一种基于分类的改进BP神经网络图像压缩方法

探讨了神经网络用于图像压缩和解压缩技术,实现了一种基于分类的改进BP神经网络压缩方法:按图像各部分像素特征将图像分为平滑块、中间块和边缘块,不同的分类块采用不同的隐含层数,从而在保证重建图像丰富细节的同时,提高图像的压缩比.同时,对3层BP神经网络进行优化,提高了网络的收敛速率,实验结果证明本算法在取得较大的压缩比的同时能保证图像的恢复质量.     

基于小波分析的BP网络含噪图像压缩算法的探讨

近年来BP神经网络在图像压缩技术中的应用已成为图像压缩的热点问题之一。与经典的压缩算法相比,具有更高的压缩比和重构图像质量。但实际上,原始图像经常受到噪声的污染,使得图像质量明显下降。通过研究小波图像去噪的方法,结合小波变换和BP神经网络,研究了基于小波域的BP神经网络图像压缩方法。先在小波域内对图像进行去噪,再用BP神经网络进行压缩,从而得到高质量的重构图像。结果表明,该算法对合噪声图像的压缩,获得了良好的图像质量,同时也证明了这种方法的有效性。     

一种基于小波变换与分类矢量量化的图像压缩算法

为了提高数字图像的压缩比率,提出了一种将小波变换与分类矢量量化相结合的图像压缩算法.该算法首先对图像进行小波分解,充分利用不同尺度小波系数的相关性,并对不同尺度的子图使用分类矢量,不同类使用不同大小的子码书.为了解决高维矢量在算法实现时效率较低的问题,采用非线性插值对构造好的码矢量进行降维.实验表明,该方法在提高图像压缩比的同时,降低了算法的时间复杂度,从而提高了算法的效率.     

一种基于小波变换与分类矢量量化的图像压缩算法

为了提高数字图像的压缩比率,提出了一种将小波变换与分类矢量量化相结合的图像压缩算法.该算法首先对图像进行小波分解,充分利用不同尺度小波系数的相关性,并对不同尺度的子图使用分类矢量,不同类使用不同大小的子码书.为了解决高维矢量在算法实现时效率较低的问题,采用非线性插值对构造好的码矢量进行降维.实验表明,该方法在提高图像压缩比的同时,降低了算法的时间复杂度,从而提高了算法的效率.     

BP神经网络在图像压缩中的应用

借助BP神经网络,采用改进的最速梯度下降法,编程实现了灰度图像的压缩与重现.在MATLAB环境下仿真实验结果表明,所设计的网络图像压缩效果良好,同时具有较好的泛化能力.     

数字图像压缩技术的现状及前景分析

数字图像压缩技术对于数字图像信息在网络上实现快速传输和实时处理具有重要的意义。本文介绍了几种常见的图像压缩算法：JPEG、PEG2000、分形图像压缩和小波变换图像压缩。总结了不同算法的特点及发展前景。然后描述了任意形状可视对象编码算法的研究现状。并指出该算法是一种产生高压缩比的图像压缩算法。     

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.     

块分类的计算机桌面图像压缩算法探究

随着网络通信技术以及个人计算机和其它数字设备的快速发展,实时计算机桌面图像传输技术的应用日益广泛。基于块分类的计算机桌面图像压缩算法可以有效实现计算机桌面图像的压缩存储,显著提高计算机桌面图像传输时的速度和质量。本文从计算机桌面图像压缩算法的相关概念谈起,然后对计算机桌面图像块分类的编码方法进行分析和说明,对块分类的计算机桌面图像压缩算法进行了详细剖析。     

基于块的比特分配的无损图像压缩算法

为了获得最佳的无损图像压缩效果,提出一种基于块的比特分配技术(block bit allocation,BBA)的图像无损压缩算法,并采用三种数字图像模式:CT、MR和DR来评价该算法.实验结果显示,此算法对比标准LempelZiv和Huffman压缩算法能将CT图像的压缩比平均增加11%到19%,在MR图像中,平均增加12%到28%.对于DR图像,此方法比Huffman算法差9%.但是,压缩和解压缩速度会更快并且可用于在线医学图像压缩.     

一种基于DFT的数字图像压缩算法

根据图像傅立叶变换域频谱系数特征,提出了一种基于DFT的数字图像压缩算法,并通过仿真实验对图像进行了不同压缩比的压缩。实验结果表明:衡量编码压缩质量的5个参数和评价压缩图像逼真度的参数均达到较好效果,且即使图像压缩比为119.137 9时,峰值信噪比仍能达到27.684 7。而且从直观上,人眼在一定的视觉误差范围内仍能接受压缩图像,表明提出的基于DFT的图像压缩算法是一种有效的、较好的图像压缩技术。     

基于多小波的贝尔图像有损压缩研究

在评价贝尔图像压缩方法性能时,一般将图像压缩比、图像质量、算法的复杂程度、硬件实现难易程度等作为重要评价指标。以往使用的压缩方法中,插值后压缩机制采用国际标准算法,优点是能够获得较大的压缩比,但是它的复杂程度高,计算量大;直接压缩贝尔图像的优点是避免了在成像设备上使用复杂的插值算法,但是获得的压缩比较低。在实际应用场合,需要以较低的复杂程度对贝尔图像直接压缩,并在保证重构图像质量的同时,获得较高的压缩比。为此,本文提出基于多小波变换的贝尔图像有损压缩算法。     

