高帧频虚拟图像无损防失真压缩算法仿真

高帧频虚拟图像的特征较密集且变化速度较快,其压缩处理易导致失真问题。为优化虚拟图像的交互式质量,提出高帧频虚拟图像无损防失真压缩算法。将高帧频虚拟图像输入深度学习网络中,去除高帧频虚拟图像中存在的噪声。依据像素点在两个图像块的差值对应的绝对值和SAD最小原则,对高帧频虚拟图像实施逐点划分操作。基于此,通过细节增强超分辨率算法对去噪后的图像做增强处理。采用LZW算法编码高帧频虚拟图像中像素的数据流以及掩膜图,完成高帧频虚拟图像无损防失真压缩。仿真结果表明,所提方法的图像保真度高,在保证图像质量的前提下,所提方法下的图像压缩比可保持在9以上。

基于稀疏表示的数据无失真压缩模型构建

信息化技术在相关领域应用逐渐加深,使得数据量急剧增加,造成数据存储空间不足、需求数据寻找困难等问题,制约着管理水平的提升与企业的可持续发展,因此构建基于稀疏表示的数据无失真压缩模型。应用超完备字典学习方法稀疏表示数据,以稀疏系数向量为基础,计算数据之间的相似度,基于谱聚类算法聚类处理数据,利用MTDimpute算法填补缺失数据,以缺失填补后的数据聚类集合为依据,通过PredZip算法(算术编码阶段与概率预测阶段)实现数据的无失真压缩。实验数据显示,应用构建模型获得的数据压缩增益最大值为18.8,压缩比最小值为0.1,压缩失真率最小值为0.5%,充分证实了构建模型数据压缩性能更优质,适合大力推广与应用。

气象卫星云图数据的高效无失真压缩

在综合分析气象卫星云图数据高效无失真压缩方法的基础上，将二维ＤＰＣＭ预测器加反射型熵编码器用于各种灰度类型的气象卫星云图的无失真压缩，使压缩比与运算速度得到了较好的折中，实用效果较好．

数字化天气雷达资料的一种无失真压缩方法

提出一种数字化天气雷达回波图象的无失真压缩方法。它利用“改进的局部平均法”对雷达回波进行滤波;然后对图象进行一阶差分变换,并用链码对图象中非零元素进行描述;最后按编码的概率分布对其进行优化,使用这种方法,压缩后资料的数据量仅为原始图象的5%左右。

基于预测编码算法的地震勘探数据无失真压缩理论与方法

海量数据给地震勘探数据的传输、存储和处理提出了严峻挑战.地震数据压缩是解决海量地震数据传输和存储问题的关键.本文定义了SEG Y地震勘探数据文件中的头段数据所占比例(简称头段比例),给出了头段比例计算式,并导出了SEG Y文件压缩倍数与头段比例、头段压缩倍数和样点压缩倍数之间的关系式,从而发现SEG Y文件压缩倍数随样点压缩倍数变化的理论极限是头段压缩倍数与头段比例之比值,并据此从理论上阐明了对头段数据进行高效无失真压缩的必要性.更重要的是,本文对SEG Y数据文件中的头段数据进行了研究,发现了卷头数据和道头数据各自的统计规律,为对头段数据实现高倍压缩提供了重要的理论依据.在此基础上,本文提出了一种适合于对SEG Y头段数据进行高效压缩的方法,实验结果表明,在保证无失真的情况下,本文方法可对SEG Y头段数据实现30～1000倍的压缩,这远高于用Winzip和WinRAR压缩SEG Y头段数据所达到的压缩倍数.

遥感图像受控有失真压缩技术研究

在测绘遥感领域, 对图像的像质要求较为严格, 但即便如此, 遥感图像数据中仍然含有噪声, 从而有损压缩是可行的。文章在遥感图像信噪分析的基础上, 提出了一种遥感图像受控有失真压缩技术。首先分析了遥感图像有失真压缩的可行性; 然后应用小波的良好变焦性能, 对遥感图像施行2层2维小波的塔式分解; 对低频子图进行精细量化,对高频子图进行从粗到精的量化; 最后, 考察不同的高频量化器对遥感图像的压缩倍率和恢复图像像质的影响。

多光谱图像无失真压缩的方法研究

在研究无失真压缩理论和多光谱图像特性的基础上,提出了一种新的基于波段排序的谱空间预测算法(BRSS: Band Reordering Spectral and Spatial),结合Huffman编码完成了对多光谱图像的无失真压缩,和其它几种预测方法相比,BRSS有显著的优越性。

图像无失真压缩编码的理论和方法研究

笔者于2002年3月16日,由山东大学公派前往香港理工大学电子计算学系开展合作研究,经过近5个月的合作,于2002年8月12日返回山东大学。 1 研究课题与背景按照双方的合作计划,此次开展的研究课题是"图像无失真压缩编码理论和方法的研究"。

基于上下文的多值图像无失真压缩

基于上下文的多值图像无失真压缩能获得较高的编码效率。图像编码应充分考虑图像的统计差异性。本文在基于上下文的多值图像无失真编码中结合自适应预测、误差信号非线性分类、误差映射、以及简化的上下文。通过试验,对比各种措施的效果。模拟结果显示,参数数量大量减少,编码效率却大大提高了。

