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．     

图像压缩的小波系数模型

通过对3种经典的小波系数模型(EZW模型，SPIHT模型，EBCOT模型)进行仿真实验，表明SPIHT的压缩性能优于EZW(平均高0．6dB)，而EBCOT的压缩性能又优于SPIHT(平均高0．5dB)，再通过对3种模型的分析，明确了3种模型性能差异的根源在于对于带内小波系数的相关性和子带间小波系数的相似性的不同利用。最后，综合上述3种模型的优点，充分利用于带内小波系数的相关性和子带间小波系数的相似性，提出了一种新型小波系数模型。实验表明该模型在压缩比方面优于上述3种模型。     

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．舍弃最高频系数，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     

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。     

一种基于小波──LBG的图像压缩研究

首先,研究小波变换产生的各子图像的统计特性,然后以此为依据选择编码算法,通过小波与传统的LBG矢量编码算法的有效结合获得了较好的编码结果。     

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·     

一种基于SPIHT的分层图像压缩方法

提出一种利用SPIHT算法进行图像分层压缩的编码方法,该方法首先利用图像平滑技术将图像分解为平滑部分和轮廓部分,然后以一定的编码率分别对它们进行编码.实验结果表明,合理分配各层的编码率,能够获得视觉效果比单独采用SPIHT编码更好的编码图像.     

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.     

一种快速小波子带分形图像压缩编码方法

在小波变换相邻子带块预测编码的基础上 ,提出了一种快速小波子带分形图像压缩编码方法 .根据小波子树结构性相似的特点 ,把块预测搜索范围限制在子树附近 ,大幅度减少图像小波子带分形编码时间 ;然后采用在上一级恢复子带的基础上进行分形预测编码、对较低分辨率子带中分形预测误差较大的块直接进行编码等新的编码方法 ,以提高恢复图像质量 .实验结果表明 ,该方法在图像压缩编码时间大幅度缩短的同时 ,恢复图像质量也有所提高     

基于改进的嵌入式零树小波变换的图像压缩算法

经过对嵌入式小波零树编码(EZW)算法的基本理论分析,对原图像EZW算法进行了改进,提出了一种把小波系数向下取整后并将出现频次较多的系数置零的改进方法,从而减少了EZW算法中扫描次数,节省了存贮空间.实验仿真结果表明,此算法一方面提高了编码效率,另一方面重构图像的质量也并无明显下降.     

基于小波变换的图像分级压缩算法

综合已有图像压缩算法优势，提出一种新的图像压缩算法——基于小波变换的图像分级压缩算法。将待压缩图像按频率高低分成若干子图像，根据各子图像包含能量的多少将它们分成3个等级，分别采用了不同的压缩算法。包含能量最多的低频子图像称为第1级，采用无损差分脉冲编码调制方式；包含能量较少的高频子图像称为第2级，采用嵌入式零树编码方式；包含能量极少的更高频子图像称为第3级，因其包含的能量极少，不再编码。其优点是压缩比高、算法简单、传输和下栽速度快，在传输过程中可随时结束编码而不影响图像质量。     

基于小波变换的低通系数差分的图像压缩算法

提出了在SPIHT算法中引入差分处理、对低频域小波系数根据其分布特性进行分析的方法．图像经过小波分解后,对生成的小波系数进行差分处理．对5阶分解后的小波系数最顶层采用分块分组的方法,用小波块的质心代替小波系数实现滤波,每组小波块做差分处理,从而减小低频域小波系数间的冗余．在此基础上,通过统计和推导,改进差分量化的模式,得到其优化算法．实验表明,本算法比标准SPIHT的算法具有更高的压缩比,压缩性能能够提高0．01～0．02dB．     

基于小波和神经网络的图像压缩方法

针对图像压缩中压缩率与图像质量的折衷问题。综合利用小波变换和神经网络各自的优点,采用小波和神经网络的方法进行图像压缩．该算法先对图像进行小波分解,保留低频系数,然后将高频系数输入训练的网络进行矢量量化编码达到压缩的目的．最后根据保留的低频系数和还原的高频系数重构图像．     

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。     

小波视频图像处理技术

基于小波的视频图像压缩的理论，根据小波变换的基本特点，用小波视频图像处理的关键技术对现有小波视频图像处理技术进行分析，结合软件和硬件的实现方法提出小波视频图像处理的新方案。通过选取最佳的小波基和快速提升小波算法，实现了经小波变换处理后的图像细节部分清晰，层次感强，适合于高压缩比的应用领域要求。     

三维小波零块编码算法在超光谱图像压缩中的应用

提出了1种三维集合分裂嵌入式零块编码(3D SPEZBC)的超光谱图像压缩算法。该算法首先采用三维二进小波变换,有效地去除超光谱图像的空间和谱间相关性,然后对于所生成的每个二维子带利用基于集合分裂的方法进行零块编码,最后再采用基于上下文的自适应算术编码来进一步提高编码性能。3D SPEZBC编码算法不但可以提供较好的率失真性能,而且相对于3D EZBC编码算法可以节省大量的存储空间。实验结果表明,3D SPEZBC算法在各比特率下编码性能均明显优于3D SPECK,3D SPIHT和JPEG2000算法。     

基于小波变换的Laplacian金字塔图像数据压缩

一幅数字化后的图像的数据量非常大,在图像的传输、存储、加工处理等方面都会引起很大的困难。本文详细介绍了基于Laplacian金字塔的图像数据压缩方法,在满足人们对图像质量要求的前提下,可以用较少的比特数存储或传输数字图像,以达到数字图像传输时所要求的信道容量及数字图像处理中的存储容量。