曹海霞[1]2008年在《基于整数小波变换的静止图像无损压缩算法研究》文中认为静止图像是二维图像,图像的数据量很大,难以直接传输和存储,所以必须对图像进行压缩。由于某些图像(如:遥感超光谱图像、医学图像等)信息十分宝贵,应尽可能采用无损压缩方法。图像无损压缩的目的不同于有损图像压缩,它不仅仅是为了人的视觉系统,同时也是为了某些特殊的应用。这就要求在进行图像的分解与重构的过程中图像的应用信息不允许丢失。基于提升算法的整数小波变换(IWT)实现了真正意义上的无损可逆变换,在图像传输领域,尤其是在图像压缩编码方面得到了广泛的应用。因此,寻求高效的无损压缩编码算法是目前研究的热点。论文分析了传统小波变换的一些基本知识。然后通过分析传统小波的不足,引入了构造第二代小波的提升方案,给出了求解提升小波变换系数的算法及用提升方案实现传统小波的过程,并介绍了可以用以实现无损压缩的(5,3)整数小波变换。该方法的优点是简单的移位和加法操作,速度很快,占用内存少,而且比一般小波变换更适于消除静止图像的数据冗余,特别适合于无损压缩,并利于今后的硬件实现。依据现有文献中算术编码和SPIHT编码算法的性能分析,研究了基于整数小波变换的算术编码和SPIHT编码算法。针对上述算法的优缺点,本文提出了基于差分脉冲编码调制(DPCM)和整数小波变换相结合的改进混合编码算法。对该方案采用Visual C++6.0进行编程实现,仿真结果表明:本文的改进算法不仅对大部分图像压缩比有所提高,而且解码后的图像能无失真的恢复,较好地实现了静止图像无损压缩。
刘俊杰[2]2014年在《视觉测量图像无损ROI编码技术的研究》文中研究说明在大尺寸精密测量过程中，视觉测量图像是测量系统能够获得的唯一已知量，直接决定着测量结果，但是海量的视觉测量图像数据的存储和传输却成为阻碍测量系统全面自动化的难点问题，同时视觉测量图像所独有的应用特性也给图像压缩编码技术提出了新的要求。本文关于视觉测量图像无损ROI编码技术进行了详细的研究，其主要研究内容如下：1.在深入分析了目前较成熟的视觉测量系统和图像ROI编码理论的基础上，结合视觉测量图像的应用特性分析，提出了视觉测量图像无损ROI编码方案和编码过程中的注意事项及难点问题，并制定了适合于视觉测量图像压缩编码算法的评价标准体系。2.通过对各类图像ROI提取方法分析和研究，总结了在视觉测量图像ROI提取过程中应注意的问题，并建立了系统的视觉测量图像ROI提取以及ROI特征点提取的方法。3.重点研究了基于小波变换的视觉测量图像无损ROI编码方案，提出的划分区域编码的思想使得编码方案适用于任意尺寸的视觉测量图像，增加了算法的普适性；改进的无链表MNLS算法不仅有效的节省了原SPIHT编码算法3个链表的内存空间，而且更好地利用了兄弟节点的相关性，提高了编码效率；ROI系数符号的编码和“0”串码流的处理方式在ROI区域无损编码过程中大量的减少了码流的开支；只编码背景区域几个有效位平面的背景区域有损编码方法在保证背景信息基本可观的同时，提高了整体的压缩比。4.重点研究了基于小波包变换的视觉测量图像编码方法，全面分析和总结了视觉测量图像小波包系数的特性，提出了适合于视觉测量图像的最优小波包基选择准则；针对视觉测量图像小波包系数编码过程中的父子节点间冲突的问题，提出了基于小波包变换的交换位置编码方法，其编码效果与基于小波变换的效果相近，但编码时间较长，因此为了进一步提高编码效率，本文提出了基于小波包变换的Multi-SPIHT编码方法，该方法将多个空间方向树并行处理，在保证编码质量和压缩比的同时节省了近2/3的编码时间。5.在大型叁维控制场中对本文提出的基于小波包变换视觉测量图像无损ROI的Multi-SPIHT编码算法从测量精度的实验、压缩比和编码时间的实验以及与V-STARS系统的比对实验等方面进行验证，实验结果证明了本文算法的可行性、有效性和准确性。
