左珂可[1]2007年在《基于小波和轮廓变换的混合图像压缩算法研究》文中进行了进一步梳理作为现代通信、介质存储、数据发行、多媒体计算机等技术的关键环节,图像压缩编码始终是信息处理技术研究中最为活跃的领域之一。由于数字图像具有数据量大的特点,出于对图像存储成本和图像通信的考虑,良好的图像压缩技术要能够实现高压缩率和高保真率。目前,小波图像压缩已取得了很好的压缩效果。但小波变换不能有效地表示和处理高维数据信息,一种全新的高维信号奇异性分析工具—轮廓变换展露头脚。与小波变换相比,轮廓变换不仅具有良好的方向性和各向异性,而且能够高效率捕获图像几何结构。本文首先从变换编码的角度,介绍了小波域的经典图像压缩编码算法以及最新的轮廓变换编码的理论基础和研究现状。其次,也是本文研究的重点,结合实验的方法研究了叁种变换域图像压缩编码算法:一、低比特率小波域图像压缩算法,它以层树分集(SPIHT)编码思想为基础,结合最低频子带系数分布特点与高频子带系数相关性,通过优化处理最低频子带系数、自适应确定高频子带系数扫描次序等措施完成高效的低比特率图像压缩;二、基于小波分解与方向分解的混合图像压缩编码方案,它先对原始图像进行小波分解,同时对中高频小波子带进一步实施自适应方向分解,然后根据小波系数统计特性,优化处理最低频子带系数,再结合小波分解与方向分解特点,构造扩展的空间方向树结构,最后采用SPIHT编码思想完成图像的压缩;叁、基于小波变换与方向分解的混合矢量量化图像压缩编码方案,先对原始图像进行小波变换,同时对中高频小波子带实施自适应方向分解,然后对最低频子带进行DPCM编码,再结合高频子带系数相关性构造矢量,并采纳竞争学习矢量量化策略训练码书,并利用Huffman方法对输出进行熵编码并生成比特流。最后,总结本文提出的图像压缩编码算法,并指出本文编码方案的理论和现实意义。实验结果表明,本文提出的压缩算法压缩效果明显优于经典的、目前先进的图像编码方案(特别是低比特率下),能得到更高的PSNR值和主观视觉效果,故具有广阔的应用前景。
李景超[2]2006年在《基于小波变换的静态图像感兴趣区域压缩算法研究》文中研究说明随着多媒体技术应用的快速发展,图像数据量日益庞大,图像压缩技术显得越来越重要。并且人们对当前的图像压缩系统提出了更高的要求,不仅要求它具有高的压缩性能,还需要增加更多新的功能来适应各种不同场合的应用需求。目前,小波变换、矢量量化以及嵌入式编码已经成为图像压缩的主要技术及研究热点,越来越受到重视。本文结合上述方面对静态图像压缩以及感兴趣区域编码的技术进行了一些初步研究,主要结果有:通过研究小波变换后一般图像各子频带能量分布情况和矢量量化技术,提出了一种基于人眼视觉系统特性和图像特征量化的压缩方案。该方案结合逐次逼近量化的思想根据图像小波分解后系数的多分辨特点来模拟人类视觉系统特性,并在图像试验中结合感兴趣区域进行编码。结果表明,该算法在较低码率下,可达到较好的压缩效果,并在大约比特率为0.1 bpp时可以得到视觉上接受的恢复质量;针对EZW算法编码时要形成多棵零树,因而要多次扫描全部系数,造成效率低下的情况,本文提出了将图像进行小波分解后,最低子频带根据空间谱系结构分裂成四个虚拟子带,通过对其子孙节点所在频带的最小值和最大值集合与阈值的比较确定编码位分配方案。由于编码中只需考虑对B—子带进行全面扫描,从而大大减少了要扫描和编码的零树的数量,使得算法的效率得到了较大幅度的提升。实验数据表明,改进的算法与EZW算法有几乎相近的压缩性能,但编解码速度更快,且更易于硬件实现。本文还介绍了较新出现的SPECK算法,并将其用于图像实验,通过与SPIHT算法进行比较分析,验证了其好的编码效果;同时,本文还就图像感兴趣区域掩膜生成的问题进行了一些总结和推广工作。