整数Haar变换结合DPCM的无失真图像压缩

讨论了整数Ｈａａｒ 小波的构造方法，在此基础上提出了一种整数Ｈａａｒ 小波与ＤＰＣＭ 相结合的无失真图像编码方法，该方法运算速度快，硬件实现简单，与ＡＲＪ和ＪＰＥＧ 中使用的无失真编码方法相比，压缩比平均提高了１２ ％

基于散斑相关的数字激光散斑图像无失真压缩

激光散斑图像压缩对降低数据存储量具有重要的意义。设计了一种激光散斑图像无失真编码器,它由激光散斑位移估计、像素预测和Golomb编码组成。首先估计散斑位移;然后,根据激光动态散斑相关函数设计预测模型,并以预测模型为基础进行像素预测;最后,对预测误差进行Golomb编码。该编码器的主要特点包括使用数字散斑相关方法估计散斑位移,以及基于动态散斑相关函数极值的时间预测。实验结果显示,在压缩激光散斑图像时,激光散斑图像无失真编码器在压缩性能方面取得了较大的提高。

控制图象灰度失真的高保真压缩算法

为实现遥感图象的高保真压缩 ,在借鉴 JPEG- L S近无损压缩思想的基础上 ,提出了 3项改进措施 ,设计与实现了比 JPEG- L S压缩倍数高、图象恢复质量更好的视觉无失真压缩算法——“控制图象灰度失真的高保真压缩算法 (L IGE)”.实验结果表明 ,该算法既可限制图象最大灰度误差 ,又能控制恢复图象的峰值信噪比 ,从而有效地控制图象失真度 ,压缩倍数为 4时 ,数据处理速度与图象恢复质量两方面 ,均优于基于小波变换和嵌入式零树编码的 SPIHT算法 .该研究成果将对发展我国未来的高分辨率卫星、小卫星通信系统、星 -天 -地信息网提供有力的技术支撑 .

整数Haar小波变换及其在无失真图像压缩中的应用

本文首先讨论了整数Haar小波的构造方法 ,然后利用分块DPCM与整数Haar小波变换进行遥感图像的无失真压缩 ,该方法可进行实时处理 ,硬件实现简单 ,可并行处理 ,实验结果表明 。

可逆的DCT整型变换与无失真图像压缩

使用提升的方法 ,利用 FFT( fast Fourier transform)的蝶型构造 ,完成了 FFT与 DCT( discrete cosinetransform)的从整数到整数的变换 .变换本身是可逆的 。

实时无失真雷达数据压缩新算法

研究了雷达测量系统对运动目标进行精确识别和跟踪中的数据压缩技术．首先求出了不依赖信源统计特性的预测系数ａｉ，并给出了一个判决定理．然后，以预测技术为基础，提出了两个对相关性较强的数据进行实时无失真压缩的新算法，并从编码速度、时延、误码扩散、自同步和压缩比等方面进行了讨论．仿真实验表明，新算法优于现有算法．

用整数小波变换进行无失真SAR图像压缩

介绍了利用提升方案 (liftingscheme)构造小波变换的 3个主要优点 ,给出了几个整数到整数可逆小波变换对 ,讨论了SAR图像的特点 ,提出了一种利用整数到整数小波变换进行无失真SAR图像压缩的方法 .该方法具有速度快、可进行同址运算和能进行分级传输等特点 .比较了对ERS 1单视SAR图像和IEEE标准测试图的压缩结果 ,表明性能要略优于DPCM (DifferentialPulseCodeModulation)方法 ,且只须对单视SAR图像作一级小波分解 ,分解级数增加会使压缩效果变差 .

整数CDF(2,2)双正交小波变换结合SPIHT的无失真图像压缩

讨论了整数CDF(2,2)可逆双正交小波变换,该方法可以由加法和移位完成,所以运算速度快,便于硬件实现该方法与SPIHT以及熵编码相结合可以实现无失真图像压缩,与ARJ、JPEG、整数Haar变换结合DPCM中使用的无失真编码方法相比,压缩比分别平均提高了40%、30%、15%左右。

压缩图像增强方法研究综述

现在高效的图像压缩已经成为数字图像有效存储和传输的必要手段。经过压缩之后的图像难免存在块伪影、震荡伪影、图像模糊等问题。压缩图像增强技术作为图像编码效率提升的重要方式不仅能够提升压缩图像的质量,而且被广泛应用到计算机视觉任务如检测、识别、分割等的预处理阶段。从以下几个方面对压缩图像增强方法研究进行综述。从传统的压缩图像增强方法和基于深度学习的压缩图像增强方法入手,介绍图像增强技术的发展与分类,同时比较它们的优缺点。介绍并分析压缩图像增强的几种关键性技术如对比学习、强化学习、课程学习、知识蒸馏、对抗学习和网络架构搜索。总结全文并且对压缩图像增强技术的未来发展方向进行展望。

改进游程编码在天气雷达数据压缩中的应用

为了有效地传输和存储海量遥感数据,必须研究符合遥感应用的压缩技术。通过研究传统的熵编码方法,结合雷达体扫数据的相关性,提出了一种基于改进游程编码的综合无失真压缩算法,应用于天气雷达原始数据压缩。实验结果表明,所给算法优于传统算法及目前流行的压缩软件。