小波域中的分形图象编码方法

研究了小波变换和分形编码相结合的图象压缩方法,即对小波域（传统发形编码在空间域进行）图象进行分形编码,解决了传统分形编码收敛条件苛刻,解码步数难以确定的问题;同时又提出了类似四叉树分割的变长小波树的分形压缩算法,结合小波系数的分层量化算术编码,几乎可以准确地控制压缩倍数,解决了传统发形压缩倍数难以控制的问题,并且通过自动调整阈值的大小,找到小波域图象的最佳小波树分割,也也就是找到了小波系数和分形系数的最佳折衷,最后对DCT,传统分形编码和新方法进行比较,哪现新方法具有一些明显的优点和特点,尤其在压缩比下更是如此。     

基于多小波变换的医学图像分形压缩方法研究

针对医学图像分析与压缩的特殊要求,将多小波变换和分形压缩理论引入到医学图像压缩中。首先对医学图像进行多小波变换,较好地保持了医学图像的边缘和细节信息,再采用分形压缩方法对图像进行压缩。实验表明,算法在保持一定医学图像质量和较高压缩比的前提下,编码时间大大减少,结合多小波变换的医学图像分形压缩方法在临床应用取得较好效果。     

分形压缩编码算法的改进

在分析总结分形理论的基础上，提出了一种将小波变换压缩编码与迭代函数系统（IFS）分形编码相结合的图象压缩方法，研究结果表明，与一般的分形图象编码方法相比，运算时间下降而压缩比提高。     

结合DCT近似的分形图像压缩方法

分形图像压缩是一种基于分形迭代函数系统理论的图像压缩方法,压缩比大,但编码过程计算复杂、编码时间长,结合离散余弦变换近似的分形图像缩方法,提高了分形压缩中灰度变换的精度,从而达到了提高图像质量,提高比和减少编码时的目的。三种不压缩图像的结果比较证实了新方法的优越性。     

分形图像压缩技术研究

分形图像压缩技术具有高压缩比、高信噪比和良好视觉效果等特点,已成为数字图像领域的研究热点,但由于需要人工干预、压缩时间长,一直没有取得广泛的应用。本文在分析分形图像压缩理论和压缩过程的基础上,采用分形技术与其它压缩技术相结合的方法,给出了一种小波变换和分形技术相结合的算法,利用小波变换后同方向多级子频带的相似性进行分形压缩,可以有效缩短压缩时间,提高自动化处理程度,很好解决了放大过程中的失真问题,取得良好压缩效果。     

基于小波和分形的时间序列压缩

引入离散小波变换的金字塔模型,将小波与分形结合起来,提出一种新的算法用于时间序列压缩,在信噪比保持不变的条件下,其压缩比为单纯的IFS建模方法所获得的压缩比的2倍多.给出了IFS以及IFS与小波结合的算法,并分别给出了它们对时间序列压缩的实验结果以及这两种方法性能的比较.     

一种基于分形的图象压缩编码方法

分形编码是近年来迅速兴起的一种高倍率图象压缩方法,相对于别的编码方法,分形方法有许多优点,但不足之处是其速度太慢,匹配复杂,作者在基本分形块编码的基础上提出了基于区域的自适应编码方法,大大缩短了编码时间,并且压缩比也得到了显著的提高。     

一种分频的分形图象编码方法

提出１种分频的分形图象编码方法将图象分为低频、高频、超高频３部分，并针对各部分的不同特性采用相应的编码技术，以实现有效的压缩．实验数据表明，与传统分形块变换方法相比，该方法不仅使图象的压缩比有所提高，而且压缩速度和还原速度均有明显的改进     

基于小波和分形的时间序列压缩

引入离散小波变换的金字塔模型,将小波与分形结合起来,提出一种新的算法用于时间序列压缩,在信噪比保持不变的条件下,其压缩比为单纯的ＩＦＳ建模方法所获得的压缩比的２倍多。给出了ＩＦＳ以及ＩＦＳ与小波结合的算法,并分别给出了它们对时间序列压缩的实验结果以及这两种方法性能的比较。     

分形图像编码的快速算法

针对分形图像编码时间过长的缺点,提出了一种快速分形图像编码方法.此快速方法充分利用了分形中迭代函数系统的吸引子的分辨率与尺度无关的特性,将原始图像缩小后进行压缩,从而加快了编码的速度.实验结果表明,较之传统的分形编码方法,此方法在相近的解码图像质量和压缩比的情况下,编码时间大为缩短.     

