纯二维5/3小波变换及其在CT图像无损压缩中的应用

小波变换在数字图像处理领域有着广泛的应用,其对图像的处理常采用行列分离处理方式,这种方式不能完全吻合人眼视觉特性。针对这一情况,构造了一种与人眼视觉特性更加吻合的纯二维小波变换处理方式。首先,由一维5/3小波滤波器组通过Mc Clellan变换构造纯二维5/3小波滤波器组,并用提升格式实现;然后,用该提升格式与纯二维Lazy小波滤波器组相嵌套的形式实现图像的纯二维5/3小波变换。为了便于工程应用,给出了其变换规程。将纯二维5/3小波变换用于CT图像的无损压缩,实验证明:对于512 dpi×512 dpi尺寸的CT图像,纯二维5/3小波变换无损压缩效果高于二维可分离5/3小波变换,每幅图像可平均节省1 989.9 byte。

二维离散5/3小波变换并行VLSI结构设计

提出了一种基于提升算法的二维离散5/3小波变换(DWT)高效并行VLSI结构设计方法。该方法使得行和列滤波器同时进行滤波,采用流水线设计方法处理,在保证同样的精度下,大大减少了运算量,提高了变换速度,节约了硬件资源。该方法已通过了VerilogHDL行为级仿真验证,可作为单独的IP核应用在JPEG2000图像编、解码芯片中。该结构可推广到9/7小波提升结构。

基于3维SPIHT编码的超光谱图像压缩

提出一种针对超光谱图像压缩的3维SPIHT编码算法。通过对超光谱图像进行3维小波变换,同时去除像素数据间的空间冗余和谱间冗余。针对变换后得到的小波系数,构造一种3维空间方向树结构,并用经3维扩展后的SPIHT算法(3DSPIHT算法)对小波系数进行量化编码。实验证明,基于3维小波变换的3维SPIHT编码算法在对超光谱图像压缩时,表现出了优良的率失真性能。并且算法复杂度适中,具有嵌入式特性。

波段排序的高光谱影像3维混合树编码方法

目的高光谱影像压缩的关键技术是对空间维和光谱维的去相关性。根据高光谱影像数据结构的特点,如何有效去除其空间相关性与谱间相关性是高光谱影像压缩中至关重要的问题。对高光谱影像进行编码时,3维小波变换是极为有效的去除冗余的方法。因此提出了一种通过波段排序并结合3维混合树型结构对高光谱影像3维小波变换系数进行编码的算法。方法首先,将高光谱影像按照自然波段顺序进行波段分组,并对每组影像进行相邻影像的谱间相关性统计;其次,对相关性较弱的波段组,建立以影像波段序号为顶点、影像相关性系数为边的完全图,对这个完全图求其最大汉密尔顿回路。按照求得的最大汉密尔顿回路顺序对该波段组进行重新排序,从而提高波段组的谱间相关性;在此基础上,对重新排序后的波段组进行3维小波变换,并通过3维混合树结构对3维小波变换系数进行零树编码。结果通过对大量AVIRIS型高光谱影像数据的仿真实验,验证了本文方法的有效性。对相关性较低的波段组,加入排序算法后,其解码影像与未排序时比,峰值信噪比有了一定的提高。通过实验统计,算法平均用时2.7579 s。结论由于采用了对弱相关性波段组的重新排序机制,使得基于混合树结构的3维零树编码出现了更多有效的零树,在一定程度上提高了编码效率。通过实验统计算法用时,表明该方法以较小的时间代价获得了解码效果的提升。