基于小波压缩和混沌置乱的图像处理算法

提出一种图像压缩和加密相结合处理方法.利用小波变换的多分辨率特性,对灰度图像进行小波分解,得到低频近似分量和三个方向的细节分量;根据人眼视觉特性,对细节部分系数矩阵进行阈值调制,实现对图像的压缩;利用混沌系统伪随机、遍历性等特性,对集中了原图大部分能量的低频近似系数矩阵进行混沌置乱,实现对图像的加密;用阈值调制后的细节系数矩阵和置乱后的低频加密矩阵进行小波反变换,得到最终的图像.仿真结果表明,此算法在压缩和加密的结合处理上,表现出良好的性能.     

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。     

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。     

小波变换在图像压缩中的应用

介绍了小波变换的基本理论以及基于小波变换的图像分解与重构过程．讨论了在Matlab语言环境下实现图像压缩的基本方法,并对小波变换用于图像压缩时小波基的选取所要考虑的因素进行了分析．从工程和实验两个方面较为直观地探讨了小波变换在图像压缩中的应用．实验结果表明：小波变换用于图像压缩能够实现很高的压缩比,具有很高的使用价值．     

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。     

基于小波分析的图像压缩算法应用

以提高压缩比,减少失真度为目标,给出了基于Db小波基的具体推导过程。利用Mallat分解重构比较了Db小波和9—7小波的压缩效果。因此研究对于用小波变换进行图像处理等方面都有很好的应用价值。     

二维小波在图像压缩方面的应用

讨论了二维小波分解和重构两种算法.给出了两种算法的比较和Matlab实现过程.结果证明,只保留原始图像中低频信息的压缩方法是一种简单的压缩方法,不需要经过其他处理即可获得较好的压缩效果.运用小波树进行图像压缩时,通常在给定小波基函数条件下,阈值越大,系数为零的数目就越多,重构图像文件压缩率也越高,重构的图像失真程度亦随之增大.     

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．     

非线性小波变换及其在图像压缩上的应用

提出了一种基于非线性小波变换的图像压缩方法。使用非线性小波变换可以更高效地表示图像的边缘信息,并更能把图像的能量变换到低频子带上。仿真结果也表明,提出的方法在较高压缩比时比JPEG2000效果要好。     

二维小波在图像压缩方面的应用

阐述了二维小波理论及其分解和重构算法,并利用Matlab软件演示其实现过程.实践证明,二维小波对图像压缩具有良好的效果.     

基于能量分布的小波图像压缩方法研究

图像经过小波变换后,其能量聚集性、子带之间的相似性以及多分辨分析的特点使得小波图像压缩获得了很多的优势。如何有效地利用小波分解系数更好地表示图像信息是提高图像压缩性能的关键。本文从能量分布的角度讨论了基于小波变换后图像能量分布的特点,提出了两种根据系数能量的分布选择系数的压缩方法,通过试验和其它方法进行对比,按分解等级归类小波子带的压缩方法可提供更高效的压缩性能。     

基于自适应双正交小波的织物疵点边缘检测

针对织物疵点边缘检测问题,分析了"最佳"边缘检测滤波器设计的准则,以及构造自适应双正交小波的优化目标函数,提出了一种基于自适应双正交小波的图像边缘检测方法.实验结果表明,与已有的基于小波的图像边缘检测方法相比,本方法具有更好的边缘检测能力和鲁棒性.     

基于小波变换的Canny算子边缘检测算法

分析了基于小波变换的图像增强算法和传统的Canny边缘检测算法,提出将两种方法有效地结合起来,应用于对比度低图像的边缘检测中。实验证明,该方法准确的检测图像中的目标边缘,且能较好地保持目标边缘的连通性。     

整数小波变换与矢量量化相结合实现图像压缩

论述了基于提升框架下整数小波变换与矢量量化相结合的图像压缩.经仿真认为此方法可降低计算复杂度,实现快速小波变换,利用局部搜索法量化的速度高于全局搜索法,且可通过调整局部搜索范围调整恢复图像的质量,达到提高编码速度和恢复图像质量的目的。     

小波变换在图像边缘检测中的应用研究

根据Morlet多尺度边缘检测的思想,对一幅图像f(x,y),对其进行小波变换,然后分别向3个方向上的小波基进行投影.此种方法对于检测具有方向性的图像有比较好的效果.实验表明,该方法得到满意的结果.     

基于小波变换的混合图像编码方法

提出了一种新的静止图像压缩算法--基于小波变换的混合图像编码方法.该算法综合了多种编码方法的优点.经实验表明在高压缩比的情况下,本算法仍能获得满意的图像质量,优于目前已有的其它算法.     

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。     

基于小波分解的痕迹灰度图像边缘检测

针对痕迹图像边缘检测的特征，给出了一种新的基于小波多尺度分解的分层图象边缘检测方法，其基本思想是先对源图像进行小波多尺度分解，其次在不同尺度的子带图像上进行基于局部区域特征的软阈值滤波。最后再进行小波重构，以提取图像的边缘。实验结果表明，该算法比其它算法提高了痕迹图像边缘的检测精度，是十分有效的。     

基于小波变换的图像边界问题的研究

首先简要地介绍了一维信号对称边界延拓方式及二维信号双正交小波分解重构算法，然后在一维信号边界延拓方式的基础上，研究了在小波变换过程中，当高、低通滤波器长度为奇数且关于0对称时，数字图像能够精确重构的边界延拓问题。给出了数字图像的小波变换及边界延拓的步骤。最后，通过仿真实例验证了该对称边界延拓方式能够保证数字图像在小波变换中精确重构。