KL-变换/JPEG和JPEG/KL-变换压缩性能分析

对ＫＬ－变换（ＫＬＴ）／ＪＰＥＧ和ＪＰＥＧ／ＫＬＴ构成的多光谱图象数据压缩系统的性能及优缺点进行了分析比较。在充分利用多光谱图象数据统计特征的基础上，将ＫＬＴ应用于多光谱数据压缩系统来消除谱相关性。仿真实验结果表明，ＫＬＴ／ＪＰＥＧ压缩系统的综合性能优于ＪＰＥＧ／ＫＬＴ压缩系统     

基于小波变换和混合神经网络的图像压缩算法

提出了一种将空间方向小波零树编码与混合神经网络相结合，新的多尺度系数矢量量化策略．该算法在对图像进行多级小波变换后，利用3个方向上各自小波系数之间的相关性，构造符合图像特征的跨频带矢量，依据矢量能量和零树矢量的思想进行矢量分类，分别利用主元分析和自组织特征映射神经网络对3个方向的多尺度系数矢量进行基于视觉的加权矢量量化压缩编码．仿真实验结果表明该算法是合理可行的．     

基于双正交小波的快速矢量量化算法

提出了一种用于图象压缩的矢量量化算法．该算法通过构造符合图象小波变换系数特征的跨频带矢量,利用小波系数之间的相关性,提高了图象的编码效率和重构质量．同时,该算法又采用了两种新的矢量量化技术——非线性插补矢量量化（ＮＬＩＶＱ）和渐进构造聚类（ＰＣＣ）,提高了矢量量化的速度和码书质量．实验结果证明,该算法在比特率为０．１７２ｂｐｐ的条件下仍能获得ＰＳＮＲ＞３４ｄＢ的高质量重构图象．研究图象小波变换系数的固有特性是提高矢量量化性能的关键,而提高矢量量化速度是这类算法得以实用的重要前提．     

基于自适应谱段分组的超光谱图像压缩算法

针对庞大的超光谱数据与有限的卫星信道容量间存在的巨大矛盾,提出了一种新的基于自适应谱段分组的超光谱图像压缩算法.为了充分挖掘图像的谱间相关性,运用该算法对超光谱图像进行了预处理,通过谱段的自适应分组和预测参考帧的选取提高了压缩算法的编码性能,并结合谱间预测和位平面编码分别消除了超光谱图像的谱间和空间冗余.实验结果表明:与传统方法相比,在保证图像质量和较低计算复杂度的前提下,其压缩编码的平均峰值信噪比提高了约2.0～4.5 dB.     

基于神经网络的小波变换矢量量化图像压缩

根据神经网络的特性，提出了一种基于小波变换的矢量量化图像数据压缩方法，基本思路是利用小 变换实现图像的多分辨率分解，用矢量量化（VQ）对分解后的图像进行编码，利用神经网络做矢量量化编码器，从而实现通过神经网络的鲁棒性来加强对某些非典型矢量的容错能力，结果表明，该方法提高了整个系统的性能，最终提高了重构图像的质量。     

一种用小波包进行SAR原始数据压缩的方法

提出了一种对合成孔径雷达（SAR）原始数据在载体上进行压缩的方法．原始数据先用分块自适应量化（BAQ）减小数据动态范围，但不减少量化位数．然后对数据进行小波包正交小波变换．根据频率包络的能量变化自适应地进行数据压缩，即高能量区域用较多位来表示，低能量区用少的位数来表示，处理带宽以外的区域就不再进行编码．用BAQ编码法对块内频域中的数据进行编码．实验表明所提出的WT－BAQ算法优于FFT－BAQ和BAQ算法．     