王徐研[3]2014年在《基于感兴趣区域编码的X射线图像压缩技术研究》文中研究说明X射线图像能够比较直观的反映出物体的内部情况，是检查产品质量是否合格的重要手段，在油田的工业检测中有着广泛的应用，同时也产生了庞大的X射线图像数据，对这些数据进行压缩处理以便于传输与存储的需求也得到了人们的日益关注，因此研究一种高效的X射线图像压缩方法具有一定的实际应用价值。本文在对当前图像压缩技术进行充分分析和研究的基础上，以从大庆油田某检测中心采集到的X射线检测图像为研究对象，针对X射线图像的特点以及图像评判要求，提出了以整数小波变换为基础，结合嵌入式图像编码与感兴趣区域编码的X射线图像压缩方法，并通过相关实验进行验证，主要研究内容如下：1．对X射线图像的特性进行深入的分析与研究，针对X射线图像空间相关性高，高频信息较为丰富的特点，采用与其相适应的小波变换图像编码方法，同时结合X射线图像的客观质量要求，对能够实现图像无损压缩的整数小波变换展开研究，并对小波基的类型、边界延拓方案、小波变换级数等进行有针对性的选取，为实现X射线图像的高质量压缩奠定了基础。2．研究基于整数小波变换的X射线图像的无损编码压缩方案。针对X射线图像空间相关性高的特点，采用无损的DPCM编码方法对其进行高效编码，同时结合SPIHT算法与自适应算术编码的优势，提出基于整数小波变换的X射线图像的无损编码压缩方案，并通过相关实验证明了该方案的有效性。3．研究基于感兴趣区域编码的X射线图像压缩方法，将X射线图像中的重点检查区域作为感兴趣区域，将图像分割方法与图像压缩方法结合起来，将水平集算法运用于X射线图像感兴趣区域的提取之中，解决了传统感兴趣区域提取方法准确率不足的问题，并提出基于整数小波变换与感兴趣区域编码的X射线图像压缩方案，实验结果表明，该方案在保证X射线图像的压缩质量同时有效的提高了图像的压缩效率。
武永红[4]2012年在《基于小波变换的图像无损压缩算法研究》文中研究指明信息爆炸时代，信息量的迅猛增长给有限的网络带宽和有限的存储容量带来了巨大的挑战，而这些信息主要是以图像的形式来表现的，因此，为了解决海量信息与有限的网络带宽及有限的存储容量之间的矛盾，必须对图像进行压缩。图像压缩是指通过减少图像中的冗余，用尽可能少的数据量来表示图像。小波变换具有时频局部化、能量聚集等良好的性质，并且图像经过小波变换后，同一方向上不同小波子带间表现出很强的相似性，因而被广泛应用于图像压缩领域。基于此，本文对基于小波变换的图像无损压缩方法做了详细的研究。首先，简要介绍了图像压缩的基本原理，主要包括图像压缩的必要性与可能性、图像压缩的分类与常用的图像压缩方法、图像压缩效果的评价准则及静态图像压缩的国际标准。其次，重点探讨了小波变换、基于小波变换的图像压缩编码思想及影响小波图像编码的关键因素。并通过实验数据分析了图像经过小波变换后能量的分布特点及小波系数幅度值的分布规律，为后续编码算法的改进提供指导。然后，深入研究了嵌入式零树编码算法及SPIHT算法的编码原理及实现过程。通过分析SPIHT算法的缺点，提出了一种改进的SPIHT图像无损压缩算法，改进SPIHT算法主要包括：①采用预测编码方法对低频子带单独编码，并对得到的预测编码码流进行哈夫曼编码；②在高频子带编码扫描过程中，改变最后两轮扫描过程中的集合分裂方式，并对得到的SPIHT码流进行算术编码。以标准灰度图像为例，采用改进SPIHT算法编码，并与SPIHT算法进行对比，实验结果表明：改进SPIHT算法对不同图像的压缩比特率均有降低，说明改进算法是有效的。最后，着重分析了JPEG2000中一般位移法与最大位移法的优缺点，并结合改进SPIHT算法提出了一种新的支持感兴趣区域优先编码的图像无损压缩方法。以标准灰度图像为例，采用支持感兴趣区域编码的改进SPIHT算法进行编码，并与支持感兴趣区域编码的SPIHT方法进行对比，实验结果表明：在感兴趣区域编码中，改进SPIHT算法对不同图像的压缩比特率均有降低，说明改进算法是有效的。
