基于SPIHT和视觉显著性检测的彩色图像水声信道传输

在学术和工程领域,如何在带宽严重受限的水声信道中获取具有一定可用性的彩色图像一直是一个备受关注的问题。文章提出了一种新的水下彩色图像传输方法,利用基于分级树集合分裂(Set Partitioning in Hierarchical Trees,SPIHT)算法的图像渐进传输和视觉显著性检测,在复杂多变、带宽严重受限的水声信道中获得可用性较好的水下彩色图像。该方法根据信噪比动态调整数据传输方案,并使用红色通道补偿来提高频域中显著性检测的准确性。然后使用SPIHT渐进传输图像,并在接收端通过导向滤波解决高降采样率引起的块效应,以获得高质量的水下图像。实验结果表明,所提出的方法在压缩水下彩色图像方面具有一定的适用性。

基于Contourlet变换和SPIHT算法的彩色医学图像压缩

二维小波变换只能很好地分离不连续点,无法最优表示曲线奇异,同时只能获取有限的方向信息,这大大限制了它在图像处理领域的应用。Contourlet变换则结合拉普拉斯金字塔和方向滤波器组,得到多分辨率、局域、多方向的图像表示。由于基于小波变换的多级树集合分裂排序(SPIHT)算法不能有效表达图像的纹理和轮廓信息,因此提出一种基于Contourlet变换和SPIHT算法的彩色图像压缩方法,并应用于医学图像感兴趣区域压缩。首先将彩色图像转换至YIQ彩色空间;然后选取感兴趣区域,对其采用Contourlet变换提取特征信息,并利用SPIHT算法对Contourlet系数优先编码和传输,从而保证感兴趣区域的图像质量和细节信息。对背景区域则采用小波变换,并通过系数截断的方式提高图像压缩比。实验结果表明,所提算法可以较好地保留感兴趣区域的图像特征,大幅度提高背景区域的压缩比,是一种较实用的图像压缩新方法,在医学图像感兴趣区域压缩中效果良好。

改进的多分辨率SPIHT算法

由于引入了小波树,隐藏了扫描路径,因此SPIHT算法能获得较高压缩比,同时保持较好的图像解码质量。而多分辨率SPIHT算法能根据接收方的分辨率需求,使解码器根据不同信道条件选择图像还原分辨率。但是,该算法按照分辨率级成组扫描处理每级LIP,LIS,LSP表,更新下一级表时,会造成重复比较和冗余编码,既浪费执行时间,又增加了计算复杂度。该文改进了该算法,简化了原有算法流程,减少了编码冗余。理论分析和实验表明,在保持较高PSNR的同时,该算法明显提高了编码速度。

适于航天应用的高速SPIHT图像压缩算法

SPIHT和无链表SPIHT(Not List SPIHT)是高效的图像压缩算法,但是抗误码性差、压缩速度慢等缺点限制了其在航天领域的应用。文章针对上述两个缺点对算法进行了改进,采用Le Gall5/3小波对遥感图像进行小波分解,将小波域系数分家族块进行索引、扫描和码率分配,按照比特平面或运算进行重要性预测,实现了N个位平面同时编码。改进算法与SPIHT相比易于硬件编程实现,仿真结果显示,解压后图像峰值信噪比(PSNR)提高了0.2～0.6db,压缩速度提高了4～6倍。用硬件实现时如果采用并行和流水线操作,速度还可以进一步提高。

基于SPIHT的感兴趣区域的多描述编码

提出了一种感兴趣区域的多描述SPIHT编码方法.该方法将具有分层内嵌特性的SPIHT码流编码成多个描述子,通过对所有零树重新进行重要性排序,为每个描述子分配不同编码速率的完全编码码流和冗余码流.在分配速率时,优先对感兴趣区域分配较多的冗余,而对背景区域或非感兴趣区域分配速率较低的冗余,以进一步增强感兴趣区域的抗误码以及抗分组丢弃能力.文中对编码过程中零树、冗余树及其编码速率之间的关系进行了定量分析,并给出了重要性排序和冗余树分配的具体算法.实验证明,该文方法同其它感兴趣区域编码方法相比,可以进一步提高感兴趣区域在分组丢弃情况下的恢复图像质量.

