基于稀疏支撑集先验的压缩感知图像序列重建算法

针对现有压缩感知图像序列重建算法重建精度不高、模型参数设置较多的问题,提出了一种结合稀疏支撑集先验和残差补偿的算法.在已知前一帧图像重建结果的基础上,通过求解1个最小化加权l1范数问题得到当前帧图像的初始估计.通过对估计残差进行压缩感知重建并对初始估计加以补偿,得到当前帧图像的最终重建结果.与其他同类算法相比,该算法减少了阈值参数的设置.实验结果表明,在相同的测量值数目下,该算法重建图像的相对误差、峰值信噪比和结构相似度指标均优于同类比较算法.     

图像的无损压缩

摘要:预测编码方法是实现图像无损压缩的最基本的方法,分析了图像无损压缩方法,讨论了压缩算法中涉及的若干重要问题评述了图像预测模型的研究进展.     

基于补色CFA模板的图像重构算法及其后续处理研究

采用双线性补色CCD插值算法对插出的图像再进行色空间转换（从CMYG转换到YCrCb空间）,然后分别对Y通道、Cr通道、Cb通道进行滤波处理,最后把图像再转换到RGB原色空间,这样既考虑了C,M,Y,G通道的色彩相关性,又滤掉了部分明显的伪彩。在后续处理中,应用Sobel算子对图像的边缘进行检测,然后对检测出的边缘用改进的中值滤波器滤波,并保持原贝尔模板中的数值不变,使滤波的图像与原始图像更接近,细节比以前的图像更丰富。     

基于序列图像的粒子滤波跟踪算法

基于序列图像的目标跟踪方法研究已成为当前计算机视觉领域的一个重要研究内容.构建一个准确、实时和鲁棒的跟踪系统是该领域的研究重点.本文提出了一种改进的基于粒子滤波器算法的快速目标跟踪方法.通过提取序列图像中目标的HSI颜色空间直方图作为目标模板,建立系统的状态转移模型和观测模型,应用重采样技术,最后利用粒子的加权和估计最终目标位置和形状.通过软件仿真实验,本文提出的算法较传统的目标跟踪算法具有更好的实时性,准确性和鲁棒性.     

SPIHT的超光谱图像无损压缩算法

针对超光谱图像的特性及硬件实现的需要,提出了1种混合编码压缩方案.对超光谱图像序列首先进行谱间DPCM预测,再对残差图像进行(5,3)整数小波变换,最后对小波系数进行SPIHT编码.通过仿真验证该算法实现了无损压缩,压缩比平均可达2.34,优于算术编码,且算法复杂度低,易于硬件实现.     

基于深度残差网络的医学图像鲁棒可逆水印算法

医学图像作为医生诊断的重要依据,其版权保护一直是研究重点。在对医学图像进行版权保护时,必须保证图像修改后能无损恢复。但是,当前大多数应用于医学图像的可逆水印算法并未考虑鲁棒性。因此,本文针对具有一定鲁棒性的可逆水印算法进行研究,提出一种基于深度残差网络ResNet的鲁棒可逆医学图像水印算法。首先,算法利用深度残差模型提取医学图像的深度特征信息,自适应确定最优嵌入强度,均衡水印的不可见性和鲁棒性;此外,结合遗传算法和模糊C-均值的聚类算法对水印区域动态划分,根据聚类结果提取水印信息,有效克服信号攻击对含水印图像的影响,提高可逆水印算法的鲁棒性。实验结果表明:在嵌入水印后,含水印医学图像的PSNR值都可以达到36 d B以上,具有较好的图像质量;在提取水印后,算法可以完全无损恢复医学图像;在受到高斯噪声、椒盐噪声、JPEG压缩等常见信号攻击后,算法仍然可以准确提取水印信息,表现出较强的鲁棒性。     

基于图像变化检测的CFA插值算法

提出了基于变化检测的CFA插值算法.该算法分为两个步骤:首先采用矢量线性相关法对CFA图像的绿色分量图像进行变化检测,然后在发生变化的区域内进行插值,未发生变化区域内的图像数据被CFA插值后直接拷贝到当前帧的相应位置,避免了在每帧图像内逐点进行插值计算.与现有的插值算法相比,CFA插值算法复杂度大大降低,同时获得较高质量的视频图像.     

