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。     

基于双向波段预测的超光谱图像无损压缩

为了解决超光谱图像海量数据无损压缩计算复杂度高、实时性差的问题,将预测树模型和双向多波段谱间预测算法用于超光谱无损压缩研究。在对超光谱图像进行基于预测树模型的谱内预测的基础上,通过双向谱间多波段预测,利用谱间局部统计冗余和结构冗余,建立了对预测树模型误差进行自适应补偿的预测器模型,设计了一种基于“权重”的方法。该方法利用已编码像素对系数进行自适应估计。采用SPIHT (Set Partitioning in Hierarchical Trees)算法对去冗余后的残差图像进行编码。试验结果表明,该算法在较低的计算复杂度下,压缩比优于目前流行的无损压缩算法。     

采用预测编码的图像隐写分析算法

通过分析图像无损压缩过程中预测编码的原理,提出了一种基于预测编码方法的空域图像隐写分析算法。该算法的基本思想是利用空域隐写会破坏图像相邻像素之间的相关性,而预测编码是利用图像相邻像素之间的相关性来预测的,这样隐写后图像的预测误差将会大于载体图像的预测误差,通过计算隐写前后图像的预测误差来分析图像中是否含有秘密信息。实验表明:基于预测编码的图像隐写分析具有较好的隐写分析能力。     

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．     

DPCM与小波变换结合的医学图像无损压缩

为了解决经典无损压缩方法效率较低的问题,提出了改善医学图像无损压缩效率的方法,并对此方法的原理和算法实现作了详细的介绍和分析.简述了医学图像无损压缩的基本步骤,对差分脉冲编码调制(DPCM)在无损压缩中的作用进行了分析和实现,并在此基础上,提出将整数小波变换与DPCM相结合的医学图像无损压缩方法.通过对比和分析实验结果可知,采用该方法进行的医学图像无损压缩具有算法简洁、压缩比高,实用性强等特点.     

基于函数级进化型硬件的无损图像压缩

为实现无损图像压缩,设计了基于函数级进化型硬件(FEHW:Function-level Evolutional Hardware)无损图像压缩系统.该系统由进化单元、函数单元和分类单元组成,运用遗传算法(GA:GeneticAlgorithm)自适应地改变其配置结构,在压缩过程中以函数进化的方式,进行像素预测和误差预测,以此增强无损图像压缩的性能.运用LOCO(Low Complexity Lossless Compression),JPEG(Joint Photographic Experts Group),CALIC(Context-based Adaptive Losssless Image Coding)和GA无损压缩算法进行了仿真,给出了不同算法对9种标准图像无损压缩的比较结果,该方法平均压缩率为4.885 bit/pixel.     

基于二进神经网络的稀疏编码架构的图像无损压缩新方法

视频图像的高效无损压缩在海量的航空和遥感图像传输、珍贵的文物信息的保存等方面具有重要的应用价值,而目前的研究热点主要针对有损压缩,为此通过对现有的无损压缩方法的分析和研究,提出一种在稀疏编码与二进神经网络相结合的框架下建立新的图像无损压缩方法.首先借助二进神经网络中的线性可分结构系建立冗余字典,获得有效的稀疏分解基;再借助二进神经网络学习算法将图像映射为以线性可分结构系为神经元的二进制神经网络,在此基础上建立相应的模式匹配算法将每个神经元与冗余字典简历映射关系,通过稀疏系数建立原始图像的编码形式,进而实现了图像的无损压缩,并从理论上分析了该方法可以有效地提高压缩比,最后通过实验验证了该算法的有效性和通用性.     

一种基于稀疏矩阵的高效图像压缩算法

针对稀疏矩阵图像提出了一种低复杂度智能无损压缩算法.首先通过图像分块,采用列坐标和标志位相结合表示非常规像素位置;然后基于图像特性分析,得出非常规像素列坐标相对值的概率分布,从而根据非常规像素位置分布的连续性,对其相对列坐标提出一种基于Rice编码的智能码字分配方法.并且,针对非常规像素灰度值分布的连续性,引入预测的方式去除统计相关,对预测冗余采用简单有效的Golomb编码.实验结果表明,该算法压缩效率高,且结构简单,易于硬件实现.     

基于LBS终端GPS信息的准无损压缩算法

为获得更高的GPS定位数据压缩比和压缩速度,提出一种在民用定位服务(LBS)领域GPS精度范围内的准无损压缩算法.考虑GPS定位数据的特点,通过压缩预处理、二次量化去除冗余信息,通过预测编码提高编码效率.与其他算法相比,该算法可获得更高的压缩比和压缩速度,并可滤除GPS模块由于干扰而产生的粗大误差,提高GPS信息处理精度.该算法经过优化后对硬件要求很低,可在单片机上运行.