遥感卫星自截断SPIHT压缩译码技术

链表式 SPIHT算法是目前公认最好的压缩方案 ,但是由于其传输中具有极差的抗误码特性 ,在遥感图像数据压缩中的应用具有一定局限性。本文提出的自截断式 SPIHT压缩算法使得译码器在出现“致命性”误码的情况下能够自动中止该帧数据流译码 ,使得误码不至于扩散到整幅图像之中 ,为

一种基于SPIHT算法的感兴趣区域编码新方法

在研究JPEG2000中的感兴趣区域(ROI)编码算法优缺点的基础上,结合嵌入式编码理论和人眼视觉特性,利用等级树分集(SPIHT)编码算法的特性,提出了一种高效的ROI编码方法,压缩后的码流具有嵌入式特点,支持渐进传输。实验结果表明:尽管在低码率下,该算法整体峰值信噪比较低,但主观视觉效果明显好于SPIHT算法,结果令人满意。

SPIHT编码图像传输的错误保护技术

提出了一种新的SPIHT编码图像传输错误保护算法。该算法采用数据隐藏技术,将纯2维小波最高一级分解的小波系数嵌入最高分辨率级数据重复传输,对码流中的低频和次低频子带系数进行错误保护;对于其他高频子带系数的修复,则利用子带内或者子带间相关性,通过线性数据内插的错误隐藏技术,对受损的小波系数进行修复。实验结果表明,该算法不增加数据冗余,能够有效提高重建图像质量。

基于小波SPIHT的联合信源信道编码新方法

提出了一种传输小波SPIHT编码图像的联合信源信道编码方法 .该方法针对SPIHT编码码流重要性的不同而进行不同程度的保护 ,并利用无线信道的时变特性自适应地调整信源和信道编码速率 ,从而在不增加额外带宽的前提下有效地提高了系统的性能和可靠性 .在瑞利信道和GE信道下的仿真表明本方法与前文献中提出的EEP方法以及UEP方法相比 ,在信道条件恶劣的情况下 ,能够明显提高恢复图像的质量 .

基于提升方案与SPIHT算法相结合用于图像的无损压缩

研究了基于提升方案的CDF(m,n)双正交小波变换结合SPIHT应用于图象无失真压缩编码的方法。实验结果表明,基于提升方案和整数运算的CDF(m,n)变换是整-整可逆变换,CDF(2,n)的无失真压缩性能好于流行的Huffman、WinRar、Raw+WinZip、JPEGLS。压缩比分别比上述编码方法提高了62%,47%,44%,32%左右。运算速度快,便于硬件实现。

SPIHT图像编码算法研究及改进

提出一种改进的SPIHT算法，通过避免对部分重要系数的冗余扫描、采用更小的初始根节点子集以及对原始图像进行偏移处理，明显提高编码效率。实验结果表明，与标准SPIHT算法相比，本改进算法在不同码率下重构图像的PSNR提高了约0．3—6db。

嵌入掩膜的SPIHT任意形状ROI编码

感兴趣区域(ROI)编码可以在低码率条件下获得高质量的局部感兴趣区域,或在图像渐进传输中使感兴趣区域获得优先传输。本文在分析了当前各类ROI编码方法的基础上,基于SPIHT算法提出了一种支持多个任意形状感兴趣区域并生成可任意截断码流的ROI编码算法。该算法在SPIHT算法中嵌入了重要系数的ROI掩膜信息,使编码器同步地进行图像和ROI形状的编码,使得生成的码流具有任意可截断的特性。文中还就图像ROI编码的质量评价指标进行了讨论,并给出了一种充分考虑ROI和背景的重要性与面积比例差别的图像质量评价指标,称为重要性-面积加权峰值信噪比(WPSNR)。实验结果表明,该算法支持有损到无损的多个任意形状ROI的图像编码,而且ROI优先级可调,能够生成具有嵌入式可截断性质的码流,在任意地方截断仍能保证解码器所需的图像信息和ROI掩膜信息,且计算复杂度和SPIHT相当,压缩效果高于BbB移位算法。适用于低码率应用或感兴趣优先渐进传输的应用。

整数(5,3)小波变换结合SPIHT的无损图像压缩

讨论了整数(5,3)小波变换的构造方法,在此基础上提出了一种整数(5,3)小波与SPIH T以及自适应编码相结合的无损图像压缩编码方法,该方法运算速度快,硬件实现简单,实验结果表明,与其他的无损压缩方法相比,压缩比均有提高,是一种有效的无损图像压缩方法。

