视频三维小波分解系数的统计分析

运动补偿的3D小波变换的模型已经成为视频处理系统的热点.视频序列经过时间分解和空间分解,生成不同的小波子带,小波子带分成时间和空间上相互不重叠的编码块独立编码.使用两种拟合优度方法.即KS和χ2,研究视频序列的亮度分量的编码块小波系数分布情况.实验结果表明,认为高通帧的编码块小波系数近似符合广义高斯分布是合理的.这样的...     

一种改进的三维小波视频编码

考虑到三维小波变换系数沿时间频带和空间频带的统计特征变化不同,首先定义了一种分级时-空小波树,以有效利用帧内相关性与帧间相关性的差异,提高对时间低频子带内的空间高频子带的小波系数编码效率,然后将它应用到修正的三维SPIHT（Set Partitioning In Hierarchical Tree)编码算法中,进而提出了一种改进的三维小波视频编码器,低比特率的测试结果表明,改进后的三维SPIHT视频编码器性能上优于H.263.同时,该编码器也具有渐近式传输所期望的嵌入特性,可以实现比特率精确控制,满足 定速率传输视频应用的需要。     

小波域内的分形视频编码方案

探讨了使用分形映射实现小波子带系数自量化编码的改进方案.利用小波系数父子节点之间的相似性,对Range块进行快速的分形匹配,并且在算法中采用了DPCM、算术编码;对视频序列则采用条件补充帧间编码,以减少算法运算量.实验结果表明了该算法的有效性.     

基于小波分解的分形图像压缩算法研究

在分析基本分形压缩编码算法优缺点的基础上,提出了基于小波分解的分形图像压缩算法.该算法对图像经过三级小波变化后,对二级子图像和三级子图像采用无搜索式分形编码,即值域块的分形码由相应固定位置的定义域块进行匹配搜索编码,小波系数的符号单独编码.解码时,利用不同小波尺度之间的相关性,由二级子图像的分形码估计出一级子图像的分形码;再由各尺度上的分形码重构各尺度的小波系数;添加小波系数的符号后进行小波反变换即得解码图像.仿真实验结果表明,提出的新算法在解码图像质量略有损失的情况下,图像编码时间和提高压缩比方面均有良好的效果.     

图像小波包子带编码

本文提出了一种基于小波包分解的图像压缩编码方法 ,根据子带变换系数的统计特性结合人眼的视觉特性对小波包分解的子带有选择的进行量化编码 ,形成不同压缩码率和图像质量等级 ,便于网络视频服务中不同用户对不同的图像质量的要求     

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EZW图像压缩算法改进的可行性研究

在嵌入式零树小波编码(EZW)算法的基础上,为实现快速高质量数字图像压缩性能,探讨消除树间系数节点冗余以进一步实现压缩的可能性,并给出避免多次重复后代子孙系数节点扫描的改进策略.首先,根据EZW算法中全局阈值提取的重要系数在各子带的分布特性,给出一个各子带重要系数的自适应阈值序列.然后,依据归一化能量序列熵值进一步压缩各子带的重要系数,以实现消除小波树的树间冗余.最后,采用小波树逆编码完成对图像数据的编码输出.     

一种基于BP神经网络和小波变换的网络流量预测模型

结合小波变换和BP神经网络,建立一种网络流量预测模型.首先对流量时间序列进行小波分解,得到多个尺度的小波系数序列,以系数序列和原来的流量时间序列分别作为模型的输入和输出,构造人工神经网络并且加以训练.用实际网络流量对该模型进行验证,结果表明,该模型具有较高的预测效果.     

可变树长混合小波和子树自量化分形视频编码

对可变树长混合小波和子树自量化分形视频编码方案进行了探讨。通过金字塔小波分解,每一视频序列帧被分解为多频率子带,将它们按一定方式组织成小波子树结构来表示视频序列的运动特性。对这些小波子树进行运动检测,分成运动树和非运动树两类。非运动树的编码直接、简单;运动树则采用可变树长混合小波和子树自量化方法来进行编码。实验结果表明:在低比特率情况下,文中所述的方案在PSNR(峰值信噪比)和主观质量两方面均可获得较好的性能     

基于小波低频子带的奇异值分解的图像识别

提出一种基于小波低频子带的统一特征空间奇异值分解的人脸识别方法.首先利用小波变换提取人脸图像的低频子带,然后作傅立叶变换,获得低频子带的频谱;将低频子带的频谱投影到标准脸奇异值分解的统一特征空间,投影系数作为人脸识别特征;采用L_1距离进行最小距离分类,实验结果表明,该方法比统一特征空间奇异值分解方法可获得更高的识别率.