基于SPIHT和视觉显著性检测的彩色图像水声信道传输

在学术和工程领域,如何在带宽严重受限的水声信道中获取具有一定可用性的彩色图像一直是一个备受关注的问题。文章提出了一种新的水下彩色图像传输方法,利用基于分级树集合分裂(Set Partitioning in Hierarchical Trees,SPIHT)算法的图像渐进传输和视觉显著性检测,在复杂多变、带宽严重受限的水声信道中获得可用性较好的水下彩色图像。该方法根据信噪比动态调整数据传输方案,并使用红色通道补偿来提高频域中显著性检测的准确性。然后使用SPIHT渐进传输图像,并在接收端通过导向滤波解决高降采样率引起的块效应,以获得高质量的水下图像。实验结果表明,所提出的方法在压缩水下彩色图像方面具有一定的适用性。

无链表SPIHT图像提升小波编码的硬件算法

为了解决小波零树编码算法中,SPIHT(分级树的集合分裂)算法占用大量存储空间的问题,给出了一种无链表SPIHT图像压缩算法.在这种算法中,小波系数按照SPIHT的顺序输入到编码器中,编码器按照NLS算法编码,小波变换采用9/7提升分解算法,量化算法为均匀标量量化,图像边界延拓采用了补零延拓方法.实验结果表明,该算法图像压缩比与JPEG2000的EBCOT(基于优化截断的嵌入式块编码)算法几乎相同,编码速度大约是后者的2倍,一幅512×512的图像仅需要17.875KB额外内存.

一种基于系数状态表的SPIHT图像编码算法

提出了一种新的基于系数状态表的SPIHT(LPS-SPIHT,list of p ixel stata-set partition ing in h ierarch icaltrees)图像压缩编码算法,该算法具有以下5个特点:第一,定义了一种扩展的空间方向树,使1个结点含有2×2相邻的4个系数,并将基本EZW(嵌入式小波零树)的符号定义应用于扩展树;第二,用1个廉价的系数状态表代替了SPIHT算法中的LIS(不重要集合表)、LIP(不重要像素表)、LSP(重要像素表)等3个数据表,节省了内存;第三,通过扫描系数状态表,可一次性完成对图像数据的编码,使分类过程与细化过程合二而一;第四,利用一种树指数避免了重复计算,提高了处理速度;第五,通过重新组织编码过程,省去了对大量可推知位的编码,提高了压缩效率。实践证明,与目前公认的最为有效的SPIHT算法相比,该算法不仅性能优越,而且计算简单,容易实现。

结合近似最优比特分配的改进SPIHT算法

SPIHT算法是一种实用、高效的小波零树图像编码算法。针对SPIHT算法存储空间需求大、运算复杂度较高等缺点,提出了一种改进的快速、低存储SPIHT算法,该算法将小波变换所形成的水平、垂直、对角和低频4个子带分成4个处理单元,对每个处理单元分别进行量化编码,并在各单元之间采取近似最优比特分配以提高量化性能。实验结果表明,改进算法在提高峰值信噪比等性能指标的同时,有效地减少了算法的存储需求及运算时间。

一种快速改进型SPIHT算法

在借鉴前人研究成果的基础上,对SPIHT算法进行如下改进:利用人眼视觉特性对小波系数进行加权,更加注重人的主观因素对图像压缩的影响;引入最大值表,系数扫描时只需将最大值表内相应数据同阈值进行比较;多颗空间方向树并行编码,加快算法执行速度.实验结果表明,与传统SPIHT算法相比,该算法编解码速度加快1倍以上,更易于硬件实现.所得重建图像具有更好的视觉感受,同时峰值信噪比平均高出0.2 dB.