刘喜祥[3]2007年在《基于整数小波变换的遥感图像编码研究》文中研究指明当前对于快速发展的遥感应用领域中,要求我们能够压缩大量的遥感数据,而整数小波变换已经被应用于各种图像压缩中,本文主要阐述基于整数小波变换的遥感图像编码方法。尽管数据存储技术不断发展、信道传输带宽不断加宽,但人们对于压缩图像数据以节省数据存储空间和提高信道利用率的需求仍在增长。图像的无损压缩相对有损压缩来说更加困难,取得的进展也更小。目前,基于小波的图像压缩方法是图像压缩领域发展较快的一个分支,提升方法能够方便的构造从整数到整数的小波,为图像的无损压缩研究提供了有力的工具。而对小波系数编码的方法是实现基于小波的图像压缩的关键技术,不仅关系到图像的最终压缩效果,也关系到图像的恢复质量和编解码的时间消耗。本文通过大量实验分析了小波基各项性质与图像压缩的关系,为小波基的选择提供依据。然后在经典小波编码方法的基础上,针对SPIHT编码算法压缩过程中存储量大、存在大量重复运算的缺点,提出一种改进的SPIHT编码算法,降低了编码过程中的存储量需求和时间消耗,提高了编码性能。
韩东岩[4]2012年在《信源信道联合编码中关键技术的研究》文中研究表明图像已然成为现代社会信息传播的最基本最简单的方式，它的显着特点是数据量大。将它应用于图像处理过程中时，有两个亟待解决的问题：(1)需要大量的存储空间；(2)传输时对信道容量要求高。解决这两方面的问题是促进数字图像应用发展的关键。本文深入研究分析了信源、信道编码方法，并在此基础上提出一种将小波变换和自组织特征映射算法相结合的信源信道联合编码方法，有效的解决图像在恶劣环境下传输，图像质量差的问题。本文主要研究内容如下：1.阐述了课题的研究背景及意义，给出信源编码理论.和信道编码理论产生的过程，分析了国内外研究现状，主要包括信源信道联合编码的研究现状、小波变换图像压缩编码研究现状和矢量量化算法研究现状。2.介绍了信源信道联合编码的基本框架.与基本原理，联合编码的系统模型以及目前联合信源信道编码的技术，分析了图像评价方法，图像编码性能评价。3.详细介绍了信源编码理论，包括叁大压缩方法：小波变换理论、压缩感知理论、矢量量化编码的研究。并分别介绍叁个方法的基本理论，包括定义，特点、关键技术等并通过具体仿真实验介绍叁种方法的优越性。4.介绍了信道编码的基本知识，并分别介绍了信道编码方法以及基本理论，包括信道编码的特点，重点介绍了RS纠错码，并仿真实验分析，同时证明了其有效性。5.基于Daubechies9/7小波变换和SOFM算法的基础上提出了本文研究的方案：首先图像经过信源编码，进行小波变换，接着针对不同小波子带系数的特点，采用跨频带分类矢量策略来构造新的矢量，利用SOFM算法进行矢量量化，通过信道编码RS码进行纠错，然后将处理后的数据流通过恶劣信道(BER=10~(-2))。实验结果表明，本文方案在通过恶劣环境下，图像仍可被接受，提高了PSNR值，改善了图像的恢复质量。
周瑞雪[5]2008年在《小波变换与矢量量化在图像压缩中的应用研究》文中指出在图像压缩技术中,小波变换是一种非常有效的数学工具。传统小波变换在分析非连续信号时,在跳变点两侧会产生大的小波系数,对非平滑图像处理效果较差。自适应小波变换有效地解决了这个问题,但目前的自适应小波变换均需要构造出一组小波,从这组小波中根据图像特点选取一个进行变换。就目前而言这些小波的压缩性能都不及JPEG2000中推荐使用的DB9/7小波,单独构造小波将导致算法与国际标准不能兼容。基于此,本文在DB9/7小波算法的基础上,给出了一种改进的自适应DB9/7小波算法。矢量量化作为一种高效的压缩技术,其突出的优点是压缩比大且编解码算法简单,在图像压缩领域中有着良好的应用前景。小波变换矢量量化图像压缩算法是近年来图像压缩领域中颇为流行的一种新型压缩算法。