非线性量化内插方块编码

本文提出了一种新的图像压缩编码方案。方案考虑到像素之间的很强的相关性,将方块编码、内插法、非线性量化法有机地结合起来,克服了各种编码方法单独使用时的不足。具有压缩比高,抗干扰能力强,算法简单,易于硬件实现等特点。利用本文研究的方案进行了计算机模拟实验。实验结果达到了预期的目的,恢复的图像主客观效果良好。

数字图像分形解码中方块效应的差值解决方法

对于分块式的图像压缩方法,在高压缩比下,都会产生明显的方块效应,分形编码方法也不例外。为了解决高压缩比下解压缩后图像的方块效应,本文采用了一种简单实用的解码方法,有效的减少了方块效应。其思想就是利用分形编码独有的分辨率无关性,解码步骤分为两步:第一步首先将图像解码到一个稍微低一点的分辨率上,然后结合传统的插值的方法,将图像还原到希望的高分辨率上,从而达到了减少方块效应的目的。这种方法的优点是不必对编码做任何改动,而且实现简单。

一种改进的基于分形编码的图像去噪方法

分形编码去噪是一种新型的图像去噪方法,此方法通过估计噪声方差及其原始无噪声图像的分形编码参数进行图像去噪,去噪与压缩同时进行。利用分形解码图像分辨率独立的特点进一步对其存在的块效应进行了改进,实验结果表明,经过改进后的分形编码去噪方法在峰值信噪比、压缩比和视觉效果上都达到了令人满意的效果。

一种保护图象轮廓细节的自适应亚抽样和插值方法

为在图象编码时减少原始图象数据 ,以提高压缩比和编码速度 ,提出了一种新的自适应亚抽样与插值的方法及可应用于多类分块图象编码的算法 .该方法首先将图象划分成互不重叠的块 ,然后计算每个块的水平梯度与竖直梯度 ,再根据图象块的两个方向梯度值 ,将图象块分为平滑块、水平轮廓块、竖直轮廓块和高细节块等 4类 ,同时对每类图象块采用不同的亚抽样与插值方法以减少原始图象数据 .模拟结果表明 :相对于其它的亚抽样与插值方法 ,该算法能够很好地保护图象中的轮廓及细节信息 ,从而极大地提高了重建图象的质量 ,尤其是图象的主观质量 .另外 ,对于细节较多的图象 ,该算法在保持相当压缩比的同时 ,PSN R也提高了 3.9d B;而对于细节较少的图象 ,压缩比与 PSN