Bayer图像无损压缩算法及其FPGA实现

结合Bayer CFA格式图像的特点,提出了一种基于Bayer图像的无损压缩算法,该算法简单高效,可以在无损压缩下取得较高的图像恢复质量,非常适用于遥感图像、医学影像等对图像质量要求很高的场合。在对各种算法进行仿真评估的基础上提出了基于COMS图像传感器IBIS5-A-1300的无损压缩FPGA实现方案,整个结构采用流水线设计,同时用少量行缓存代替传统的大容量存储,节省了存储资源,加快了运算速率,减小了电路规模。经验证明完全满足对Bayer图像实时处理的要求,为后续实时压缩编码和传输提供了有利条件。     

红外图像序列运动小目标的图像流检测法

提出一种利用图像流分析法对红外序列图像中的运动小目标进行检测的算法．首先利用两步分离法对图像进行预处理,筛选出少量的侯选运动目标,然后利用图像流模型建立目标的运动约束方程,在多帧连续图像中检测出真正的目标运动轨迹．实验结果表明,该算法能够对小目标甚至是点目标的运动进行可靠检测．     

红外图像序列运动小目标的图像流检测法

提出了一种利用图像流分析法对红外序列图像中的运动小目标进行检测的算法，首先利用两步分离法对图像进行预处理，筛选出少量的候选运动目标，然后利用图像流模型建立目标的运动约束方程，在多帧连续图像中检测出真正的目标运动轨迹，实验结果表明，该算法能够对小目标甚至是点目标的运动进行可靠检测。     

图像的无损压缩

预测编码方法是实现图像无损压缩的最基本的方法,分析了图像无损压缩方法,讨论了压缩算法中涉及的若干重要问题,评述了图像预测模型的研究进展。     

基于局部变化率的无损图像压缩方法

介绍一种实现图像无损压缩的预测编码算法。该算法在预测阶段利用像素值的局部变化率来对预测模型进行自适应调整,在编码阶段采用误差反馈技术进一步降低误差图像的信息熵。对标准图像的仿真测试结果表明,该算法的性能明显优于国际标准化组织JPEG－LS提供的标准无损压缩算法。     

浅析图像压缩技术

着重介绍了无损压缩和有损压缩的几种图像压缩技术以及其应用领域,并对它们的算法特性进行了分析和讨论。     

基于模糊混合预测的静态图像无损压缩

提出了一种基于自适应模糊混合预测的静态图像无损压缩方法．在预测准备阶段，根据一个预定的阈值计算出一组自适应线性预测器。用完全自组织简化自适应共振神经网络对得到的预测器进行训练；在预测图像过程中，训练预测器在模糊逻辑的意义上互相结合起来实现最终预测过程；在误差编码阶段，该方法使用了基于上下文的条件算术编码．实验表明，该方法的诸多特点使得它能在计算复杂性和预测效率间达到平衡，表现出优良的压缩性能．     

整数Haar变换结合DPCM的无失真图像压缩

讨论了整数Ｈａａｒ 小波的构造方法,在此基础上提出了一种整数Ｈａａｒ 小波与ＤＰＣＭ 相结合的无失真图像编码方法,该方法运算速度快,硬件实现简单,与ＡＲＪ和ＪＰＥＧ 中使用的无失真编码方法相比,压缩比平均提高了１２ ％ 左右     

整数Haar小波变换及其在无失真图像压缩中的应用

本文首先讨论了整数Ｈａａｒ小波的构造方法,然后利用分块ＤＰＣＭ与整数Ｈａａｒ小波变换进行遥感图像的无失真压缩,该方法可进行实时处理,硬件实现简单,可并行处理,实难结果表明,该方法是一种有效的图像压缩方法。     

分形图像压缩方法的改进与实现

提出了一种降低分形图像压缩方法计算复杂度的改进方法,该方法已在VC＋＋5．0集成开发环境下得以实现,并取得较好的实验效果。     

用于图像压缩的小波系数的上下文模型

结合GlicBawls编码方法的线性预测思想和CALIC编码方法通过量化减少上下文个数的思想，提出了一种新的用于图像压缩的小波系数的上下文模型。它通过量化当前系数的线性预测值形成上下文，进行自适应的算术编码。实验结果表明，利用这种模型获得的无损压缩比高于无损的SPIHT和用于JPEG2000的无损的EBCOT。另外，这种模型充分利用了小波变换的多分辨率性质，能以渐近分辨率(progressive resolution)方式压缩图片，并且它获得的原图片的各个比例尺(scale)的小图片的压缩比也高于EBCOT。     

基于小波分解和分形迭代的图像编码新方法

综合利用了位图压缩、小波分解、分形迭代与霍夫曼编码技术,提出了一种图像压缩的新方法．该方法采用位图平面分解进行第一步压缩,然后对位图压缩后的图像进行正交小波分解,利用相同尺度和不同尺度上的局部相似性构造迭代函数系统,最后对所有参数进行霍夫曼编码．实验结果表明这是一种有效的图像压缩方法