本文主要研究小波变换和矢量量化在图像压缩中的应用,并给出一种结合自适应小波变换和矢量量化算法的图像压缩技术。本文主要研究内容有:1.给出了一种改进的自适应DB9/7小波算法。由于该算法是在DB9/7小波变换的基础上构造的,能够与新一代静止图像压缩标准JPEG2000相兼容,将图像分为平滑图像和非平滑图像两类分别进行实验,从重构图像和峰值信噪比方面给出了该算法与改进前算法的对比。实验结果表明该算法能够有效地提高图像压缩性能,特别是对于非平滑图像,能够取得更好的压缩效果。2.研究了LBG、PSO、LVQ和PNN四种矢量量化算法。通过仿真实验,从失真和算法复杂度等方面对比分析了这几种算法的码书设计性能。将小波变换与这几种矢量量化算法结合,从重构图像和峰值信噪比(PSNR)等方面对比分析了这几种算法与小波变换结合后的图像压缩性能。3.将改进的自适应小波变换与矢量量化相结合,给出一种前端具有改进的自适应DB9/7小波变换,后端具有低失真、低复杂度的矢量量化算法的图像压缩技术。通过实验,对比该算法与传统DB9/7小波矢量量化算法的性能。结果表明该算法能有效地结合自适应小波变换和矢量量化的优势,在高压缩比下仍可以有效地恢复图像,取得了较好的压缩效果。
蔡求元[6]2010年在《基于小波变换和矢量量化的图像压缩编码研究》文中研究指明图像作为现代社会传递信息的主要载体,它的显着特点是数据量大。在应用数字图像时面临两个问题:(1)需要大量的存储空间;(2)传输时对信道容量要求高。解决这两方面的问题是促进数字图像应用发展的关键。本文通过研究小波,变换和矢量量化的理论知识,提出一种将小波变换和改进的自组织特征映射算法相结合的图像压缩编码方法,有效的压缩了图像的数据量。本文主要研究内容如下:1.阐述了论文研究背景及意义,国内外相关技术研究现状。介绍了图像编码的基本理论,总结了常用的图像编码方法,论文同时还介绍了图像编码的评价方法和相关国际标准。2.介绍了小波变换的基本理论以及在图像压缩中的应用,并且通过编程实现了Daubechies9/7小波基在图像压缩中的应用。3.介绍了矢量量化的基本理论与叁种常用的矢量量化码书设计方法,通过仿真实验对比分析了算法的性能。重点介绍了基本的自组织特征映射算法(SOFM),并且针对基本算法在生成初始码书、搜索获胜神经元以及修正获胜神经元与拓扑邻域内码字权值叁个方面的不足提出了改进算法。4.基于Daubechies9/7小波变换和改进的SOFM算法提出了图像编码方案:首先对图像进行小波变换,接着针对不同小波子带系数的特点,采用跨频带分类矢量策略来构造新的矢量,利用改进的SOFM算法进行矢量量化。为验证本文方案的有效性,在仿真实验部分将小波变换结合矢量量化方法,即DWT+LBG、DWT+LVQ以及DWT+BSOFM、DWT+ISOFM进行了对比分析,实验结果表明,本文方案在一定的程度上提高了PSNR值,改善了图像的恢复质量。
胡扬[7]2012年在《基于小波变换及ROI的图像压缩算法研究与实现》文中认为在当今的信息化时代,人们对信息的需求越来越大,图像以其直观、形象、易于理解的特点成为人们重要的信息来源。但是图像数据占据的存储空间较大,给存储和传输带来了巨大的压力,因此,图像压缩具有重要的研究意义和应用价值。图像压缩的目标是在达到高压缩比的同时,保证图像的解码质量能够不影响应用需求。本文在深入研究现有图像压缩技术的基础上,将有损压缩和无损压缩相结合提出了一种新的压缩方法,该方法首先对整幅图像进行小波分解,对分解后的最低频子带进行无损压缩,以保证解码图像中的大部分信息不丢失。然后,利用图像小波分解后高频子带系数矩阵具有的稀疏性质,对各个高频子带采用可变块矢量量化技术进行有选择性的大幅度地压缩。同时,本文提出了一种基于能量排序的初始码书设计方法,对矢量量化技术中的经典码书训练算法LBG进行了改进。