陈嘉臻[5]2007年在《基于小波变换的高光谱图像压缩新方法》文中研究指明叁维高光谱图像含有丰富的空间和谱信息。随着科技的进展,成像光谱仪的光谱谱段数不断增加,对地物信息分辨率不断提高,在遥感应用中发挥越来越重要的作用。本文在分析高光谱图像特点的基础上,侧重研究KL变换和小波变换在高光谱图像压缩中的应用,实现了改进式KL变换/整数小波变换/SPIHT (KLT/IWT/SPIHT)压缩算法。利用高光谱图像特性,提出了等间隔分谱段的改进式KL变换/整数小波变换/SPIHT(32-PKLT/IWT/SPIHT)压缩算法和自适应分谱段的改进式KL变换/整数小波变换/SPIHT(Auto-adapt PKLT/IWT/SPIHT)压缩算法。为了对比以上叁种算法的压缩性能,实现了叁维整数小波变换/叁维SPIHT(3D IWT/3D SPIHT)压缩算法。本文主要进行了以下几个方面的工作:首先,介绍高光谱数据压缩中的变换和编码方法。主要介绍了KL变换、第二代小波变换和基于小波的编码方法,并提出改进式KL变换/整数小波变换/SPIHT压缩算法。该算法先用改进式KL变换进行高光谱图像的谱冗余的去除,然后选择9/7整数小波进行高光谱图像空间冗余的去除,最后应用SPIHT算法对经过上述变换后的高光谱数据进行压缩。其次,通过对高光谱图像的特性分析,发现高光谱遥感图像具有较弱的空间相关性和较强的谱间相关性,并提出在高光谱图像压缩中,应主要消除谱间冗余。最后,结合高光谱图像特性的结论,提出在改进式KL变换前,进行等间隔分谱段或自适应分谱段。设计了KLT/IWT/SPIHT压缩算法、32-PKLT/IWT/SPIHT压缩算法、Auto-adapt PKLT/IWT/SPIHT压缩算法和3D IWT/3D SPIHT压缩算法。以上四种算法在不同比特率情况下,对16bit无符号的高光谱图像(128*128*224)进行压缩性能和算法运行时间的对比。本文的实验结果表明在比特率大于0.8bpp的情况下,Auto-adapt PKLT/IWT/SPIHT压缩算法明显优于其它算法,而3D IWT/3D SPIHT压缩算法的压缩速度优于其它算法。
陈炳权[6]2007年在《基于小波变换的图像无损快速压缩算法》文中认为图像信息数字化后的数据海量性,不仅对计算机的存储和处理能力提出了很高的要求,而且也使得图像通信的信道传输速率受到限制。为了快速存储、处理和传输这些数据,必须要对图像信息进行压缩处理,通过压缩处理消除图像的冗余度来减少表示图像所需的比特数。目前图像压缩的方法很多,有损压缩允许一定程度的信息丢失,在满足实际应用的条件下能够取得非常高的压缩比,无损压缩因不允许信息丢失,所以压缩效率难以提高,在指纹图像、遥感图像、医用图像处理等应用领域内,对于高效的无损压缩方法和高保真度压缩方法有着迫切的需要。本文主要研究基于小波变换的快速无损图像压缩算法的实现,其设计思路:映射-量化-编码-硬件实现.在无损快速压缩编码理论和图像小波变换的基础上重点研究了适合图像压缩的小波基的选择、小波变换后图像的系数分布特点、灰度直方图的特点及自身的特点,得出了小波变换后有利于图像压缩的合理根据。在传统嵌入式小波零树编码算法(EWZ)的基础上,提出了改进的算法——保留低频分量的嵌入式小波零树编码算法,并且仿真实现了该算法。仿真结果表明该算法与传统EZW相比,能够提高重构图像的峰值信噪比(PSNR),降低均方误差(MSE)。其次研究了分形编码的理论基础,阐述了迭代函数系统(IFS)、拼贴定理、吸引子定理,并分析了基于IFS的图像压缩编码方法的缺陷:分形编码时间过长,从而给出了一种小波域分形编码方法——对低频分量进行无损编码、对高频分量进行子树分形编码,仿真结果表明该算法不仅提高了压缩比,而且缩短了编码时间。最后以TMS320C6201 DSP为核心芯片给出图像压缩编码算法的硬件实现方案,讨论了该芯片的外围接口设计方案,并阐述了基于DSP的优化编程方法。