基于运动估计和感兴趣区域的干涉多光谱图像压缩算法

为了有效地压缩干涉多光谱图像，提出一种采用基于运动估计和感兴趣区域的小波变换和非对称零树编码的图像压缩算法．根据干涉多光谱图像平移和光谱分布特点，在小波变换中使用运动估计并提升强干涉区小波系数，以减小谱间相关性，并使强干涉区优先编码．算法采用非对称零树编码，符合小波变换后图像序列形成的非对称结构．实验结果表明：该算法在8倍压缩时，整幅图像的峰值信噪比比三维分层树集合分割序列编码算法（3DSPIHT）提高了0．35～0．49dB，比2DSPIHT提高了2．24～2．62dB；强干涉区峰值信噪比比JPEG2000比特平面位移算法提高了0．29～0．38dB；46个谱段的光谱失真均方误差平均值减小到9．69，有效地保护了光谱信息．     

基于整数小波变换的MODIS多光谱图像无损压缩

为了解决MODIS多光谱图像数据的存储和传输问题,提出了一种基于整数小波变换和结合波段相关性判定的谱间预测的算法,对MODIS多光谱图像数据进行无损压缩.通过整数小波变换和波段相关性判定,有效地去除了MODIS图像数据的空间和谱间冗余,其压缩效果优于当今最流行的WinRAR、WinZip压缩软件,与基于三维预测(3D-DPCM)的方法相比,该方法也能得到较好的效果,有较高的压缩比.     

一种基于SPIHT的图像压缩方法研究

提出了一种基于层树分级鳊码（SPIHT）的图像压缩方法。该方法压缩过程首先将图像数据进行小波变换,然后对低频小波系数进行调整,对高频的小波系数进行量化,以提高图像的压缩比,最后采用SPIIiT编码。解压缩过程通过sPIHT解码和小波逆变换恢复重构图像。仿真结果表明,在不同的峰值信噪比下,得到了较大的压缩比。     

基于三维小波变换和上下文量化的高光谱图像压缩

提出了一种基于三维小波变换和上下文量化的高光谱图像压缩算法.该算法先利用三维小波变换去除高光谱图像在谱内和谱间的冗余信息,然后建立了一个高维时、频域的上下文预测模型以分析小波系数之间的相关性,并通过对增加条件熵的理论分析,合理地对该模型中的上下文进行量化,得到合适的编码上下文用于自适应的算术编码.试验结果表明,该算法不仅明显优于基于二维小波变换的JPEG2000标准,而且相对于同样基于三维小波变换的三维分层树集合分裂算法也有较大的提高.     

基于小波近似的分形矢量量化图像编码方法

本文把小波分解、分形、矢量量化有机地结合起来,提出基于小波近似的分形矢量量化图像编码方法(WA-FVQ-IC)。对原图进行小波分解及四叉树分割,形成小波近似的粗糙图像和分割块的统计平均值,小波近似的粗糙图像经变换构成变换的图像,并据此提取误差信号的码书,而后对误差信号进行分形矢量量化。本方法充分利用小波的多分辨率特性,构成差值信号分形矢量量化的码书,不需要外部训练,解码时不需要迭代,充分发挥了分形和矢量量化的优点。     

一种基于非降采样Contourlet变换的遥感图像融合方法

给出了一种非降采样Contourlet变换和HIS变换相结合的遥感图像融合算法.非降采样Contourlet变换是一种平移不变的小波变换方法,且具有良好的方向选择性,其对图像做多分辨率分析得到的高频子带,有效地表达了图像中的细节特征信息.结合HIS变换,非降采样Contourlet变换将细节注入到多光谱图像得到的融合图像,不但具有较高的空间分辨率,而且有效保持了多光谱图像的光谱特征.实际的SPOT全色图像和TM多光谱波段融合结果表明,所提议方法的性能优于目前广泛使用的小波域方法如离散小波变换和A Trous小波变换以及Contourlet变换等融合方法.     

