基于单层小波变换的自适应压缩感知图像处理

文章在未知二维图像的稀疏度的情况下,提出了基于单层小波变换的自适应压缩感知算法,保留其中的低频系数,只针对高频系数进行测量。在小波变换把二维图像分成低低、低高、高低和高高的4块之后,利用稀疏度自适应匹配追踪算法,分别对其中包含在低高块中的列、高低块中的行、高高块整体中的那些高频系数进行恢复,再进行小波逆变换重构图像。仿真结果表明,与原来的单层小波变换的非自适应压缩感知算法相比,该算法解决了稀疏度未知情况下的图像恢复问题,而且重构图像质量也得到很好的保证,例如在相同的采样率下,新算法与原算法之间的PSNR相差不过2dB。     

基于小波变换和对块零树编码压缩方法

提出基于小波零树的对块零树压缩编码方法。该方法既具有小波零树压缩编码高压缩比、宜于实时实现的特点，同时具有编码／解码速度快，易于实时传输等优点，可广泛地应用于各种低码率传输应用中。     

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。     

基于小波变换和零树编码的医学图象压缩

对数字图象进行压缩可以提高存储和传输的效率 .利用图象本身的相关性 ,目前已经有多种压缩方法 ,如无损压缩的ｌｚｗ算法和有损压缩的ｊｐｅｇ算法 .而医学图象除了本身的相关性外还具有两个特性 :(1)很多非压缩的图象数据是以每象素 16ｂｉｔｓ的方式存储 ,而其中实际有效的数据通常是 8～ 12ｂｉｔｓ.通过压缩可以去掉冗余部分 .(2 )医学图象的某些区域 (非敏感区 )是边框、说明、标尺及背景部分 ,对这些区域可以进行高压缩比的压缩 .医学图象一般采用无损压缩 ,但无损压缩的压缩比较小 ,通常为 1.5～ 3倍 .在低速网传输医学图象 ,往往导…     

基于单层小波变换的加权压缩感知图像处理

针对简单正交基不能足够稀疏表示信号问题,提出了一种基于单层小波变换改进的加权压缩感知算法。根据图像小波变换的特点,对图像进行单层小波分解,保留低频系数,对高频系数进行测量;并提出设置加权系数矩阵,作用于信号小波正交变换后的高频稀疏系数,增强其系数的稀疏性,增强图像的重构质量;重构算法采用贪婪算法中的OMP算法。实验结果表明该算法对重构精度有进一步提高。     

基于小波稀疏基的压缩感知遥感图像融合算法

针对遥感图像融合提出了一种基于小波稀疏基的压缩感知算法,该算法利用IHS变换法得到的高空间分辨率融合图像有尖锐边缘及小波变换能较好的保持光谱信息的优势,将多光谱图像的I分量和全色图像进行小波变换;根据其高低频分量的特点,对其低频分量采用小波稀疏基的系数加权融合法,高频分量采用边缘提取法分别进行融合,最后进行小波逆变换和IHS逆变换得到最终融合结果。实验结果表明,不同的小波稀疏基系数对融合结果有较大的影响,且所选算法的融合效果优于系数最大值法及传统融合方法。     

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。     

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。     

一种基于零树量化的小波变换图像压缩方法

在对零树编码的方法研究的基础上,针对零树编码方法存在编码时间较长的缺点,提出了一种改进的零树编码方法,主要包括：对最低频子带系数单独编码;设立标志矩阵;以扫描单元为单位进行主表扫描;实验表明这种改进的零树编码方法,加快了编码速度,另外,该编码方法也能够产生嵌入式码流,支持多码率解码。     

基于小波分解的语音自适应压缩感知

根据语音信号经过小波分解后低频分量和高频分量的特点,提出分别对他们进行自适应压缩感知。首先对信号的低频分量用训练的过完备基进行稀疏分解,降低了稀疏分解过程中的计算量。然后详细描述了改进自适应观测矩阵的产生,以及对低频和高频分量分别进行自适应观测。最后通过OMP重构算法分别对低频和高频分量进行重构,通过小波合成还原出原始信号。实验表明,语音信号在基于小波分解的自适应压缩感知方案中具有良好的重构性能。     

顺序小波包图像压缩感知方法

针对压缩感知中测量次数不确定的问题,提出了顺序小波包图像压缩感知方法.该方法选用小波包变换分解图像,降低信号稀疏度,将图像划分为大小相等的小波包系数块,利用小波包系数块数学期望与稀疏度之间的关系,对初始采样信号y0的长度进行预测;同时变长设置顺序压缩感知过程中采样信号y1,…,yn的长度,来减少解压缩端重构次数以及两端的通信次数,从而解决传统顺序压缩感知方法中存在的不足.实验表明该方法在重构次数和重构精度上优于传统顺序压缩感知方法.     