提出了排除异常码字的码字搜索算法,在几乎不增加搜索失真的前提下,提高了图像编码的速度。此外,本文提出了一种应用于小波域中的同方向不同分解级次上的高频子带间的预测分块划分方法,来提高在可变块矢量量化过程中对高频子带的分块速度。最后,对于有特殊要求的图像,本文利用矢量量化解码速度快的特点,提出了对感兴趣区域进行追加差图像码流的无损编码算法。本文对本文方法与传统方法进行了对比实验,实验表明本文方法在速度上比传统方法有明显的提升,在进行高压缩比压缩时,图像的解码质量优于传统算法,适合高压缩比的图像压缩。
王茂芝[8]2003年在《基于小波变换的矢量量化图像压缩编码研究》文中提出视觉在人类感知中起着极为重要的作用，而视觉感知的结果和表现形式——图像，是人类认识世界的重要信息来源，因此，图像已成为多媒体技术中最为重要的数据类型。图像的处理与分析技术已发展成为现代信号处理技术中的专门分支学科。由于图像信息丰富、数据量大，因此，为满足实际应用需要，有必要对图像数据进行压缩处理，而图像数据中存在着大量的冗余信息，包括统计冗余、结构冗余以及视觉冗余等，所以为压缩提供了可能，目前已发展成为专门的研究领域——图像编码。常见的图像压缩编码方法有：统计编码，预测编码，变换编码，子带编码，模型基编码，小波变换编码，矢量量化编码，神经网络编码，分形编码等。 本文以矢量量化压缩编码和小波变换压缩编码这两种图像压缩编码方法为主要研究对象。在概述了图像压缩编码理论的基础上，首先介绍矢量量化压缩编码理论，提出了一种基于模拟退火的LBG改进算法，并通过实验验证了改进算法的性能；接着介绍小波变换及其应用于图像压缩编码的相关理论，重点介绍了基于小波变换的嵌入零树编码(EZW：Embedded Zerotrees Wavelet)算法；在矢量量化和小波变换的结合方面，提出了一种基于视觉特性的小波变换跨带矢量量化压缩编码方案，并通过实验验证了算法的性能；最后，在并行性探讨方面，设计了一种基于数据分割的二维DCT图像压缩编码算法，并在PVM实验环境下验证了算法的性能。
史红刚[9]2006年在《基于有限状态矢量量化的图像编码算法研究》文中指出数字技术已成为信息社会发展的强有力动力之一。特别近几年，随着国际互联网、手机、数字电视等技术的蓬勃发展，人类对数字信息的需求越来越丰富。但表示数字信息所需要的大量比特数对存储和传输极为不利，已成为阻碍人们有效获取和利用数字信息的瓶颈之一。在人们获取的各种数字信息中，视觉信息占到80％以上，其中图像是人类视觉信息最主要的载体，也是蕴涵信息量最大的媒体。因此，图像压缩编码是当前通信和信号处理领域里的一个重要研究课题，其中有限状态矢量量化器本身存在编码性能提高的潜力，基于这种量化器的图像编码算法在实际应用中尚未达到最终完善的程度。因此，有必要对其进行深入研究和编码算法的改进。本文重点研究了静止图像的有限状态矢量量化编码算法。具体地说，主要工作有以下几方面： 1、介绍了图像的基础知识及图像压缩的主要方法，对静止图像压缩编码和有限状态矢量量化编码的发展现状做了简单的回顾，并讨论了图像质量的评价方法，为图像压缩编码做准备。 2、对有限状态矢量量化编码算法进行研究。在研究状态转移函数的基础上，利用精细分类的梯度状态分类器，有效提高了当前输入矢量的状态预测精度。针对实际编码算法总码书和状态码书尺寸一般都较小的情况，改进了一种基于梯度的动态有限状态矢量量化编码算法，对输入矢量的编码范围进行扩展，提高压缩效果并保证了重构图像质量。 3、对经典DCT变换和整数DCT变换进行研究，并把它们和有限状态矢量量化编码算法相结合，提高了对图像的压缩性能。 4、研究了静止图像压缩编码对小波基的选取准则，从比较适合图像压缩的几组小波基中，根据试验数据选出最适合有限状态矢量量化编码的小波基。在此基础上，提出了基于限失真码书补偿机制的混合编码算法——基于S+P变换的动态有限状态矢量量化编码算法，使得重构图像质量满足不同用户的需求。 5、由于人眼是重构图像质量的最终裁决者，在编码过程中采用基于人类视觉系统的加权均方误差准则(WMSE)，使得重构图像有良好的视觉效果。 6、搭建了静止图像压缩平台，对经典图像压缩算法和本文的改进算法进行仿真。