基于自适应分割和自适应量化的图像压缩算法

为弥补JPEG算法不能自适应不同属性图像的不足,提出一种基于自适应分割和自适应量化的图像压缩算法.利用多闲值分割将图像分割成不同尺寸的平滑子块和细节子块,不同子块采用不同DCT变换和量化方式.本文定义的压缩-信噪比增益(CPR)同时考虑了压缩比(CR)和峰值信噪比(PSNR),可有效评价图像压缩效果,实验结果表明,与传统JPEG算法相比,该算法在PSNR相同情况下,能够获得更高的CR;或者在CR相同情况下,能够获得更高的PSNR.     

基于MPI的分形图像压缩并行算法

利用MPI提供的库函数,提出了基于MPI的分形图像压缩并行化算法,将图像的定义域块和值域块的搜索匹配过程分配给多台处理器同时执行.实验结果表明,利用MPI来进行分形图像压缩,可以缩短压缩时间,在不改变压缩比的情况下,得到较好的加速比.     

数据压缩字典与快速图像分形映射压缩算法

针对分形编码压缩时间太长、以至于该算法很难达到实用的缺点,提出了对图像进行分级预处理,即根据被压缩图像的实际情况建立一个数据压缩字典,使得被压缩图像的匹配块仅在数据压缩字典指定的块中进行,从而大大减少图像压缩过程中的搜索范围和压缩时间·此外,给出了建立数据压缩字典的理论基础,并根据此思想给出了一个新的实现分形编码算法·实验表明,在提高压缩比的同时,运算时间也大大缩短     

基于BP神经网络的分形图像压缩技术研究

通过分析传统的基于四叉树分形的压缩算法,提出将BP神经网络模型应用到基于四叉树的分形图像压缩中,同时给出这种改进压缩的基本思想,并用堆栈实现其算法的步骤。在改进压缩算法中,引入基于BP神经网络的可并行性方法,并用数学思想推导证明。在用算法加以实现时,采用了数据结构中的堆栈思想并用算法实现。通过执行时间的长短和算法复杂度来整体评价改进算法和传统算法的异同,得出结论:此种方法通过神经网络的并行性能,可获得高质量的解压缩图像,使图像的压缩和解压缩可以并行的快速的执行。     

基于对抗样本的深度学习图像压缩感知方法

压缩感知是研究数据采样压缩与重构的信号处理新理论,近年来研究人员将深度学习运用到图像压缩感知算法中,显著提高了图像重构质量.然而,图像信息常与隐私关联,高质量的重构图像在方便人们观赏的同时,带来了隐私保护的问题.本文基于深度学习理论,提出一种对抗的图像压缩感知方法.该方法将压缩理论和对抗样本技术统一于同一个压缩感知算法,通过设计损失函数,联合重构误差和分类误差来训练压缩感知深度神经网络,使得压缩感知重构样本同时也是一个对抗样本.因此,重构图像在保证重构质量的同时,也能对抗图像分类算法,降低其识别率,达到保护图像隐私的效果.在Cifar-10和MNIST图像集上进行的实验结果表明,和已有的压缩感知方法相比,我们提出的对抗压缩感知方法以损失仅10%的图像重构质量为代价,使得图像分类精度下降了74%,获得了很好的对抗性能.     

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BP神经网络结构的图像压缩技术研究

采用BP(back propagation)神经网络方法进行图像数据压缩处理.通过输入信号的正向传递和误差信号的反向传播算法,直接为图像提供数据压缩的能力.仿真实验表明,通过合理调整BP神经网络模型隐含层神经元的个数,可使图像压缩效果最佳.     

数据压缩字典与快速图像分形映射压缩算法

针对分形编码算法压缩时间过长 ,以至于该算法很难达到实际应用的缺点提出了对图像进行分级预处理 ,即根据被压缩图像的实际情况建立一个数据压缩字典 ,使得被压缩图像的匹配块仅在数据压缩字典指定的块中进行 ,从而大大在减少了图像压缩过程中的搜索范围和压缩时间·此外 ,对这一思想的可行性在理论上也进行了有益的探索 ,给出了建立数据压缩字典的理论基础 ,并依此思想给出了一个新的具体实现分形编码的算法·实验表明 ,在提高压缩比的同时 ,运算时间也大大缩短 ;同时还表明 ,数据压缩字典的建立是在压缩速度上对分形编码方法的重大革新·…     

基于新的父块库分类的自适应图像分形编码算法

图像编码在数据存储和传输领域有着广泛的应用,全自动分形图像压缩算法是实现高压缩比图像编码的有效途径之一.本文在自适应四叉树分形编码基础上提出了一种改进的父块库分类的算法.该算法将父块划分为四个部分,以各部分的灰度均值和平稳阈值为判定标准,将父块库划分为两个大类和六个小类,大幅度降低了父块库的冗余程度.通过对图像的编码与解码计算,发现改进算法在加速搜索的同时,可以大幅度地提高图像的峰值信噪比.其中,平稳阈值是影响编码时间的主要因素,适中的平稳阈值能够保证最短的编码时间.