基于DSMVQ和S+P变换的图像压缩算法

提出了一种用于图像压缩的动态边匹配有限状态矢量量化(DSMVQ)算法,该算法通过S+P变换方法,对图像进行多级小波变换,利用3个方向上各自小波系数之间的相关性,构造符合图像特征的跨频带矢量,利用DSMVQ进行量化,采样了基于人眼视觉特性的加权均方误差准则,提高了图像的编码效率和重构质量。试验结果表明,该算法实现简单,在较低的编码率下,可达到较好的压缩效果。

基于DPCM与S+P变换的图像无损压缩

S+P变换是由AmirSaid犤7犦提出的一种多分辨表示方法,能够实现整数到整数的变换,从而成功地应用于图像的无损压缩,其性能优于基于线性预测的JPEG标准。为了进一步提高压缩性能,论文提出了一种基于DPCM与S+P变换的图像无损压缩算法。首先,对原始图像进行线性预测,得到差值图像;其次,对差值图像进行S+P变换;最后,对变换系数进行熵编码压缩。新算法利用像素间的相关性,给出了一种新的利用一维S+P变换实现图像变换的方法,减少了变换增加的数据量,有效地解决了边界处理问题。实验结果与性能比较表明:新算法有效的,优于其它著名的基于多分辨分解的无损图像压缩编码算法犤7,10,12犦。

基于CPLD的S+P逆变换的硬件实现方案

讨论与具有良好性能的子带变换-S+P正变换相对应的S+P逆变换的硬件实现方案。结果表明,S+P(逆)变换不仅在LZC(Listless Zerotree Coding,无列表零树压缩编码算法)中起着非常重要的作用,而且与其它子带变换方法相比,该变换所涉及的运算都可以用逻辑移位和算术加减来实现,这使得硬件的实现成为可能。

基于S+P变换和EZW编码的图像压缩算法

嵌入式零树小波是根据标准小波变换的空间多分辨率特征将重要节点与零树根进行编码来完成图像压缩的编码算法,但标准小波变换对图像的边缘、轮廓以及纹理等特征信息的表达不具有稀疏性,不能够较好地表达图像的细节信息。针对标准小波变换的缺陷,新算法根据S+P变换能够实现整数到整数的变换,将EZW和S+P变换结合起来,提出了一种基于S+P变换改进的EZW编码算法,即使用S+P变换替换标准小波变换,完成图像的低损耗压缩。实验结果表明:相对于经典的EZW编码算法,基于S+P变换改进的EZW编码算法在压缩比、编码效率以及峰值信噪比等性能方面都具有较大的改善。

一种新的超分辨率图像重建算法

超分辨率重建是提高图像分辨率的一种方法.根据图像分层变换和插值处理的特点,提出了一种将分层子带变换S+P变换(序列变换加预测运算)和插值算法相结合的超分辨率重建算法.该方法首先对图像序列进行运动估计和运动补偿,然后再对配准后的图像序列进行S+P变换,并对分解得到的高频子带进行插值,最后通过S+P逆变换得到超分辨率图像.实验表明,该方法能够较好地保持原图像中的细节,且在主观上具有很好的视觉效果,客观上具有较高的峰值信噪比,是一种有效的超分辨率处理方法.