基于DCT域采样和重建的低码率图像压缩算法

本文构建了一种基于DCT域采样和超分辨率(Super Resolution, SR)重建的低码率图像压缩编码算法。在编码端对原始图像进行分块离散余弦变换（DCT）,并提取每个DCT系数块的低频系数,然后再反变换到空间域,从而得到在DCT域下采样的低分辨率（Low Resolution,LR）图像块。用JPEG标准对下采样图像块编解码后,采用基于学习的方法恢复DCT域高频系数,重建出高分辨率（High Resolution, HR）的图像。实验结果表明,在码率较低的情况下,本文算法比JPEG编码标准具有更好的率失真性能;同时,在相同码率下,本文算法重建的解码图像视觉效果更好。     

基于离散余弦变换域采样和重建的低码率图像压缩算法

构建了一种基于离散余弦变换(discrete cosine transform,DCT)域采样和超分辨率(super resolution,SR)重建的低码率图像压缩编码算法。在编码端对原始图像进行分块离散余弦变换(DCT),并提取每个DCT系数块的低频系数,然后再反变换到空间域,从而得到在DCT域下采样的低分辨率(low resolution,LR)图像块。用JPEG标准对下采样图像块编解码后,采用基于学习的方法恢复DCT域高频系数,重建出高分辨率(high resolution,HR)的图像。实验结果表明,在码率较低的情况下,算法比JPEG编码标准具有更好的率失真性能;同时,在相同码率下,算法重建的解码图像视觉效果更好。     

基于DCT的图像均衡多描述方法

多描述方法可将图像编码为多个独立的码流(描述),并通过不同的信道进行传输,因此能够解决不可靠信道传输时的丢包或差错问题.介绍了基于分块DCT的图像多描述编码,并在此基础上根据DCT系数的不同提出了2种多描述方法.实验结果表明,这2种方法在单个描述和两个描述的重构图像中都取得了令人满意的结果,并且所得到的2个描述之间具有...     

面向空气信道传播的DCT域音频数字水印算法

提出了一种基于双DCT变换的音频数字水印算法,通过选取首次DCT变换后的DCT域低频系数,对其再次进行DCT变换,得到双DCT域系数.通过修改双DCT域系数,实现水印的嵌入,并且嵌入量较大.实验结果显示,该算法隐藏效果好,对30%的重采样攻击和MP3压缩攻击具有很好的鲁棒性.而且,该算法能够适用于面向空气信道传播的场景,误码率可控制在1.2%～6.5%之间.     

基于人类听觉系统的DCT域数字音频脆弱水印算法

以离散余弦变换(DCT)及人类听觉系统(HAS)为基础,提出了一种将二值灰度图像(水印图像)嵌入到数字音频信号的脆弱水印算法.该算法首先对二值水印图像进行置乱变换并编码成一维二进制序列,再对数字音频信号进行分段处理并择段作离散余弦变换(DCT),最后依据人类听觉系统选择DCT域中高频系数进行量化完成水印信息的嵌入.实验结果表明:该数字音频水印算法不仅具有较好的透明性,而且对诸如叠加噪声、有损压缩、低通滤波、重新采样、重新量化等攻击均具有较好的鲁棒性.     

基于DCT系数和颜色直方图的图像检索

为有效描述图像的形状、纹理和颜色特征,提出一种基于DCT系数统计特征和颜色直方图的图像检索.首先,将图像中像素点颜色值在RGB颜色空间中量化到64色颜色空间,构建彩色图像的颜色直方图用于描述图像的颜色特征.然后,将图像划分为8×8子块,分别对各子块进行DCT变换.最后,根据各子块的DCT系数获得其两个统计特征,其一是计算各子块DCT系数的均值和方差,构建均值-方差直方图用于描述图像的纹理特征,另一个是根据各子块的前9个AC系数构建AC系数差值直方图用于描述图像的局部形状特征.结合颜色直方图、均值-方差直方图和AC系数差值直方图构成图像检索的特征向量.实验结果表明,算法有效描述了图像的形状、纹理和颜色特征,查全率和查准率均有提高,检索性能较优.     

基于非下采样Contourlet变换耦合近似度规则的多聚焦图像融合算法

当前多聚焦图像融合算法主要通过单一的比值取大法来完成高频系数的融合,忽略了不同高频系数间的近似度,导致融合图像存在模糊效应与块效应等不足,采用非下采样Contourlet变换耦合近似度规则对多聚焦图像进行融合,来改善以上不足。利用非下采样Contourlet变换对图像进行多尺度、多方向的分解,获取图像的高、低频分解系数。利用图像的区域能量对低频系数的信息量进行度量,构造低频系数融合函数,用于低频系数融合。利用图像的平均梯度差值对不同高频系数的差异度进行度量,建立近似度规则,根据不同高频系数的近似度采用不同的融合方法获取融合高频系数。将融合后系数通过非下采样Contourlet逆变换获取最后融合图像。仿真表明,所提算法与当前多聚焦图像融合方法相比,融合的图像具有较好的质量。     

基于变步长子空间追踪的DCT域非均匀采样图像重构

压缩感知是一种充分利用信号稀疏性的全新的信号采样理论。如何从采样得到的低维数据中高效地恢复出原始的高维数据是压缩感知理论的一个关键研究问题。本文基于图像二维离散余弦变换(Discrete Cosine Transform,DCT)系数的分布特性,研究图像DCT域非均匀压缩采样,并在子空间追踪(Subspace Pursuit,SP)算法的基础上,提出一种变步长SP算法,用以实现压缩感知图像的快速重构。该算法自适应地设置图像DCT系数矩阵中不同列向量的采样率,将有限的采样值尽可能地分配给高幅值系数较集中的列向量。在重建DCT系数列向量时,动态调整不同子空间内的原子搜索步长,在高幅值系数集中区域对应的原子子集中进行小步长密集搜索,而在其它原子子集中进行大步长快速搜索。实验结果表明,与基于SP算法的DCT域均匀采样图像重构算法相比,本文提出的基于变步长SP算法的DCT域非均匀采样图像重构算法在图像重构精度与重构算法运行时间方面均具有明显优势。     

基于非降采样剪切波变换的图像融合

文章使用了非降采样的剪切波变换方法对肺部PET-CT图像进行融合,将已配准的PET与CT图像进行多尺度分解得到低频系数和高频系数,使用加权平均法对低频系数进行融合,使用局部能量最大化方法对高频系数进行融合.与小波融合、轮廓波融合和剪切波融合进行对比,从实验角度验证了该方法的有效性.     

DCT和LBP特征融合的人脸识别

提出一种特征融合的人脸识别新方法.该方法将人脸图像中少量的低频离散余弦变换(DCT)系数用作人脸的频域特征;把人脸图像规则地分成多个子块,计算每个子块的局部二值图(LBP)编码直方图.这些子块的LBP直方图连接成一个空域全局直方图,作为人脸的描述向量.这个描述向量经过PCA降维后作为人脸的LBP特征.DCT特征和LBP特征分别归一化,然后进行特征融合.在ORL人脸库上的实验显示了所提方法比单独采用DCT或LBP特征的人脸识别有较好的性能改善.