绝缘子泄漏电流的自适应SPIHT数据压缩

任何一串绝缘子故障都可能诱发电网事故,因此绝缘子的在线监测十分重要。为了发现绝缘子放电等异常,泄漏电流的采样频率须比较高,数据量大,这就要求对这些采样数据进行压缩。本文提出自适应SPIHT算法,该算法可以根据小波系数集合的显著性自适应地进行集合划分,有效地减少了原始SPIHT算法判断集合中系数是否全部为0的次数,尤其适合压缩泄漏电流这类高噪声信号。针对泄漏电流周期冗余和高噪声的特点,本文利用自适应SPIHT和DPCM分别对泄漏电流的小波细节分量和近似分量进行编码。如果再应用上下文自适应二进制算术编码,那么编码性能还可以进一步提高。对绝缘子泄漏电流的实测数据检验了算法的压缩性能,和SPIHT算法相比,压缩性能显著提高。该算法同已有的用于电力系统数据压缩的二维算法相比,允许采完一个工频周期的数据后就进行压缩,更适用于实时或在线的场合。

无链表SPIHT图像提升小波编码的硬件算法

为了解决小波零树编码算法中,SPIHT(分级树的集合分裂)算法占用大量存储空间的问题,给出了一种无链表SPIHT图像压缩算法.在这种算法中,小波系数按照SPIHT的顺序输入到编码器中,编码器按照NLS算法编码,小波变换采用9/7提升分解算法,量化算法为均匀标量量化,图像边界延拓采用了补零延拓方法.实验结果表明,该算法图像压缩比与JPEG2000的EBCOT(基于优化截断的嵌入式块编码)算法几乎相同,编码速度大约是后者的2倍,一幅512×512的图像仅需要17.875KB额外内存.

基于波段分组的3D-SPIHT高光谱图像无损压缩算法

波段间隔为纳米级的高光谱图像具有很强的谱间相关性,但不同频谱波段图像之间的相关性不同,本文提出了一种基于波段分组的3DSPIHT(setpartitioninginhierarchicaltrees)高光谱图像无损压缩方法。对高光谱图像按照谱段类型进行分组,接着通过3维整型小波变换,对图像组去除空间相关性和光谱维相关性,最后以3DSPIHT的空间方向树组织方式来进行编码,去除小波变换后子带间系数的冗余。实验结果表明,该方法能够有效地去除空间和谱间相关性,在算法复杂度和计算时间上较整体处理有一定优势,同时可获得较好的无损压缩结果。

基于3D SPIHT的高光谱图像压缩技术

将三维多级树集合分裂(3D SPIHT)算法用于高光谱图像的压缩。根据高光谱图像的特点进行波段分组以得到处理单元,对各组分别进行三维小波变换,去除谱间和谱内冗余;利用3D SPIHT算法对变换后小波系数进行编码,去除系数之间的冗余。采用整数小波和浮点小波分别进行无损和有损压缩仿真,AVIRIS和OMIS实验结果表明,在bit/pixel为1的条件下,平均PSNR比准三维方法分别高0.91 dB和1.38 dB,且算法具有嵌入式、可伸缩性等优点,但无损压缩的平均bit/pixel比基于预测的方法高0.308和0.159。3D SPIHT算法用于高光谱图像压缩可以获得较好的有损性能,但无损压缩性能逊于基于预测的方法。

基于多小波的SPIHT改进算法

为了进一步提高图像编码效率,利用多小波子带上各个分量间的相关性以及分量间能量分布的特点,提出了一种SPIHT改进算法。该算法是根据高频子带第1分量无效值的分布来预测其他3个分量上不重要系数的位置信息,由于减小了无效集判别过程中的扫描范围,从而可加快编码速度。实验结果表明,该算法既提高了编码效率,又保持了压缩性能。

基于整数小波变换和SPIHT编码的录波数据压缩算法

提出了基于整数小波变换和多级树集合分裂SPIHT(Set Partitioned in Hierarchical Tree)编码的电力系统录波数据压缩方法。首先对故障录波数据进行整数小波变换,再对变换后系数量化,然后进行一维SPIHT编码形成嵌入式码流,便于系统根据通讯线路的负荷情况灵活控制传输码率。整数小波变换运算速度快,节约内存,易于DSP实现。SPIHT编码方法形成的码流易于实现可变码率。仿真结果验证了该方法的有效性。

基于二进制小波变换和改进SPIHT算法的图像编码方法

提出了一种基于二进制小波变换和改进SPIHT算法的图像编码方法.二进制小波变换将图像从实数域变换到实数域,消除像素之间的空间冗余性,得到了具有整数准确度的紧致描述.针对传统SPIHT算法解码图像视觉效果差的缺点,提出了改进方法.根据图像分析结果,将二进制小波变换变换系数按视觉重要性重新排序,通过对视觉重要系数优先编码,把量化误差集中在视觉不敏感区域,从而在不影响编码率失真性能的同时,有效地提高了解码图像的视觉效果.实验结果表明,和其它流行的编码算法相比,本文算法对不同性质的图像具有最优的编码性能和视觉效果.