WorldView-2影像数据融合方法比较研究——以在四川省地理国情监测项目中应用为例

WorldView-2影像数据是四川省地理国情监测项目的重要数据源。本项目通过使用Brovey、Ehlers、HPF、HIS、PCA、Wavelet、PanSharpen、Gram-Schimdt 八种不同的数据融合方法对其全色和多光谱影像进行融合,并从清晰度、纹理和色调进行定性分析;从标准差、信息熵、平均梯度、偏差指数、相关系数和光谱扭曲程度进行定量评价;并通过FeatureStation GeoEX解译对比,研究融合结果的可用性。结果表明：基于PanSharpen变换融合方法产生的遥感图像失真较小,同时很大程度地保持了高分辨率全色波段的空间纹理细节信息,是一种适合于WorldView-2影像融合的较好方法;同时,与原始多光谱影像相比,具有更好的解译效果。     

BAVQ压缩算法应用于SAR原始数据压缩——最佳矢量维数的选择方法

BAVQ压缩算法较BAQ算法有更好的压缩性能,但其应用于实际存在一个主要的制约因素就是算法复杂度。而矢量量化所用的矢量维数是影响算法复杂度的关键因素之一,在分析了VQ量化原理和原始数据相关性特点的基础上,给出了一种有效的最佳矢量维数选择方法。     

子帧的矢量量化(SVQ)压缩机理及特性分析

通过对子帧的矢量量化(简称SVQ)压缩方案的分析，对SVQ和VQ的压缩机理和压缩特性进行了比较，并提出了SVQ的一些新的、有利用价值的特点．模拟实验结果证明，这些特点有助于提高重建图像的信噪比，减弱方块效应和提高码书产生的有序性．     

基于小波变换的图象压缩

要在模拟和移动通讯中传输数字图象，首先必须对图象实行高比率的压缩，本文对讨论小波变换的特征机理，建立了以小波变换为基础图象压缩软件模拟系统，并同标准ＪＰＥＧ的图象压缩方法做了对比实验，结果证明：在高压缩比时，基于小波变换压缩的重建图象ＰＳＤＮ和重建图象质量都明显地成于传统的ＤＣＴ压缩方法。     

位置控制模块在堆垛机中的应用

本文介绍堆垛机控制系统的硬件组成，详细描述了位置控制系统和为使堆垛机有较高的定位精度而采取的必要措施，并叙述了日立ＯＭＲＯＮ Ｃ５００－ＮＣ２２１－Ｅ位置控制模块的应用。     

Fractal block coding: A new method

Fractal image compression^[1] is a completely new method to compress images by searching and exploiting the self-similarity of the whole image^[2]. Fractal Block Coding (FBC) is a practicable fractal coding scheme with annoying slow encoding speed^[3]. In this paper, we classify the image blocks by Classified Vector Quantization (CVQ) technique and present an Adaptive Block Truncation Coding (ABTC) scheme to process the midrange blocks in the image. By this method, we reduce the encoding time to one forty-fifth comparing to ordinary FBC method with little change in compression ratio and a little decreased coded image quality. Supported by The funds of National Education Committee for education reforment Yi Jun: born in Dec. 1972, Master of science     

基于空间和光谱信息保持的多光谱图像融合算法

文章采用基于空间和光谱信息保持的多光谱图像融合框架,以生成具有高空间质量的多光谱图像。本文采用的融合框架的能量泛函包括四项,第一项为边缘自适应提取约束项,从全色图像中自适应提取边缘细节信息并注入多光谱图像中;第二项为线性组合系数约束项,基于对多光谱图像各波段线性组合系数的估计以改善融合图像的空间质量;第三项为光谱信息保持约束项,基于L2范数分波段估计模糊核以保持多光谱图像的光谱信息;第四项为波段比例关系保持约束项,基于融合前后波段之间的比例关系相等的假设以减轻融合图像光谱失真。在QuickBird和Pavia University图像数据上进行仿真实验,结果表明,与SFIM、MTF_GLP、MTF_GLP_HPM、PCA、GS、GSA、AIHS、GFPCA等算法相比,本文方法的融合图像具有较高的空间和光谱质量。