基于形态学膨胀操作的小波图像压缩编码算法

提出了一种基于形态膨胀运算的对子带间重要系数位置信息进行联合编码的新型小波图像压缩编码算法。该算法首先对同一分辨率下水平、垂直、对角线子带内重要系数的位置信息统一表示在一个子带中，然后依据小波图像的能量聚类特性，采用一种形态膨胀编码算法来对重要系数的位置信息进行高效压缩编码。试验结果表明，该算法要优于零树小波图像压缩编码算法。     

一种基于能量分布特性的小波去噪算法

目前对于保持图像细节、滤除噪声,普遍采用空间域、频率域滤波．在空间域滤波,尽管能够有效地限制噪声,但是同时模糊了图像细节．因此,在频率域滤波的方法越来越引起关注．在小波频率域中,我们常常采用Donoho阈值方法处理小波系数来以此去除噪声,保留图像细节,然而该方法同时也一定程度上模糊了图像细节．小波变换具有良好的时、频局部化性能,图像经过多级小波变换得到不同分辨率的子图个数,各高频子图上的小波系数具有相似的能量统计分布特性．也就是说随着分解层数的增加,分辨率最低子图的小波系数范围最大,而高分辨率子图上大部分数值接近于0．因此,该文提出了一种新的基于能量分布特性的小波去噪算法(WCED)．     

基于小波的图像检索方法

结合小波系数统计特性的方法进行图像检索。由于小波系数提供了重要的方向信息,图像的小波系数的统计分布具有广义高斯分布特性。利用小波变换系数的统计特性,描述图像子带小波系数统计的特征矢量。结果表明,色度矩和小波系数统计特性相结合是一种有效的图像检索方法。     

基于Cont ourl et系数方向扫描格型量化的多描述图像编码算法

提出了一种基于Contourlet变换方向的多描述格型矢量量化图像编码算法。利用Contourlet变换所具有的多尺度、多方向的特点解决小波变换在多描述格型矢量量化过程中对输入的图像方向信息不充分的局限性。对Contourlet变换后的系数按照子带中方向特征划分区域设计相应的扫描方式对系数进行重新排序;然后采用基于几何相似的六边格矢量量化方案的多描述编码方案对图像进行编码。实验结果表明,文中策略对单路信道解码图像的峰值信噪比较传统方案具有一定程度的提高,同时重构图像较好地保留了原图像的纹理、边缘等几何信息。     

基于神经网络的小波变换矢量量化图像压缩

根据神经网络的特性，提出了一种基于小波变换的矢量量化图像数据压缩方法，基本思路是利用小 变换实现图像的多分辨率分解，用矢量量化（VQ）对分解后的图像进行编码，利用神经网络做矢量量化编码器，从而实现通过神经网络的鲁棒性来加强对某些非典型矢量的容错能力，结果表明，该方法提高了整个系统的性能，最终提高了重构图像的质量。     

基于自举法小波变换的零树量化编码方法

随着信息技术的发展，探索有效的图像编码方法，进一步压缩信息的带宽，以便利用现有的网络实现更优质的信息传输是一个极富挑战性的课题，小波变换和传统的正交变换相比有很大的优越性，小波变换的多分辨率牧场生使变换后的图像数据能够保持原图像在各种分辨率下的精细结构。为进一步去除图像中的冗余信息提供了便利，提出了一种基于自举法小波变换的零树量化编码方法，通过自举法与整数滤波器的结合来实现快速的小波变换，在图像编码过程中充分利用了图像小波变换系数的分布特征，采用了嵌入式零树量化编码方法，实验结果表明，该算法实现简单，可以达到很好的压缩效果。     

基于整数小波变换的数字水印算法

数字水印技术作为数字产品版权保护的一项新技术,已受到越来越多的关注.鉴于小波变换的多分辨率分析与人眼的视觉特性(Human Visual System,HVS)相一致,提出了一种基于整数小波变换(Integer Wavelet Transform,IWT)和人类视觉系统特性的灰度图像数字水印算法.根据原始灰度图像的整数小波系数高、低频分量的特点,选择原始图像的中频分量嵌入水印,利用HVS特性将二值水印图像加密后嵌入到中频分量的整数小波系数中去,更好地兼顾了水印不可见性与鲁棒性之间的矛盾.采用整数小波变换可以有效地避免运算过程中引入量化误差的缺陷,从而达到精度上的要求,满足图像的精确分解与重构.实验证明,对锐化、JPEG2000压缩和旋转等图像处理均具有很强的抵抗能力,复杂度较低,实用性较强.     

低比特率Bandelet域图像压缩编码算法研究

Bandelet变换是一种优秀的多尺度几何分析工具,其不仅具有良好的方向性和各向异性,而且能够自适应跟踪图像的几何正则方向.以第二代Bandelet变换为基础,结合Bandelet变换系数分布特性,通过建立最小四叉树、确定最佳量化阈值、构造Bandelet系数自适应扫描方式等措施,提出了一种新的Bandelet变换域图像编码方案.该图像压缩编码方案首先对原始图像进行二维Bandelet变换,并对最低频子带小波系数进行DPCM编码;然后构造最小四叉树并进行四叉树编码,同时进行最佳几何流编码;最后结合最佳量化阈值确定、高频子带自适应扫描等措施,对Bandelet系数进行均匀量化编码.实验结果表明,提出的Bandelet变换域图像编码方法是一种高效的图像压缩算法,不仅其压缩效果明显优于SPIHT、Peyré等图像压缩方案(特别是低比特率下),而且具有比较强的通用性与适应性.     

基于小波变换的图像压缩和去噪处理

小波变换用于图像处理的基本思想是：对压缩的图像进行多分辨率分解,然后再对子图像系数进行量化压缩.对含噪图像经小波分解后,图像信息将反映在高频区域,基于小波变换的降噪处理在小波系数的高频部分进行,根据图像特点构造消除噪声的方法.本文通过仿真进行实验,借助实验结果直观展示小波在图像处理中的强大功能.     

基于小波变换的图像矢量量化方法

从人眼视觉特性的角度研究基于小波变换的图像压缩算法。分析了图像经小波变换后得到的子带图像的视觉特性和统计特性，对传统的矢量量化算法给予改进，提出了一种基于小波变换，符合人眼视觉特性的矢量量化－Ｗａｌｓｈ－Ｈａｄａｍａｒｄ变换域下的矢量量化算法。     

基于小波变换的图像增强算法

根据小波的时频特性及多分辨率特点,提出了一种基于小波变换的图像增强算法,对图像小波变换得到不同分辨率下表征图像低频及高频信息的小波系数,对小波系数单支重构,对各分辨率下低频单支重构信息分段线性增强并线性叠加,增强图像低频轮廓;对各分辨率下高频单支重构信息分段线性增强并线性叠加,增强图像边缘。实验结果表明:算法具有很高的灵活度,既可以实现对图像轮廓的增强,也可以实现对图像边缘的增强。     

基于比特平面SBI变换的遥感图像无损压缩

提出一种基于子块互换(subblock interchange,SBI)的遥感图像无损压缩方案.采用小波变换对遥感图像进行分解,将生成的频域数据按不同比特平面分别进行SBI变换并用算术编码进行压缩.该方案改进了基于列的扫描方式,将小波系数按幅值大小进行重新排序,根据SBI变换后数据特点取消了文本压缩中常用的前移编码(MTF),在降低复杂度的前提下提高了压缩率,同时具有信噪比和分辨率可扩展特性.