一种基于小波变换的图像压缩方法

提出了一种基于小波变换的图像压缩方法。先对图像数据进行二维离散小波变换，对变换后的低频系数进行离散余弦变换；再对ＤＣＴ系数进行Ｚ形扫描，游程编码。舍弃最新频系数，对于次高频系数根据人眼的视觉特性采用不同的量化器进行量化，然后进行可变长度编码。实验表明，在图像质量和压缩倍数方面都取得了较好的结果。     

一种基于小波变换的混合图像压缩方法

提出了一种基于小波变换的静态图像压缩方法，将图像作多次小波分解后，对高频系数进行适当量化以减少其符号数，然后对量化后的系数作Ｈｕｆｆｍａｎ编码及ＲＬＥ编码，实验证明这是一种比较有效的编码方法，消除了方块效应，且该算法可得到不同的质量等级的比特率，适合网络图像传输。     

一种基于小波变换的混合图像压缩方法

提出了一种基于小波变换的静态图像压缩方法．将图像作多次小波分解后，对高频系数进行适当量化以减少其符号数，然后对量化后的系数作Huffman编码及RLE编码．实验证明这是一种比较有效的编码方法，消除了方块效应，且该算法可得到不同的质量等级和比特率，适合网络图像传输．     

采用离散小波变换和游程长度编码的图像压缩与恢复

为研究图像的压缩与恢复技术,提出了采用离散小波变换和游程长度编码实现图像的压缩与恢复．首先将原图进行3层离散小波分解,然后对分解后的子图分别采用游程长度编码实现图像压缩,最后进行游程长度解码和离散小波反变换实现图像恢复．通过对4张标准测试图像的MATLAB实验仿真,证明了该方法具有较高的压缩率和较小的压缩误差,尤其适合于邻度像素灰度值相关性高的图像．     

基于DCT和RLE的灰度图像压缩方法

离散余弦变换具有很强的"能量集中"特性,图像信号的主要能量都集中在离散余弦变换后的低频部分,而图像高频部分的系数经常为零.为了滤除图像信号中各种相关性而存在的冗余信息,针对灰度图像提出了基于离散余弦变换和游程编码的压缩方法.该方法对给定的灰度图像进行离散余弦变换分块转换,并对转换后的高频部分进行域值量化,滤除高频分量,然后进行游程编码,实现灰度图像的压缩.最后在VisualC++6.0开发环境下对方法进行实验,仿真实验表明,在量化域值选取恰当时,可达到较好的压缩效果.     

HDTV图像压缩中的小波变换

本文简要介绍了小波变换的基本概念，基本理论，并在此基础上对图像压缩中的小波变换进行分析，给出了基于小波变换的ＨＤＴＶ图像压缩系统     

基于小波变换的医学图像压缩方法

简要说明离散小波变换(ＤＷＴ)的Ｍａｌａｔ算法·分析了一维离散小波变换ＤＷＴ不能完全重构信号的原因·对二维离散小波变换ＤＷＴ的重构性进行了讨论·在此基础上提出改进型的Ｍａｌａｔ二维ＤＷＴ算法·压缩实验表明改进型的Ｍａｌａｔ二维ＤＷＴ算法对提高图像压缩及重建质量是有效的·     

基于Harr小波提升格式的图像压缩方法

提出了一种哈达玛变换,离散余弦变换和小波变换相结合的混合型编码,即先采用哈达玛变换对图像压缩,再对处理后的图像用离散余弦进行压缩,最后采用提升Haar小波格式对图像进行了压缩,并引入零树小波分析,得到最优小波树.仿真结果表明,所提出的方法在灰度图像压缩效果方面优于一些传统的压缩方法.     

基于Harr小波提升格式的图像压缩方法

提出了一种哈达玛变换,离散余弦变换和小波变换相结合的混合型编码,即先采用哈达玛变换对图像压缩,再对处理后的图像用离散余弦进行压缩,最后采用提升Haar小波格式对图像进行了压缩,并引入零树小波分析,得到最优小波树。仿真结果表明,所提出的方法在灰度图像压缩效果方面优于一些传统的压缩方法。     

基于小波变换的人脸图像压缩

传统的人脸识别方法,在对压缩的人脸图像进行识别时,要先进行图像的“全解压”操作,然后再进行识别,这无疑大大限制了识别系统性能的提高.为提高压缩人脸识别中压缩域特征提取的有效性和识别率,提出一种支持在压缩数据中提取识别特征的人脸图像压缩算法,反对称双正交小波变换子带编码的方法.与DCT法相比较,在获得高压缩比的同时,较好地保留了人脸图像的识别特征和主观质量.     

