自适应图像分块压缩算法的实现和性能分析

自适应图像分块压缩算法是一种根据区域特征自动调整DCT变换尺寸提高编码效率的图像编码方法,该文提出了这种算法的快速实现方法,分析了这种编码方法的算法复杂度和编码效率,并用标准图像进行了测试。

自适应编码与混合模型联合改进图像压缩算法

为准确描述残差图像的概率分布特征,以实现图像的自适应无损压缩,提出了一种自适应算术编码与有限混合几何模型相联合的分块无损图像压缩算法。算法首先对图像的残差图像进行非重叠分块,并通过联合分布估计各分块的统计模型;然后通过最大似然估计对分块的混合参数进行估计;最后在预测误差块中使用直方图截断算法减少算术编码中的符号数量,从而减少零次符号的出现概率。实验结果表明,在实验图像集基础上,所提图像压缩算法的压缩比优于常用的标准JPEG-2000和JPEG-LS。

自适应分块压缩感知的图像压缩算法

均匀分块压缩感知对图像信号进行压缩采样,无法有效地分离出重要区域和背景区域.为此,给出一种基于图像内容的自适应分块算法,以图像内相邻像素间的灰度差值作为块大小分割的依据,利用四叉树算法进行图像自适应块大小的划分;并将分块结果根据相邻像素DCT系数的差值大小分成快速变化块、缓慢变化块和过渡块3类,适时分配相应采样率.实验结果表明:给出的算法对仿真实验选取的图像重构质量高于均匀分块方法1~3dB,且重构时间减少20~40ms;在重构质量近似的情况下,重构时间比基于图像块像素方差的块分类方法减少40~60ms.

一种自适应分块图像压缩算法的研究

自适应分块图像压缩是在四叉树分解图像压缩原理基础上研究设计的一种新的算法。将图像中像素值相同的相邻像素点尽可能划分到同一个图像块中,采用稀疏矩阵三元组存储方式对图像块参数进行存储,从而达到图像压缩的目的。使用MATLAB对算法进行了仿真,成功地完成了图像压缩和重建,并在不同条件下,对图像压缩过程中的各个参数与四叉树分解进行了分析比较。结果表明新方法分块自适应度高,提高了图像压缩比。

基于自适应分块的高光谱图像压缩感知重构方法

在对高光谱图像采样重构的研究中,整体采样和固定分块采样没有考虑到高光谱图像复杂的纹理特征分布,使用了相同的测量矩阵导致图像的重构质量较差。针对此问题,该文提出基于2维图像熵自适应分块压缩感知重构方法(ABCS-IE),该方法以图像2维熵作为高光谱图像纹理细节的度量,根据图像的纹理细节分布自适应改变图像子块的大小,然后为不同的图像块分配特定的采样值,根据分配的采样值设计专有的测量矩阵对图像块进行压缩测量,将采样测量值代入重构算法中进行重构。实验结果表明,与整体采样重构和固定分块采样重构相比,将该方法应用到压缩感知重构算法中对高光谱图像进行采样重构后,重构的图像在视觉效果上有明显的提高,取得的峰值信噪比(PSNR)和结构相似度(SSIM)最大,采样率为0.4时,PSNR提高了2~4 dB,SSIM最大提高了0.27,均方根误差(RMSE)和信息熵差值(ΔH)也有所降低,说明重构的图像更加接近原始图像。而且运算时间也减少了1~1.5 s。可见,该方法能充分利用高光谱图像的纹理特征,有效提高图像的重构质量,同时减少重构的运算时间。

基于自适应分块和联合优化光滑l_(0)范数的二维压缩感知算法

传统的压缩感知模型和重构方法,虽能有效减少数据量,但压缩和重构性能不佳,故该文提出一种基于自适应分块和联合优化光滑l_(0)范数(SL0)的2维压缩感知算法。压缩过程利用灰度熵和四叉树算法进行自适应分块和采样率分配,同时对压缩模型改进,使用混沌循环矩阵作为测量矩阵,提升了压缩性能。重构过程基于SL0算法,采用陡峭性更高的拟合函数,结合拟牛顿法和动态迭代的方案提高重构质量和效率。该算法峰值信噪比和结构相似性指数相比现有算法平均提升了5.44 dB和21.08%,平均计算时间仅需1.59 s,表明该算法能稳定、快速地实现图像的压缩感知和精确重构,为压缩感知和图像重构提供了新方法。

分块自适应零树量化图像压缩算法研究

讨论了图像经过整数小波分解后的系数分布特性 ,针对现有的小波量化算法的不足之处 ,提出了一种基于整数小波变换的分块自适应零树量化图像压缩算法 ,进行预测编码 .该算法硬件实现简单 ,可并行处理 .计算结果表明 ,该算法优于现有的其他图像小波量化方法 .

