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 。

一种分类的小波零树与分形混合图像编码算法

通过分析小波零树编码和分形编码各自的优点与不足,结合自身的特点,提出一种基于分类的混合图像编码算法。该方法把图像分割后的块分为3类,对不同类型的块分别采用分形算法或零树编码的改进算法SPIHT算法编码;结果表明,与单独使用这两种算法相比,混合编码算法的重构图像质量有一定程度的提高。

基于小波变换的吸引子快速图像编码

自然图像自相似性不强,直接压缩效果不佳且压缩速度慢,但图像经过行小波变换后,不同分辨率子带图像中相同空间位置的图像块、同分辨率子带中的图像块具有相似性,而分形维数基本上反映了图像灰度变化的复杂度。在图像小波子带本身相似的基础上,提出了利用分形维数作为衡量相似图像子块是否匹配的依据,并给出了编码方法。最后通过仿真证明,该方法不仅有效的压缩了图像,而且减少了编码时间。

基于自适应子带分解和内容模型的图像编码

在SPIHT算法基础上引入了两种算法———自适应子带分解算法和基于内容模型的算术编码算法 ,以改进压缩性能 自适应子带分解算法改变了小波变换后系数的统计分布 ,在低码率时峰值信噪比 (PSNR)得到一定的改善 ;基于内容模型的算术编码算法进一步开发了子带间以及相邻像素间的相关性 ,增强了压缩性能 实验结果表明 :文中算法和SPIHT算法比较 ,改进了压缩性能 。

基于小波域混合状态隐马尔科夫树模型的文本图像子带分割算法

针对文本图像提出了一种基于小波域混合状态HMT(H idden M arkov Tree)文本图像子带分割算法.该算法在充分考虑经二维小波变换后各子带之间相关性的同时,分别对背景、文字、图片三种纹理建立了不同状态的HMT模型,并且通过计算机仿真实验说明了该算法的有效性.

基于小波变换和分形技术的混合编码(英文)

提出了一种用于图像压缩的混合编码算法 .该算法利用分形编码技术与小波零树编码技术的互补性 ,针对分形编码十分耗时 ,小波编码压缩性欠佳的缺点 ,尝试将这两种不同的编码技术结合起来 .混合算法具有比分形编码和小波编码更好的码率失真性能 .

图像工程与嵌入式零树小波图像编码

介绍了图像工程领域里新颖有效的嵌入式零树小波EZW图像编码方法。首先叙述从子带编码到小波编码的演变历程,包括正交小波的多分辨率分析和滤波器组等内容。接着阐述小波分解图像方法和EZW编码原理。重点对EZW算法进行了详细分析和描述,包括零树及其扫描方法,以及EZW算法的实现步骤。最后对上述内容进行了概括。

基于小波与分形理论的图像压缩编码算法

在分形图像编码中,影响分形图像编解码速度的主要因素是从大量码本中搜索R码本块的最佳匹配码本块。如果能够使用一种方式尽可能缩短匹配块的搜索范围,那么编码的时间就可以大大减少。然而,在提高编解码速度的同时,重构图像的质量却有所降低。针对上述这些问题,在定义一种图像子块的新特征—欧氏比基础上,将小波变换与分形编码有机结合,提出了一种基于小波与分形理论的图像压缩编码算法。该算法将全局搜索码本块转化为局部搜索码本块,缩短了编解码的时间,同时利用连续小波变换的平滑特性,进一步提高了重构图像质量。仿真实验结果表明,与特征算法中的梯度算法相比,所提出的算法不仅缩短了图像编解码的时间,还提高了重构图像的质量。

图像小波变换的分形编码技术

简要介绍小波变换在图像处理上的基本原理,初步探讨小波变换的分区块编码算法,在小波分解的基础上结合人眼特性,利用子带的相关性,引进分形编码思想,对图像进行有效压缩。仿真实验结果说明,该方法在同等图像的恢复质量下,其压缩比优于传统的压缩方法,在提高图像的恢复质量方面也有一定价值。

小波分形混合图象编码

该文在收集和阅读了与小波分形混合图像编码方法有关文献的基础上,对小波分形混合图象编码方法的研究现状和发展前景进行了尽可能全面和详细的评述,以期对该类算法进一步的深入研究和应用提供依据。

基于小波多阈值和子带增强的图像去噪

为了在有效降低噪声的同时,尽量保留图像的边缘特征,提出了一种基于小波多阈值和子带增强的图像去噪方法.该方法对最小尺度小波系数采取软阈值方式,将其他小波系数再分解为近似子带和细节子带,依据误差度增强近似子带像素块,同时引入增强因子调节增强幅度;利用局部方差和混合阈值函数对各子带进行阈值处理,保证了图像达到较好的去噪效果.实验表明,与传统阈值方法相比,该方法不仅提高了去噪图像的峰值信噪比,而且较好地保留图像边缘特征,优于常规的阈值方法.