李晓梅[7]2009年在《基于小波变换的医学图像压缩技术的研究》文中指出随着现代医院数字化进程的加快,数字化医学图像在医院的诊断和治疗中发挥着越来越重要的作用。数字化医学图像的广泛应用,产生了大量的数据,给图像的存储和传输技术提出了严峻的挑战。因此,研究有针对性的医学图像压缩技术具有重要的实际意义。根据医学图像的特点和医学图像对压缩编码方案的特殊要求,本文基于小波变换,嵌入式图像编码,图像分割和感兴趣区域编码的各种理论方法,以从山东省立医院采集到的CT图像,MR图像和超声图像为主要研究对象,结合临床的实际需求,重点解决医学图像高图像质量和高压缩比之间的矛盾,并通过matlab编程对研究过程中涉及的算法进行了实现和分析。论文的主要工作如下:(1)研究整数小波变换在医学图像压缩中的应用。由于传统的小波变换需要进行小波系数的舍入运算,无法重建原始无损的图像,本文通过对整数小波变换理论和医学图像特征的分析研究,采用既能实现无损压缩又能实现有损压缩的5/3双正交小波基,通过小波分解后各子带的信息熵值和计算量来综合确定小波变换的级数,采用周期对称延拓方式实现了提升方案下的叁级整数小波变换,使能量集中到少数小波系数上。实验结果表明利用整数小波变换进行图像压缩可以避免计算机的舍入误差,有利于医学图像的无损压缩。通过实验方法分析了图像小波系数的分布特点,为选择合适的压缩编码方案奠定了基础。(2)研究嵌入式医学图像压缩编码算法。通过对图像小波变换后小波系数分布特点的分析,本文发现它非常适合于嵌入式图像编码算法。在深入分析嵌入式零树小波编码算法和多级树集合分裂(SPIHT)编码算法优缺点的基础上,将SPIHT编码和自适应算术编码相结合,提出了基于整数小波变换的静态医学图像压缩编码方案,并利用此方案对四种不同类型的医学图像(细胞图像,CT图像,MR图像和超声图像)进行了压缩实验,给出了与其它编码方法的比较结果,仿真结果验证了该编码方案对医学图像压缩的有效性。(3)研究基于感兴趣区域的医学图像压缩编码算法。对于医学图像,医生往往仅对病变区域感兴趣,为了更好的解决医学图像高图像质量和高压缩比之间的矛盾,本文在提出的静态医学图像压缩编码方案中引进感兴趣区域编码,设计了更具实用性和兼容性的医学图像感兴趣区域编码方案。将一幅医学图像划分为感兴趣区域(病变区域)和背景区域两部分,针对JPEG 2000标准中一般位移法和最大位移法的优缺点,本文提出将图像分割与图像压缩相结合,采用主动轮廓模型算法提取病变区域作为感兴趣区域,并用回溯法生成掩模,解决医学图像压缩技术中感兴趣区域自动提取的问题。采用最大位移法进行了压缩实验,并对实验结果进行了分析。另外,考虑到医学图像周围的相关组织和背景也为正确诊断提供了参照,将能够灵活调整感兴趣区域和背景区域重要性的通用的部分重要位平面偏移方法应用到医学图像压缩中,并将实验结果与最大位移法进行了比较。实验结果表明,利用此方法既可以保证诊断信息有良好的视觉效果,同时又克服了最大位移法的缺点,在提高压缩率的基础上,有效实现了对感兴趣区域和背景区域压缩质量的灵活调整,为医学图像压缩方法提供了一种新思路。论文最后对全文进行了总结,并对下一步的研究工作进行了展望。
李恒建[8]2010年在《掌纹图像压缩加密及其安全认证研究》文中研究表明随着信息技术和网络技术的高速发展,信息安全显示出前所未有的重要性。生物识别技术以其特有的稳定性、唯一性和方便性,得到越来越广泛的应用。掌纹识别作为一项新兴的生物识别技术,因具有采样简单、图像信息丰富、用户接受程度高、不易伪造、受噪声干扰小等特点受到国内外研究人员的广泛关注。和其它生物特征识别系统一样,掌纹认证系统也存在健康隐私保护和安全隐患,而这一问题很少得到国内外研究者的关注。本论文围绕基于掌纹图像的安全认证技术展开研究,同时讨论了图像有损压缩对掌纹识别认证性能的影响,为掌纹图像的有损和无损压缩编码技术提供了参考。在分析总结前人工作的基础上,主要创新工作如下：1、给出安全掌纹认证系统的评价指标,分析了混沌密码在掌纹图像及其模版保护上的应用可行性。基于非线性动力学滤波器具有高的测度熵和高度并行结构的特点,设计了一种易于硬件实现的高效混沌流密码。熵编码位于图像编码的最后阶段,根据图像无损压缩的算法,利用非线性动力学滤波器这一安全混沌模型,设计了安全哥伦布和算术熵编码。