一种自适应低采样率图像分块压缩感知算法

分块压缩感知(BCS)适用于图像信号的压缩感知(CS)处理.当采样率较低时,BCS迭代阈值投影(BCS-SPL)算法对图像纹理部分重构质量差,针对此不足,提出基于全变差分自适应采样率BCS正交匹配追踪(Total Variation based Sampling Adaptive Block Compressed Sensing w ith OM P,TVSA-BCS-OM P)算法,该算法对图像重叠分块以消除重构结果的块效应,根据图像子块的纹理复杂度自适应分配采样率,并且子块的纹理复杂度用各自的全变差分进行测量,从而全变差分较大的子块可获得更高采样率.各子块由纹理分配采样率保留变换域下的非零系数,分别进行CS采样以及OMP重构.实验结果显示,当图像初始采样率较低(低于0.2)时,TVSA-BCS-OMP算法的重构精度始终高于BCS-SPL算法,特别是对图像纹理块的重构质量更高,并且前者的重构时间比后者更低.

基于游程编码的分块交叉数字图像压缩算法

本文在软件工程设计中发现了一种数字图像压缩算法,它是在游程编码基础上的改进和创新,具有许多明显的优点,如无损压缩、高效、快速等。实际应用表明,该算法具有很好的适用性。

基于分块自适应压缩感知的可逆水印算法

针对数字图像可逆水印的高嵌入容量和不可见性的权衡问题,该文提出一种基于分块自适应压缩感知的可逆水印算法(Reversible Watermarking Algorithm Based on Block Adaptive Compressed Sensing,BACS-RWA)。该算法对载体图像分块,利用周围块与目标块的统计关系判断块类型,自适应地选择容量参数进行分块压缩感知,并利用整数变换嵌入水印;为提高水印嵌入容量将水印嵌入到经压缩感知后的平滑和普通载体图像块中,复杂载体图像块不做处理,以确保图像质量和不可感知性;采用分块压缩重构算法和可逆整数变换来恢复载体图像。通过对不同纹理图像实验并与同类算法对比,结果表明:当以Plane为载体图像时,最佳嵌入容量达1.87 bpp。分块自适应压缩感知理论的引入使算法具有良好的综合性能,在提高嵌入容量的同时,又能有效地降低嵌入数据后对原始图像质量的影响。

自适应分块的医学图像混沌加解密算法

针对现有基于混沌的医学图像加密算法未考虑图像纹理特征的不足,提出了一种自适应分块的医学图像混沌加解密算法。首先利用2D Sine Logistic混沌系统生成两个具有良好混沌特性的安全序列;然后将图像分成固定尺寸的图像块,并计算图像块的最大像素差和方差,根据设定的阈值将图像块划分成纹理平滑块和纹理复杂块;最后利用混沌序列1对平滑块进行密文反馈加密,利用混沌序列2对复杂块进行明文反馈加密,得到加密后的图像。算法有效地考虑了图像块的纹理特性,优化了混沌加密算法,提高了医学图像的加解密效率。实验仿真结果表明,提出的算法具有高的安全性和加解密效率,相比现有方法加解密速度提高1倍左右。算法适用于大数据量的医学图像实时加解密。

分块自适应JPEG图像数据隐藏算法

为提高隐秘JPEG图像视觉质量与隐藏容量,在修改JPEG缺省量化表的前提下,针对JPEG图像提出一种自适应数据隐藏算法。该算法首先根据图像分块视觉特性确定用于数据隐藏的图像分块,然后应用LSB替换方法修改DCT域量化后AC系数以嵌入秘密数据。实验结果表明,该算法在保证较好透明性的同时,显著提高了JPEG图像隐藏容量,与其他同类算法相比,隐藏容量提高约21%。该方案可为互联网环境图像实时通信提供安全保障手段。

一种分块自适应压缩感知图像重构算法

CS理论中,在离散余弦变换下使用OMP算法重构图像时需要较高的测量值可以获得较好的重构效果,但是存在重构图像模糊的问题。为此,提出了基于离散余弦变换的图像分块自适应正交匹配追踪(BAD-OMP)算法。基于分块压缩感知技术,对图像进行均匀分块处理,根据图像块稀疏性进行自适应采样,再用均值滤波算法平滑处理,从而减少重构所需的测量值,降低块效应。仿真结果表明,采样率取0.1~0.35时,BAD-OMP算法重构图像的PSNR值较OMP算法的PSNR值高9~11 d B,实现了在低采样率下获得较高的重构质量。

基于双子代差分演化和自适应分块机制的多聚焦图像融合算法

基于分块的多聚焦图像融合算法是多聚焦图像融合领域中的一个重要算法。基于差分演化的多聚焦图像融合算法将图像分块大小作为差分演化算法的种群,通过多次演化,最后获得使融合图像效果最好的图像分块。为克服标准差分演化算法由于丢失父代种群的部分信息导致收敛速度变慢、全局搜索范围较小,以及当对应图像块的清晰度相等时该算法的处理方式会改变源图像的像素值的缺点,在原算法的基础上,引入双子代机制和自适应分块机制,提出一种基于双子代差分演化和自适应分块机制的多聚焦图像融合算法。在演化过程中生成两个子代种群,最大程度上保留父代种群的信息,扩大全局搜索范围,提高算法的收敛性能;利用自适应分块机制,当出现图像块清晰度相等的情况时,将图像块分解成更小的图像块,然后再进行清晰度的比较,使改进算法获得的融合图像比原算法获得的效果更好,而且不会改变源图像的像素值。实验结果表明,基于双子代差分演化和自适应分块机制的多聚焦图像融合算法可以获得比原算法效果更好的融合图像,而且收敛性能更好。