基于改进的SPIHT整数提升小波变换的图像压缩

针对传统小波变换过程复杂的缺点和SPIHT算法编码过程重复运算、存储量大以及未考虑人眼视觉特性的不足,提出了基于改进的SPIHT整数提升小波变换的图像压缩算法,首先选用9-7整数提升小波对图像进行分解,然后对低频子带的重要系数采用特殊处理,对高频子带改变扫描方式来获得最大系数和按频率优先的原则输出系数。同时引用最小输出位、最大值表思想,具有节省索引的时间、节省内存、计算速度快,编码、解码简单的特点。实验结果表明了该算法在相同的比特率下(特别在低比特率下)得到的重构图像的PSNR值高于原算法且缩短编解码时间,是一种有效的快速图像压缩算法。

改进的SPIHT算法

SPIHT算法是一种高效的嵌入式的零树编码算法,然而,它需要大量的内存空间,不利于DSP或VLSI的实现。LZC算法可以极大地降低编解码器的内存需求,但同时也降低了编解码器的性能。该文利用LZC算法的思想,改进了原来的SPIHT算法,使得在仅仅在LZC算法的内存需求基础上,达到SPIHT算法的性能要求。同时又提出了一种近似搜索算法来提高编码器的速度。

一种基于人眼特性的改进SPIHT图像压缩算法

对SPIHT(Set Partitioningin Hierarchical Trees)进行了研究,提出了一种基于人眼视觉特性的改进SPIHT算法。它首先对图像进行整数小波分解,然后根据图像经小波分解后系数的特点以及人眼对图像的边缘信息更加敏感的特性,对SPIHT算法进行改进。由于改进后的算法更加注重边缘信息的编码,实验结果表明重构后的图像更加清晰,尤其在低比特率时候效果更加明显。

基于SPIHT算法的感兴趣区域编码的研究

在多级树分裂算法(SPIHT)的基础上,结合JEPG2000中最大平移法和基于尺度法对感兴趣区域处理时的优点,提出了基于SPIHT算法的感兴趣区域图像编码新方法.实验结果证明,该方法在低比特率的情况下,可以传输部分背景区域图像,在RO I区域传输完毕的情况下,不再传输RO I上的0码,节省了码流,进一步提高了编码效率.

一种简单误码检错多分辨率SPIHT算法

由EZW算法演变而来的SPIHT算法是目前为止影响最大的小波压缩算法之一,它通过独特的扫描方式,将小波系数按照能量大小或者重要性程度编码输出。由于引入了小波树,隐藏了扫描路径,SPIHT能获得高压缩比,同时保持较高的图像质量。而后提出的多分辨率SPIHT算法能使解码器根据信道条件,选择图像还原分辨率。然而,SPIHT对路径可靠性要求严苛,任何路径信息的传输错误都会导致剩余所有码元的解码出错。许多学者就路径码元的保护提出了不同改进,却未能从根本上提高算法的抗噪性能。为此,提出了一种改进了的SPIHT算法,该算法在保持较高信噪比和不增加码元数量的基础上,使解码器具有简单误码检错能力。

视频帧组与其残差帧组交替的3D-DWT-SPIHT压缩编码方法研究

提出一种改进的方法 ,它采用视频帧组与残差帧组交替来进行三维小波变换 ,减少视频帧组内的帧数、时间延迟和存储空间 ,同时在时间轴上采用两种小波基相结合的方法 ,提高了压缩效率和解码图像的质量 ;尤其是对背景复杂的视频序列有较好的效果 .实验结果表明本文方法在相同条件下比现有方法的PSNR平均提高约 1dB 。

基于SPIHT的感兴趣区域编码

感兴趣区域(ROI)编码是一种重要的图像编码思想,可用来解决图像质量与压缩比之间的矛盾,特别适合应用到医学图像压缩中。提出了一种基于层次树集合划分(SPIHT)算法的感兴趣区域编码方法,通过附加ROI掩模信息,无需提升小波系数,使得ROI优先于其它区域编码和传输。

基于SPIHT的静止图像ROI编码算法

结合JPEG2000中比例移位法对感兴趣区域(ROI)编码算法的优点,提出了基于多级树集合分裂(SPIHT)算法的ROI图像编码算法.压缩后的码流具有嵌入性特点,支持渐进传输.实验结果表明,在相同码率下,本算法重建图像整体峰值信噪比低于SPIHT算法,但ROI区域能够得到较好的重建,主观视觉效果好,尤其适用于低码率压缩情况.