基于前馈-反馈非线性动力学滤波器流密码发生器,设计一种安全的随机哥伦布编码,该算法具有较高的编解码效率和大的密钥空间。非线性动力学滤波器的参数设计灵活,据此设计一种安全的随机算术编码。相对于一般流密码,该算法很容易产生雪崩效应,因而具有较高的安全性。2、研究掌纹图像无损压缩及其安全编解码。通过分析和测试现有常用的无损图像压缩算法,包括基于变换(整数DCT实现的JPEG、JPEG2000和SP变换)、基于预测的无损压缩算法(LJPEG, CALIC和JPEG-LS)和基于字典压缩的方法(png和UHA),综合考虑,得到JPEG-LS在压缩效率和速度上是目前适合掌纹图像无损压缩算法的结论。根据JPEG-LS编码的特点,利用FFNDF产生混沌流密码,设计了一种复杂度低、对压缩性能没有影响的安全编解码算法。实验结果表明,该算法具有较高的加密效率和安全性。3、研究掌纹图像有损压缩对掌纹认证性能的影响。CompCode是目前最优的掌纹认证算法之一。研究了不同图像有损压缩编码对掌纹CompCode认证性能的影响,包括不同变换(基于分块DCT的JPEG和DWT的JPEG2000)、变换相同编码方式不同(如基于DWT的JPEG2000和SPIHT)和量化方式不同(基于标量的SPIHT和基于网格编码量化的QTCQ)。在详细分析实验数据的基础上,得出如下结论：在低比特率时,基于DWT变换的图像压缩算法对掌纹CompCode识别性能影响小于基于DCT的方法；在高比特率时,基于DCT的图像压缩方法对掌纹CompCode识别性能的影响小于基于DWT的。这一结论表明：有损压缩对掌纹CompCode影响并不总和图像率失真程度一致,传统的基于均方误差的评价有损图像压缩方式不适合评估生物特征图像。4、研究高分辨率掌纹图像的有损压缩安全编解码。高分辨率掌纹图像具有复杂的几何纹理结构,而传统的小波由于方向有限无法稀疏表示,因而也难以进行高效的压缩编码。对偶树小波变换有6个方向且具有近似平移不变性,能较好地表示掌纹图像的方向纹理特征,然而,其在表示图像时方向依然有限。DFB可获得更加灵活的图像方向表示,因此,提出了在对偶小波树变换的高频子带用DFB进一步分解的算法,并用噪声整形技术对分解得到的系数稀疏化以获得更高的非线性逼近效果。接着,对整形后小波系数重新交织,使相邻的子带系数具有类似小波的父子关系,便于SPIHT压缩编码。实验结果表明,该编码算法在较低比特率下解码图像具有较高的峰值信噪比和视觉效果。结合基于NDF的安全随机算术编码,提出了一种可伸缩的掌纹图像加密算法。SPIHT算法在重构小波域的四叉树过程中,很容易发生雪崩效应,即使当前有一比特发生错误,也将导致整个后续码流都无法正确解码,因此具有很高的安全性。安全算术编码在压缩编码系统的最后一级,能够在不改变图像编码框架的基础上增添安全功能,便于软硬件系统实现扩展。5、为解决不同的掌纹在不同应用场合存在的交叉匹配问题,提出了一种加密域匹配认证方案。为了获得较好的认证效果,采用多个方向的Gabor滤波器提取掌纹图像纹理特征,并且在匹配分数层对各个方向的匹配分数用Sum规则融合。利用双NDF产生混沌流密码加密掌纹特征,解决了掌纹模板被盗用时无法撤销和更新的问题。详细分析了在用户密码被盗的情况下,系统性能的退化情况。综合密钥存在与被盗时系统表现出的性能指标,给出了如何设置安全掌纹认证系统的阈值,并讨论了该系统的可撤销和更新能力。
马智忠[9]2017年在《基于位图的彩色图像无损压缩算法研究》文中指出随着科技的发展,尤其是数字多媒体技术的飞速进步,人类迫切的需要对各类图像进行处理,图像处理技术已经渗透到我们生活的各个方面,从对照片的美化处理到交警对违法违规车辆的拍照,从医学CT等影像图像的成像到卫星遥感图像的分析。追求高要求的图像质量和大量待处理的图像数据使得图像处理技术有更广阔的发展前景。图像无损压缩是一种基础的图像压缩处理技术,它使得越来越多的领域对各种各样的图像实现无失真压缩成为了可能。图像无损压缩应用颇为广泛,例如对医学图像、艺术品、航天等图像的存储。