基于自适应波段聚类PCA的高光谱图像压缩

对高光谱图像进行有效压缩已经成为高光谱遥感领域的研究热点。针对现有高光谱图像压缩算法谱间特性利用不够充分的问题,提出了一种自适应波段聚类PCA(principal component analysis)与JPEG2000相结合的高光谱图像压缩算法。算法采用基于吸引力传播聚类的方法进行自适应波段聚类,对聚类后的各个波段组分别进行PCA运算,最后利用JPEG2000标准对所有主成分进行编码压缩。对高光谱图像进行波段聚类,不仅能更有效地利用谱间相关性,提高压缩性能;还可以降低PCA的运算量。实验结果表明,该算法在相同压缩比下,其信噪比、异常检测、光谱角性能相比对比算法均有所改善。     

基于优化 ROI 的医学图像分割与压缩方法研究

为了满足无线医疗应用对于图像传输的需求,提出一种有效的医学图像分割方法.该方法使用多点区域生长法分割图像各区域,从图像边界开始遍历搜索多个种子点,结合梯度变化值、全局阈值和局部阈值来提取感兴趣区域(region of interest,ROI)并滤除背景区域.区域预处理阶段,进一步对区域掩模平滑去噪,并给出手动分割的方法.根据预定义的优先级顺序,分别对ROI和非感兴趣区域(region of not interest,RONI)进行JPEG2000近无损压缩和有损压缩,并依次进行传输.重构后图像ROI区域峰值信噪比(peak signal to noise ratio,PSNR)能够达到45 dB,图像整体压缩率约在2.8-6.5.算法优化了区域轮廓的检测,增强了对图像噪声的抑制,较好地满足了医学图像的高压缩率和图像质量之间的矛盾,能够很好地应用于无线医疗领域.     

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.     

基于张量Tucker分解的彩色图像压缩

传统图像压缩方法基于向量数据进行压缩处理,破坏了高维数据的空间本征结构。为了克服传统方法的不足,本文提出了将彩色图像表示成高维数据张量( )形式,利用张量Tucker分解,取分解后的最大子张量及其对应的特征向量,并将其进行量化编码实现图像压缩。大量实验结果表明,在相同压缩比下,本文压缩后重构图像的峰值信噪比（PSNR）与传统JPEG压缩方法相比具有较大优势,并且在视觉上本文方法重构图像的颜色信息损失量较小。     

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.     

基于自适应网格编码QAM的渐进图像编码传输方案

为了在无线信道下鲁棒和高效地传输静态渐进图像,基于高效率编码调制系统提出了一种新型编码传输框架。使用支持多种编码传输模式的自适应网格编码正交振幅调制作为脆弱嵌入式压缩渐进码流的编码保护方案,在给定的功率和延迟约束条件下,基于启发式并行搜索算法对待传信源压缩分组的传输功率和编码调制模式进行联合优化,使得图像传输的端对端期望失真最小。经过对不同测试图像在不同功率和延迟约束条件下的仿真,该传输优化方案相对于以往基于不等重功率分配算法的传输优化方案取得了明显性能增益,在Gauss白噪声信道和准静态衰落信道中,接收端重建图像的峰值信噪比分别平均提高了1.33和2.70dB。     

基于多级特征提取的中文文本图像压缩算法

针对中文文本图像的特点, 提出了一种改进的压缩算法MC-JBIG2 。该算法首先对中文字符进行多级特征提取, 然后将提取到的特征数据用于一个级联聚类算法中以替代传统 JBIG2 中的模式匹配过程。实验表明, MC-JBIG2 改进了传统 JBIG2 算法对中文文本图像压缩的不足, 能够保证在内容无损的情况下提高对中文文本图像的压缩率, 同时该算法对英文本图像的压缩也有一定的改进。     

一种基于优先函数的数字图像压缩的算法

提出了一种基于优先函数的数字图像压缩的算法,该算法对于一类特殊图像采用优先函数法处理后,大大减少了所需处理象素的数据。在此基础上再和其它算法结合可以获得更高的压缩比。     

基于VC6.0的数字图像压缩平台设计

利用VC6.0设计了一个数字图像压缩平台.数字压缩平台能对8位灰度图像或24位真彩图像做基于几何不变量压缩、JPEG压缩和分形压缩处理,并能以对话框的形式给出图像的压缩比(CR)和峰值信噪比(PSNR),同时能将原图像和解压后的图像显示在不同的窗口中,供用户进行图像压缩效果的分析和性能比较使用.