基于小波与分形相结合的图像压缩编码

分形图像编码在较高的压缩比下,可以保持较好的重构图质量;但也存在计算复杂度高和编解码时间长的缺点。因此,在定义一种新的子块特征——框点和的基础上,结合连续小波变换的平滑特性,提出了基于小波与分形相结合的图像压缩编码。该算法充分利用子带的相关性来提高重构图像的质量,将全局搜索转换为近邻搜索,缩小了搜索范围,从而减少了编解码时间。仿真实验结果表明,与基本分形算法和其他算法相比,新算法的性能更优,不仅缩短了编解码时间,而且提高了重构图像的质量。

一种基于图像纹理分析的分形和SPIHT混合编码

从研究分形图像编码和零树编码各自的优劣点以及它们之间的结合点出发,寻找了一种基于图像纹理分析的分形和SPIHT混合编码,目的在于充分利用景物特征和人眼的视觉特性,提高分形变换和零树在图像编码领域内的协同能力。该方法利用SPIHT算法位平面编码的渐进特性,用基于灰度模型的统计特征分类方法将分形和SPIHT相结合,得到更符合人眼视觉特性的编码方案。实验结果表明,该方法能进行较好的图像块分类,并取得较高的压缩比,而且在人眼视觉允许的范围内且同时又要求高压缩比的情况下具有优势。

提升小波变换的零树分形混合编码算法

为改善图像压缩的效果,在讨论小波提升算法的基本原理与实现流程的基础上,提出了一种改进的基于提升小波变换的零树分形混合图像编码算法。在基本小波提升算法的基础上,考虑到在对小波子树匹配预测时,经提升小波变换后的高分辨率子带自相似性不强的特点,不对高分辨率子块进行分形匹配,而直接用前几个较低分辨子带的匹配结果作为小波子树的匹配结果,改进了基于提升小波系数零树结构的分形预测图像编码方法及过程。实验结果表明,这种改进显著加快了编码速度,编码所花费时间仅为常规方法的十分之一。最后,阐明了小波与分形进行图像压缩相结合的本质和仍需改进的方向。

分形图像编码方法的研究及其改进

分形图像编码是近年来为人瞩目的一种新的图像编码方法。本文从该方法的编码原理出发,介绍了分形编码的发展和特点。最后,系统地分析研究了分形方法的改进方案,并对其中基于分形的混合编码方法进行了分析与总结。

图像编码中的重要区域相关性研究及应用

在图像处理中 ,小波变换所具有的空频局部性 ,使得图像的能量重新分布 .从函数正交分解的角度 ,小波分解相当于把图像分成一组正交基的坐标 .由于这些坐标具有按不同频带所表现出的能量集中的性能 ,所以关于形态学的一些编码方法在基于小波分析的图像压缩中得到了很好的应用 .因此 ,可以说小波变换在图像中的成功应用 ,主要归功于关于数据即小波系数组织和表示的重要性的认识 .作者在文中提出了基于小波系数有效组织和表示的重要区域相关性编码 (SRC) ,合理利用各子带间重要小波系数的相关性 ,通过聚类生成与聚类编码 ,在良好视觉效果与较高 PSNR下 ,实现了图像较大倍数的压缩 .

基于小波变换与分形结合的图像压缩算法

针对分形图像压缩过程中匹配编码效率和保证重构图像质量的冲突问题,在定义一种图像子块的新特征—相似比的基础上,提出一种基于小波变换与分形编码相结合的图像压缩算法。该算法首先利用小波变换对图像进行处理,由于经过小波变换后的原图像自相似性被破坏,在引入分形特征时,对于低频区域图像信息不再进行分形压缩,直接保存处理;在高频区域则利用提出的相似比特征,定义每个range块和domain块的相似比,建立它与匹配均方根误差间的关系不等式,可把寻找range块的最佳匹配domain块的全局搜索转化为局部搜索。仿真实验结果表明,与同类特征算法相比,该算法不仅缩短了图像编解码的时间,还提高了重构图像的质量。

在小波分解下的分形块方法图象编码

本文分析了分形块方法在小波变换下的特点，指出了特殊的块方法是从低分辨率细节构造高分辨率细节的本质，给出了一种简单的解码过程，只需递推有限步便可恢复原图象。根据类似的思想，本文作者提出了更一般的由低分辨率细节构造高分辨率细节的方法。

一种鲁棒的图像小波变换模拟编码传输方法

在复杂度和延迟受限或者可变信道条件下,由于通信系统的一体化设计,信源信道联合编码(JSCC,Joint Source-Channel Coding)技术的应用有助于改善传统的分离结构系统.针对带宽功率限制模拟信道,提出了一种结合了小波变换编码和香农映射信源信道联合编码的静止图像模拟编码传输方法;并基于更加合理的考虑了信道噪声的重建图像失真估计,提出了相应的联合优化带宽分配算法.仿真及分析表明,由于信源信道的联合优化及具有模拟编码传输的特点,该方法表现出良好的编码传输性能,且编解码复杂度和延迟小;同时在信道失配情况下表现出的柔性降级/改善特性有助于提高可变信道条件下系统的鲁棒性和信道带宽利用率.

基于小波域HMT模型的图像复原

小波域隐马尔可夫树(HMT)模型采用混合高斯模型刻画各子带系数的概率分布,并通过小波系数隐状态在多个尺度之间的Markov依赖性来刻画自然图像小波系数随尺度呈指数衰减的特性.提出了基于小波域HMT模型的图像复原算法作为自然图像的先验模型,将图像复原问题转化为一个约束优化问题并用共轭梯度法对其进行求解.实验结果表明,该算法较好地再现了各种边缘信息,复原出的图像在信噪比和视觉效果方面都有显著的提高.