小波域矢量编码的视频压缩方法

活动图像的帧间相关性使视频高压缩比成为可能。视频压缩研究的核心是既采用高效的图像压缩算法，又充分利用帧间相关性，同时还要顾及运算速度，提高压缩效率。运用补偿可以提高帧间编码的效率，但运动矢量的搜索需耗费大量时间。文中提出一种小波域的矢量编码方法，既利用小波系数的积聚特性。又充分考虑其帧间相关性，使码书搜索过程同时完成运动补偿，在保证压缩效率的前提下减少了编码时间。实验表明，此方法具有很好的压缩效果和较快的计算速度。     

基于小波变换的图像压缩算法

根据小波变换系数分布的特性,提出了小波变换的图像无损压缩算法、高保真压缩算法和大尺寸图像压缩的解决方案,提出了双正交小波变换的边界处理方法,解决了精确重建问题。     

图像编码与小波变换图像编码

介绍图像编码的方法，着重介绍了小波变换的基本理论及小波变换在图像编码压缩中的应用，并展望了今后的研究方向。     

一种基于小波变换的图像压缩编码方法

在分组霍夫曼编码的基础上提出了一种更有效的编码方法,即自适应分组霍夫曼编码方法．采用自适应分组霍夫曼编码方法及小波变换相结合对图像数据进行压缩．与基于小波变换的霍夫曼编码方法相比,压缩比大大提高,而计算复杂度只是略有增加实验证明这是一种具有良好性能和计算量较少的静止图像压缩编码方案。     

基于小波和阈值的图像压缩方法及实现

主要探究基于haar小波分析的图像的分解与重构，并用MATLAB6．5数学软件工具设计了不同阈值下的小波变换和重构图像过程，从中得出，选择合适的小波变换及其阈值的设置是一个至关重要的问题．小波选取的阈值越大，重构图像的失真程度越高，在相同阈值下，haar小波重构图像要比db9小波的重构图像文件小得多，因此haar小波是一种较为有效的图像压缩方法。     

基于Haar小波变换和分块DCT的人耳识别

提出一种新的对人耳图像进行降维的方法。先对人耳图像进行二维的离散小波分解,然后再对小波分解后得到的低频信息施行分块离散余弦变换,进而获得图像的特征向量。实验证明,该方法与模式识别领域中广泛应用的PCA-LDA方法相比,在识别率大体相当的前提下,具有计算量小、降维速度快的优点,是对人耳图像进行特征提取的一种有效的手段。     

基于小波变换的静止图像编码探讨

离散小波变换（DWT）虽被广泛应用在图像压缩领域,但它无法实现真正意义上的无损图像编码,为解决此问题,提出基于提升框架的整数小波变换（IWT）,在IWT中应用最广的是内插双正交整数小波变换（IB—IWT）,IB—IWT能够实现压缩后图像的有损至无损渐进重构,以及具有无损感兴趣区域（ROI）的有损图像重建,而且具有很低的计算复杂度与很少的存储空间。     

小波变换在图像压缩中的应用

介绍小波变换和多分辨率分析的基本思想．讨论基于小波变换的图像压缩编码的一般步骤与小波变换的特性，最后给出小波变换在图像压缩中的主要编码算法。     

一种基于小波变换的图像压缩方法

提出了一种基于小波变换的灰度图像数据压缩方法,采用双正交小波对像进行分解,作分解后系数的矢量量化。使用频率敏感自组织特征映射算法生成码书。这可避免直接矢量量化时的块效应,且相对于正交小波,恢复图像的质量也有所提高。     

基于小波变换的图像压缩编码方法研究

介绍了小波变换的基本理论以及基于小波变换的图像压缩编码与解码恢复过程。为了研究基于小波变换的图像压缩编码方法的优越性,通过实验与传统的离散余弦变换编码方法进行了性能的对比分析,实验结果表明：由于小波变换具有时间-频率局部化特性和多分辨率特性等优点,其能够更加有效地应用于图像数据压缩,可以达到更高的压缩效率,而且理论上可以获得任意压缩比的压缩图像。