基于奇异值分解(SVD)的图像压缩

根据奇异值分解的基本原理及其特点,给出了运用奇异值分解进行图像压缩的方法.通过简单的例子说明了该方法进行图像压缩的基本过程,给出了压缩流程.并通过MAT-LAB编程对实际图像进行处理,表明了该方法的有效性.     

基于奇异值分解自适应图像压缩的优化算法

结合图像质量评价体系,在基于奇异值分解的动态压缩比优化方法的基础之上提出一种新的优化算法.该优化算法可以解决基于奇异值分解的动态压缩比优化方法中不能根据不同图像的特点对每幅图像自适应地进行图像压缩的缺陷,并能根据需求,预先设定压缩图像的质量范围,使压缩图像达到指定的压缩率或清晰度,从而满足指定的要求.经实验证明,该优化算法切实可行,具有较高的实用价值.     

奇异值分解在储粮害虫图像复原中的应用

针对储粮害虫图像复原中点扩展函数矩阵的逆矩阵不存在的情况,提出了一种用奇异值分解和Moor-Penrose广义逆来实现图像复原的方法,通过将矩阵作奇异值分解再求其Moor-Penrose广义逆.计算结果表明,与传统方法相比,该方法在复原由运动造成的图像模糊方面能取得较好的效果,复原的图像比较清晰.     

采用图像几何校正和分块压缩感知测量值奇异值分解的鲁棒水印技术

针对直接在图像压缩采样测量值上嵌入水印的方案对常规攻击和几何攻击鲁棒性差的问题,提出一种基于图像几何校正和分块压缩感知测量值奇异值分解(SVD)的鲁棒水印方案.对测量值的奇异值进行量化嵌入水印,并在水印检测前,用图像归一化技术对受到几何攻击的含水印图像进行几何校正,确保水印可以被正确提取.实验表明:该方法提高了水印对常规攻击和几何攻击的鲁棒性.     

基于压缩感知与小波域奇异值分解的图像认证

提出了一种基于压缩感知与小波域奇异值分解的图像哈希认证新方法.该方法首先通过小波变换得到图像的低频子带,然后对低频子带进行基于块的奇异值分解,最后对产生的最大奇异值数组进行基于压缩感知的随机投影,产生哈希认证信息,并偕同原图像传送到接收端.图像接收端通过比较哈希信息完成图像认证,并通过利用传递的哈希信息重建原始图像的奇异值,进一步映射奇异值差值到图像像素域,从而实现对图像篡改的识别与定位.大量实验结果证明了该方法的有效性.     

基于SVD的无线多媒体传感器网络图像压缩机制

针对无线多媒体传感器网络图像压缩问题,从节点协作特性出发,提出了一种基于奇异值分解的图像压缩传输方案.首先研究了基于SVD的分块图像自适应压缩算法,以平衡网络能耗为目标,将相机节点和普通节点按照角色分工,协作完成图像采集、压缩和传输工作.相机节点负责采集图像信息,然后将图像分块发送给簇内普通节点;簇内普通节点对分块图像进行自适应压缩并将数据发送给簇头节点;簇头节点再将压缩后的数据转发至基站.仿真结果表明,提出的网络拓扑方案和图像压缩传输机制极大地缓解了图像采集节点的能耗压力,有效地平衡了网络的节点能耗.与JPEG2000协同图像压缩方案相比,基于SVD的图像处理方案的网络总能耗更少;且后者能够有效地对图像进行压缩传输,平衡网络能耗,延长整个网络的生命周期.     

基于数字实例的奇异值分解教学研究

考虑到奇异值分解涉及的理论性较强,试图从奇异值分解的基本原理出发,通过图像压缩与恢复和图像降噪2个具体的实例,结合MATLAB数学软件来阐述奇异值分解的作用,注重应用奇异值分解理论解决相关的实际问题,以期加深学生对奇异分解理论的理解,领会奇异值分解的意义和价值.     

数字图像的奇异值分解

通过对图像进行奇异值分解,将一幅图像转换成只包含几个非零值的奇异值矩阵,实现图像压缩。     

基于四元数小波变换和奇异值分解的图像水印

文章提出了基于四元数小波变换(QWT)和奇异值分解(SVD)的数字图像水印算法,该算法对原始载体图像进行四元数小波变换和奇异值分解,对水印图像进行Arnold变换和奇异值分解,并把分解的水印嵌入到分解后的原始载体图像中.结果表明,该算法对高斯噪声、剪切、JPEG压缩及滤波具有较强的鲁棒性.     

基于奇异值分解的图像质量评价

分析了传统的基于灰度误差的图像质量评价算法的局限,扩展了图像质量评价的定义.考虑原始图像和畸变图像尺寸不一致的情况,提出了用奇异值分解把图像矩阵转为向量,用奇异值向量之间的夹角作为图像的质量评价指标.实验表明:提出的基于奇异值向量夹角的准则对压缩、噪声和旋转、平移、尺度等几何畸变等都具有好的性质;且适于文中扩展的质量评价的定义.最后对实验结果和人类视觉系统的主观评价进行了比较分析.