分块OSTM测量矩阵构造及自适应压缩感知算法

针对目前随机测量矩阵物理实现困难、成本较高等不足,在研究确定性测量矩阵构造的基础上,基于分块循环结构,提出了分块正交对称Toeplitz矩阵(OSTM)的构造方法.分块OSTM具有伪随机循环结构,易于硬件实现,其独立变元个数大大减少,可降低存储和运算时间.针对目前图像分块压缩感知中单一采样的缺陷,将图像块进行分类,根据图像局部结构自适应分配采样率,结合分块OSTM设计,提出了基于分块OSTM的自适应压缩采样算法.仿真实验结果表明,基于分块OSTM的压缩测量获得的重构图像PSNR显著提高,图像主观质量得到了有效改善.

基于多尺度的自适应采样图像分块压缩感知算法

基于分块的压缩感知算法适用于图像信号的处理,通过平滑迭代阈值投影法可以快速重构图像,但存在低采样率下重构图像质量较差的缺点。基于全变差分的分块压缩感知算法,在一定程度上能提升重构效果,但降低了运算速度。针对以上算法的不足,提出基于多尺度的自适应采样图像分块压缩感知算法。根据小波分解后不同层对重构结果影响所占权重不同的特性,自适应分配给每一层不同的采样率,并在重构时将平滑迭代阈值投影法应用到每一层的每一个子带的分块上。实验结果表明,与传统的迭代阈值投影法相比在重构质量上提高了1~3 d B,在重构速度上与迭代阈值投影法相当并优于全变差分法。

基于自适应分块的彩色图像可逆信息隐藏算法

目前彩色图像可逆信息隐藏(reversible data hiding,简称RDH)大多直接将灰度图像算法应用到彩色图像的各个通道上,未能充分利用彩色通道间的相关性.提出一种基于自适应分块的彩色图像RDH算法.首先,为了充分利用通道间的相关性,提出将彩色图像进行自适应分块;其次,为了更好地利用平滑区域,提出基于通道特性的嵌入容量分配原则以保证在平滑区域嵌入更多的信息;最后,为了提高彩色图像视觉质量,提出一种符合人眼视觉特性的B-R-G嵌入原则,优先选择对人眼视觉影响较小的通道进行嵌入.实验结果表明,在不同的嵌入容量下,该文方法载密图像的峰值信噪比(peak signal-to-noise ratio,简称PSNR)明显优于所比较的彩色图像RDH方法.

基于小波理论的图像压缩算法

运用小波变换的多分辨特点 ,研究了基于小波的图像压缩技术。利用人眼特性 (HVS) ,提出了分块压缩算法。该算法利用小波系数子带的相关性 ,从而在同样的平均码率下 ,获得了主观感觉较好的重构图像 ,也就是说在同样的主观条件上得到更大的压缩比。另外利用工具软件MATLAB对算法进行了实施 ,结果证明了该算法的有效性。

基于方向图及小波系数重要连接的指纹图像压缩算法

提出了一种在SLCCA算法基础上结合指纹方向图的指纹压缩算法。首先将指纹图像按纹理信息进行分块,然后根据各指纹图像 方向块的方向,确定不同的结构元素对小波图像各子带中的重要系数进行数学形态学的膨胀操作来提取各子带中的重要系数簇。再根据不同子带间重要系数簇中父系数与子系数间的重要系数分布建立重要连接。算法不仅充分考虑了小波分解图像不同子带内的重要系数分布的聚类特性,同时也充分考虑了各子带间的重要系数分布的自相似性。实验结果证实该算法不仅比WSQ、EZW、SPHIT、MRWD、SLCCA算法具有更好的性能, 。而并且可与最新的有损压缩算法JPEG2000相媲美。同时,编解码的速度较快。

基于多层分块自适应压缩感知的图像编解码方法

压缩感知中,测量矩阵对图像进行单一采样率的压缩采样。传统的测量矩阵虽然能够获得比较好的重构效果,但因采样数目较多,故而资源耗费也较多。为了解决上述问题,提出了多层分块自适应编码算法(multi-layered block adaptive coding algorithm,MLBA)以及多层分块自适应压缩感知编解码方法(multi-layered block adaptive compressed sensing codec method,MLBACS)。MLBACS编解码方法基于MLBA编码算法,能够根据图像局部结构进行不同层数和大小的分块,并自适应分配采样率。仿真结果表明,在同等重构性能的前提下,相对于单一采样率下的压缩感知,MLBACS编解码方法能够不同程度地降低重构图像所需的采样数目。