图像无损压缩是一个删除图像冗余的过程,它可以完整的恢复出原始图像。BMP图像是windows环境下图像处理的一种常用文件格式,该标准针对灰度图像给出了BI_RLE4和BI_RLE8两种压缩方法,但对彩色图像并没有给出明确的压缩方案,因此一定程度上限制了BMP彩色图像的广泛应用。为了解决BMP彩色图像在实际应用中占用存储空间过大的问题,本文提出了一种利用相邻像素和RGB颜色值的相关性来去冗余的24位真彩色位图图像的无损压缩算法,并利用最小二乘法来确定模型参数,以此来降低整个图像的相关性,然后结合熵编码技术实现图像的无损压缩。通过对实验结果的分析,本文提出的方案与常见的ZIP无损压缩和PNG无损压缩方法相比,该方案的算法运算简洁、速度快,且易于实现,无损压缩的压缩比相对提高了30%以上,可以作为一种新的、有效的无损压缩方法应用于图像的压缩中。
苏冬[10]2004年在《基于整数小波的图像压缩编码方法》文中认为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。本文对小波的研究主要集中在提升方法上,该方法属于第二代构造小波的新方法,具有既继承了第一代小波的特性,又不依赖于傅里叶变换,同时便于构造非线性小波(如:整数小波)的特点。本文对提升方法的原理和其中的关键技术作了详细的阐述和讨论,特别是对用提升方法实现从整数到整数的小波作了全面、细致的分析。并选择了9/7-F、9/7-M和5/3叁种传统用于图像压缩的小波来用提升方法实现从整数到整数的小波,为后面进一步研究系数编码做好准备。基于分级量化的重要性测试编码是小波系数编码方法中重要的一类方法。这类方法具有复杂度低、性能好等诸多优点,嵌入式零树编码算法(EZW,the Embedded Zerotree Wavelet algorithm )、可逆嵌入小波压缩(CREW,Compression with Reversible Embedded Wavelets)、分层树集合分割算法(SPIHT,Set Partitioning In Hierarchiacal Trees)、嵌入式块集合分割算法(SPECK,the Set Partition Embedded bloCK coder)等经典的基于小波的图像压缩编码算法都属于这一类型的方法。本文对该类方法进行了全面和深入的研究,探讨了基于该方法的图像无损压缩编码算法,以改善图像无损压缩的性能,这是本文研究的重点。对SPIHT和SPECK这两种先进的、有代表性的算法本文作了详细和全面的分析与讨论。在此基础上,本文提出了自己的基于分级量化的重要性测试编码的算法,该算法除了在集合分类策略和搜索策略上采用了新的方法外,还采用了截断量化和对特殊bit组合进行编码等方法来改善图像无损压缩的性能,同时又不影响有损压缩的性能。本文算法在无损压缩性能、执行速度和有损压缩性能上同SPIHT、SPECK算法做了比较,都优于这两种算法。
参考文献：
[1]. 基于整数小波变换的静止图像无损压缩算法研究[D]. 曹海霞. 西安科技大学. 2008
[2]. 视觉测量图像无损ROI编码技术的研究[D]. 刘俊杰. 天津大学. 2014
[3]. 基于感兴趣区域编码的X射线图像压缩技术研究[D]. 王徐研. 东北石油大学. 2014
[4]. 基于小波变换的图像无损压缩算法研究[D]. 武永红. 重庆大学. 2012
[5]. 基于小波变换的高光谱图像压缩新方法[D]. 陈嘉臻. 厦门大学. 2007
[6]. 基于小波变换的图像无损快速压缩算法[D]. 陈炳权. 湖南大学. 2007
[7]. 基于小波变换的医学图像压缩技术的研究[D]. 李晓梅. 山东大学. 2009
[8]. 掌纹图像压缩加密及其安全认证研究[D]. 李恒建. 西南交通大学. 2010
[9]. 基于位图的彩色图像无损压缩算法研究[D]. 马智忠. 兰州大学. 2017
[10]. 基于整数小波的图像压缩编码方法[D]. 苏冬. 重庆大学. 2004