罗迅[10]2003年在《静态图像有损压缩技术的研究》文中认为随着信息高速公路、数字地球概念的提出以及Internet的广泛使用，信息传输量急剧增长，其中图像信息以其信息量大等一系列优点使其成为人类获取信息的重要来源以及利用信息的重要手段。大量的图像信息需要存储和传输，仅依靠提高信道带宽和计算机的处理速度，不能满足人们对图像信息存储和传输的需要，这就需要结合图像的压缩编码技术来满足人们的要求。当前图像压缩技术在生物医学应用、无线通信、计算机图形图像处理等许多方面有着广泛的应用。 本论文以湖北省科技厅项目“智能运输系统视频信号采集系统识别算法研究”为背景，针对图像信号采集和实时传输中的图像压缩问题，基于图像编码理论、人工神经网络理论和小波变换理论对静态图像的有损压缩技术进行了较深入的分析、比较和研究，提出了静态图像的有损压缩方案。方案首先利用小波多分辨分析性质，对图像进行小波分解，对分解后各子图的小波系数进行了统计分析，针对各子图的小波系数特点，对不同的子图分别采用不同的压缩方法，低频子图采用基于神经网络的自适应预测编码，高频子图采用基于神经网络的矢量量化编码，从而实现对图像数据的压缩处理。 本论文第一章介绍了数字图像压缩处理的国内外当前的概况以及其技术标准和分类。在第二章，介绍了数字图像的矢量量化技术的数学思想和过程，对LBG算法和基于SOFM神经网络的矢量量化进行了阐述、分析。第叁章论述了无损和有损预测编码，分析了自适应预测编码中的BP神经网络，论述了神经网络在图像压缩中的算法评估。第四章讨论了数字图像变换域技术在图像压缩中的应用并做了相应的实验，同时对图像变换编码的策略进行了讨论。第五章用小波变换对图像进行分解和表述，讨论了小波函数在图像压缩中的性质和影响，对图像变换后的小波系数进行了分析。建立在前面各章的理论和分析的基础上提出了静态图像的有损压缩方案，并给出了实验结果。实验结果证明了方案的可行性，同时该方案能更好的与图像的局部内容相匹配，去除冗余，获得较好的图像压缩效果。
参考文献：
[1]. 基于小波和轮廓变换的混合图像压缩算法研究[D]. 左珂可. 辽宁师范大学. 2007
[2]. 基于小波变换的静态图像感兴趣区域压缩算法研究[D]. 李景超. 国防科学技术大学. 2006
[3]. 基于整数小波变换的遥感图像编码研究[D]. 刘喜祥. 吉林大学. 2007
[4]. 信源信道联合编码中关键技术的研究[D]. 韩东岩. 华东交通大学. 2012
[5]. 小波变换与矢量量化在图像压缩中的应用研究[D]. 周瑞雪. 中国海洋大学. 2008
[6]. 基于小波变换和矢量量化的图像压缩编码研究[D]. 蔡求元. 华东交通大学. 2010
[7]. 基于小波变换及ROI的图像压缩算法研究与实现[D]. 胡扬. 东北大学. 2012
[8]. 基于小波变换的矢量量化图像压缩编码研究[D]. 王茂芝. 电子科技大学. 2003
[9]. 基于有限状态矢量量化的图像编码算法研究[D]. 史红刚. 解放军信息工程大学. 2006
[10]. 静态图像有损压缩技术的研究[D]. 罗迅. 武汉理工大学. 2003
标签：电信技术论文; 图像压缩论文; 小波变换论文; 矢量量化论文; 图像编码论文; 自适应算法论文; 矢量数据论文; 矢量论文; 量化分析论文; 信息存储论文; 数据压缩论文;