一种基于小波包变换的零树分形图像编码算法

在分析小波包变换、零树编码和分形编码的特点的基础上,通过选择最佳小波包基,对不同子带分别采取零树编码和分形预测编码等措施,提出了一种基于小波包变换的零树分形图像编码算法.实验结果表明:本算法能有效提高峰值信噪比和减少编码时间,提高了压缩效率.     

基于小波变换的人脸图像压缩

传统的人脸识别方法,在对压缩的人脸图像进行识别时,要先进行图像的“全解压”操作,然后再进行识别,这无疑大大限制了识别系统性能的提高.为提高压缩人脸识别中压缩域特征提取的有效性和识别率,提出一种支持在压缩数据中提取识别特征的人脸图像压缩算法,反对称双正交小波变换子带编码的方法.与DCT法相比较,在获得高压缩比的同时,较好地保留了人脸图像的识别特征和主观质量.     

基于小波变换的遥感图像快速拼接方法

基于图像小波变换与低频区域特征匹配的拼接方法,实现无人机序列遥感图像的快速动态拼接.根据无人机遥感图像成像的内、外方位元素,采用直角空间变换及二次线性插补方法,实现了遥感图像校正.小波变换提取低频图像,在此图像区域中搜索和提取特征模板,然后利用序贯相似性检测法进行匹配计算.根据匹配结果,实现两幅图像的拼接.仿真实验结果表明,所提出的拼接方法具有较好的实时性和拼接精度.     

基于小波变换的遥感图像融合方法

概述了图像融合技术的常用方法,着重介绍了基于小波变换的图像融合原理、融合算法与融合规则,并分析了不同的小波基及小波分解层数对图像融合效果的影响,最后总结了有效的图像融合结果的评价指标。     

基于小波变换的快鸟遥感影像数据融合

在给出小波变换基本模型的基础上 ,探讨了采用小波正交分解与重构来进行遥感信息融合的基本原理 .快鸟影像数据是目前新的高分辨率卫星遥感数据产品 ,在分析该数据特点的基础上 ,考虑采用小波变换应用于快鸟高分辨率卫星影像数据全色和多光谱数据的融合 ,并给出了具体的数学模型和实现流程 .作为实际应用 ,又详细给出了小波用于遥感数据融合的中间过程和最后结果 ,并通过分析影像融合的效果 ,提出了有效的成果调整方法 ,且说明了该方法是切实有效的     

一种基于零树量化的小波变换图像压缩方法

在对零树编码方法研究的基础上 ,针对零树编码方法存在编码时间较长的缺点 ,提出了一种改进的零树编码方法 .主要包括 :对最低频子带系数单独编码 ;设立标志矩阵 ;以扫描单元为单位进行主表扫描 ;实验表明这种改进的零树编码方法 ,加快了编码速度 .另外 ,该编码方法也能够产生嵌入式码流 ,支持多码率解码     

一种基于零树小波的图像比率可分级编码方法的研究

Shapiro的EZW算法具有可产生嵌入式码流、可精确控制压缩比等特点，倍受人们的关注，然而该算法还有一些不足，如在进行零树编码时，对未被包括进零树的“零值”，需要将其编成“弧立零”码，试验表明这部分编码通常占有高的代价，往往会影响到编码效率，在分析了EZW编码过程和码流的基础上，提出一种阶梯型量化和零树小波相结合的图像比率可分级性编码方法，首先对图像小波分解的较低级子带的变换系数采取一种阶梯型量化，然后对整体小波系数采用零树编码，并利用逐次逼近量化方法获得潜和式码流，以实现比率的可分级解码，它在一定程度上克服了EZW算法的不足，提高了PSNR值，试验结果验证了方法的有效性。