基于医学图像ROI形状估计的改进SPIHT算法

为提高医学图像的传输质量和编码效率,提出了一种新的位平面提升方法和基于感兴趣区域(ROI)形状估计的改进分层树集合分割排序(SPIHT)算法.位平面提升时,采用交错提升方法,在不需传输掩模的情况下实现感兴趣区域与背景的相对质量可调;对提升后的位平面,通过传输ROI外接规则形状的几何参数,根据估计的掩模信息超前判定零树,节省图像比特数.实验结果表明,在相同的截断码流下,相比SPIHT算法,改进的算法无论是ROI还是整幅图像都有更好的图像质量,且码率越低效果越明显.

逆时偏移成像与SPIHT的应用

逆时偏移成像建立在全波波动方程基础上,偏移成像结果精准,但偏移时计算耗时长,影响了逆时偏移的实际应用.以缩短逆时偏移的计算时间为目的,分析造成计算耗时的原因,采用基于提升构架的整数小波变换的多级树集合分裂(set partitioning in hierarchical tree,SPIH了)图像编码方法降低逆时偏移计算时的内存占有量,解决了计算耗时过长的问题,提高了综合计算效率.对Marmousi模型叠前深度逆时偏移处理表明,该方法能较好地解决逆时偏移计算耗时的问题,而且不影响成像精度.

一种基于大顶堆的SPIHT改进算法

多级树集合(SPIHT)算法在多次排序扫描过程中需要进行大量重要性测试,由此导致算法的压缩编码效率显著降低。为提高SPIHT算法的压缩效率,本文利用大顶堆方法,提出了一种SPIHT改进算法。改进算法优化了SPIHT中的重要性测试,并将函数时间复杂度从O(logn)降为O(1)。实验结果表明本文方法在进行多次小波变换时效果尤为显著,使得SPIHT编码时间趋于一个常数,压缩效率比未改进前提升数倍。

多极化SAR图像3D-SPIHT压缩

该文针对多极化合成孔径雷达(SAR)图像在极化通道之间的相关性,提出了3D-SPIHT压缩方法。将多极化SAR图像(HH,HV,VV图像)作为一个整体,进行三维矩阵变换。首先在极化通道之间进行一维DCT变换,极化平面内进行二维离散小波变换(DWT),然后对3个极化混合系数平面采用分级树的集合划分(SPIHT)算法进行嵌入式统一混合编码。由于不是单独处理每一极化图像,因此不仅可以去除各极化图像内部之间的相关性,也可以去除极化通道之间的相关性。另外,由于采用统一嵌入编码,码流具有完全嵌入性,可以实现3个极化平面之间比特的精确自动分配。理论推导和仿真结果表明该方法对多极化SAR图像压缩是十分有效的。

一种改进的SPIHT图像压缩方法

提出一种对SPIHT编码中D型集合分裂的改进算法,以及一些优化建议。通过引入对O型集合重要性的判断,实现先整体后个体的编码思路;通过预测编码消除集合与子集合间、节点与叶节点间的状态冗余。实验证明,算法提高了在输出码流中重要系数的比率,获得优于SPIHT算法的PSNR。

一种基于SPIHT和匹配追踪的图像编码方法——SPMP算法

为了更好地利用图像的结构特征，提高图像重建的质量，提出了一种基于多级树集合划分（SPIHT）和匹配追踪（MP）的分层图像编码方法——（SPMP）算法。该方法首先采用拉普拉斯金字塔（LaplacianPyramid）算法将原始图像分解成低频平滑层和高频细节层，然后使用离散小波变换和SPIHT算法编码图像的低频成分，使用基于克隆选择的匹配追踪算法编码图像的高频细节层。实验结果表明，该方法能够产生渐进PSNR的位流，图像重建质量要明显高于小波图像编码算法。