基于稀疏分解的图像压缩

图像稀疏分解是一种新的图像分解方法,可以将图像分解为很简洁的近似表达形式。在图像稀疏分解的基础上,对分解出的数据进行压缩。通过对分解结果数据分布规律进行分析,提出了量化和编码的方案,期望在低比特率情况下,得到较好的解码图像质量。实验结果表明基于稀疏分解的图像压缩方法得到的解压图像有较好的主观图像质量。     

图像光照补偿方法的研究

为了有效弱化光照对图像内容的影响,对现有的Gamma矫正方法进行了分析。并在计算复杂度不变的情况下,对原来的非线性函数进行了改进,构造了更合理的Gamma矫正曲线,使Gamma矫正方法的性能得到提高。针对彩色图像中的光照补偿问题,比较了基于不同彩色模型的处理方法。实验结果表明,本方法在弱化光照影响、提高图像质量方面具有良好的性能。     

基于Curvelet的纹理方向自适应图像插值

为提高纹理复杂图像的插值放大质量,提出一种纹理方向自适应的图像插值算法。首先利用Curvelet变换提取图像的4个方向因子矩阵,然后对不同类插值点选择相应的2个方向因子构造权重系数进行线性插值,从而自适应地重建各类待插值点。分析比较了本文与现有插值算法对平滑与纹理复杂区域的插值重建质量。实验结果表明,本文算法能有效抑制传统插值方法重建图像时出现的边缘模糊和锯齿现象,重构的图像效果优于传统方法,纹理丰富图像的重构质量可提高2dB以上。     

子波处理的新探索

本文提出了一种新的子波处理方法.该方法是在已知子波的基础上,利用子波自相关的零相位对称性,根括最小平方原理进行反褶积,最后得到零相位的压缩脉冲.经过上机试脸证明,该方法比原有子波处理方法有较大的改善.     

基于冗余字典的信号超完备表示与稀疏分解

基于冗余字典的信号稀疏分解是一种新的信号表示理论, 采用超完备的冗余函数系统代替传统的正交基函数, 从而为信号自适应地稀疏扩展提供了极大的灵活性. 稀疏扩展一方面可以实现数据压缩的高效性, 更重要的是可以利用字典的冗余特性捕捉原始信号的自然特征. 本文从超完备信号稀疏分解和非线性逼近理论的一系列最新成果出发, 综述了基追踪和匹配追踪等主流算法在信号表示方面的稀疏性与字典相干系数的关系问题, 评述了目前字典构成的发展趋势.     

基于图像局部方差分布的自适应反锐化掩模算法

针对现有反锐化掩模法中的缺点,分析了人类的视觉特点。根据图像细节分区原理,利用试验参数和具体图像的局部方差分布获取图像修正因子增益,提出了一种有效的图像增强算法一基于图像局部方差分布的反锐化掩模算法。该算法从人类视觉特点出发同时兼顾具体图像的局部方差分布特征。     

稀疏分解及其在图像压缩中的应用研究

主要针对涉及图像稀疏分解及其在压缩中应用的关键问题进行研究,研究内容集中在图像稀疏分解的快速算法、图像稀疏分解的效果及如何更好地把稀疏分解的结果数据应用到图像压缩编码中。在理论上,提出了稀疏分解中过完备原子库的集合划分。基于集合划分方法提出了基于FFT的稀疏分解算法和改进算法。针对基于FFT的稀疏分解算法的不足,提出了基于FHT的稀疏分解算法。利用智能计算方法(如遗传算法、蚁群算法、量子遗传算法和粒子群算法等)实现图像稀疏分解。使计算速度基本能够满足需要。在稀疏分解的基础上,分析了分解数据的分布规律,针对其分布和低比特率图像压缩的要求,提出了多种压缩编码方案,如对结果数据排序差分编码方法和指数预测编码方案。