张砺佳[1]2007年在《基于小波变换的图像压缩编码研究》文中认为图像信息丰富，是人类认识世界的重要信息来源，但是图像数据量很大。近年来，随着计算机网络、多媒体技术的迅猛发展，这些应用迫切地需要对庞大的图像数据进行压缩编码处理。图像编码长期以来主要利用离散余弦变换(DCT)作为变换编码的主要技术，然而利用DCT变换存在明显的方块效应，而且要进一步提高压缩性能很困难。小波变换由于具有能够有效地描述非平稳信号的独特优点而成为当前图像压缩编码研究的主要方向。本文主要研究基于小波变换的图像编码技术。本文首先对图像的特性及进行压缩的必要性、可行性进行了分析，并对传统压缩编码方法进行了比较和综述，针对小波变换图像信号的特点，对小波变换在数字图像压缩中的应用进行了研究；根据小波变换理论，在介绍了嵌入式编码及渐进传输的思想之后，详细介绍了两种经典的嵌入式零树小波编码算法EZW和SPIHT，并进一步讨论了每种算法的优缺点，然后提出一种低内存消耗的无表零树编码算法，该算法以SPIHT算法为基础，改进了其零树结构，通过引入提升小波变换并结合LZC算法的标志位图思想，在保证恢复图像质量的前提下，降低了算法的内存需求量，提高了编解码速度，为该算法的硬件实现提供了保障；最后设计了一种基于FPGA(现场可编程逻辑门阵列)和DSP(数字信号处理器)的实时图像小波压缩系统的实现方案，该方案充分利用各自芯片的优良特性，合理地设计了FPGA与DSP之间的数据通道，可以提高整个系统的数据吞吐能力，能够较好地满足实时DWT算法巨大运算量的需求。通过分析证明该方案完全可以胜任图像数据率很高情况下的实时小波压缩。
王明翠[2]2007年在《SPIHT算法的改进及均值均方差在静态图像压缩中的应用》文中研究表明随着信息技术的发展，图像压缩一直是人们研究的热点。其中，如何在保证一定图像质量的同时，尽可能的降低算法复杂度；在静态图像压缩中，如何确定变换系数的量化阈值，提高图像的压缩比和峰值信噪比；在小波压缩中如何进行小波基的选取等等，成为一系列值得研究的问题。本文结合国内外研究现状，针对以上问题进行了深入的研究，其主要研究内容有以下几点：1．对EZW、SPIHT算法进行了深入研究，提出了一种改进的SPIHT图像编码算法。改进算法不仅继承了原有SPIHT算法的各种优点，而且通过调整小波系数的排序过程、用一维数组来取代原有的链表结构、改变小波系数重要性判断的依据等措施进一步降低了SPIHT算法的复杂度、提高了原有算法的工作效率。2．对JPEG标准的压缩流程进行了深入研究，将均值均方差应用到基于DCT的图像压缩中。采用均值均方差计算DCT变换系数的量化公式，使得不同子块之间采用不同的量化步长。与采用固定量化表相比更能够反映变换系数的分布特征，也有利于实现图像的压缩。但是该方法只适用于包含信息比较单一的图像。3．对JPEG2000标准的压缩流程进行了深入研究，将均值均方差应用到基于DWT的图像压缩中，进行小波系数的量化。根据各高频系数矩阵的均值均方差，对正负系数分别构造不同的量化公式进行图像压缩，可以获得较好的图像压缩效果和较高的压缩比。4．对小波基的正则性进行了深入研究，确定了在图像小波压缩中小波基的选取依据。在利用均值均方差进行小波压缩时，对于包含信息单一的图像：正则性阶数越低，图像压缩比越高，重构效果越好；对于包含信息丰富的图像：正则性阶数越高，压缩图像的重构效果越好。
安丹丹[3]2007年在《基于小波变换的视频压缩算法研究》文中研究说明随着Internet网络、无线通信技术以及交互式多媒体技术的迅速发展,视频压缩技术成为当今视频通信的研究重点。在最近的二十多年中,小波理论得到了迅速的发展,成功地在许多领域得到应用。在图像压缩领域,基于小波变换的JPEG2000已经成为当今主流的图像压缩标准。在视频压缩领域,基于小波的压缩算法不断出现,并且表现出其优异的性能和良好的发展前景。本文以此为背景,提出基于小波变换的视频压缩算法研究,首先对小波变换理论进行了较为深入的阐述,包括多分辨率分析理论、图像小波分解过程的推导等,对图像分解中小波基的选择问题进行了讨论,从而确定了课题的实施方案,即在本文设计的视频压缩算法中采用双正交小波基D9/7。其次,研究了基于小波变换的静止图像压缩算法EZW、SPIHT和一种改进的EZW算法,这些算法是视频压缩编码算法中的关键部分。在软件平台上进行了算法验证、分析和对比,结果显示,应用改进的EZW算法对图象进行压缩,重构图像的PSNR值较高。论文第叁部分研究了基于小波变换的视频压缩算法和多分辨率运动补偿算法,对运动补偿算法进行了适当改进。最后,设计了一个基于小波变换、小波域运动补偿和改进的EZW算法的视频压缩方案,进行了软件设计并对其运行结果进行了数据分析。经与H.263视频压缩标准对比,说明本文提出的算法在中高码率下性能优异,在低码率下也达到了H.263标准。
李晓梅[4]2009年在《基于小波变换的医学图像压缩技术的研究》文中认为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。
胡峰[5]2003年在《小波零树编码在图像压缩及其去噪中的应用研究》文中进行了进一步梳理图像压缩编码技术是多媒体通信技术中的关键技术，近年来各种压缩标准应运而生(例如JPEG2000和MPEG-4)，这两个标准都推荐使用小波变换技术来编码。本文主要研究了小波零树编码在图像压缩及其去噪中的应用，提出了一些改进算法；最后对各种基于小波零树思想的压缩编码方法进行比较和总结。 本文首先阐述了各种图像压缩方法和视频图像压缩标准，用于图像压缩的小波变换基本理论；其次介绍了基于小波零树编码思想的两种成功的图像编码算法嵌入式零树编码算法EZW和多层次零树编码算法SPIHT。本文提出了两种改进算法，算法一：DPCM、零树和游程相结合的改进算法；算法二：DPCM、零树和矢量量化相结合的改进算法；仿真结果表明这两种改进算法无论从客观信噪比还是从主观质量都取得了很好的效果，从而证明改进方案是有实际意义的；然后是含噪图像的小波零树编码去噪研究，软门限去噪以后采用第一种改进算法对图像进一步压缩，解压后的仿真结果显示噪声得到了很好的去除；最后是对基于零树编码思想的各种编码方法进行总结、分析和比较。
周瑞雪[6]2008年在《小波变换与矢量量化在图像压缩中的应用研究》文中研究说明在图像压缩技术中,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。
冯润根[7]2006年在《嵌入式零树小波图像压缩编码算法的研究与改进》文中研究说明本文就图像数据经典的压缩编码方法——嵌入式小波变换零树量化压缩编码方法进行了研究，提出了一种改进的基于小波变换的零树编码方法，仿真实验结果证明了此方法的有效性。 作为通信、介质存贮、数据发行、多媒体计算机等技术的关键环节，图像压缩编码算法的研究是信息技术中最活跃的研究领域之一，尤其是进入21世纪以后，电子技术和通信技术的发展使可视电话、会议电视、数字电视、高清晰度电视、多媒体计算机、信息高速公路等的生产和建立成为可能。在这一背景下，探索高效图像压缩编码算法无疑将成为主要任务之一，对其研究也将成为国际公认的热点之一。 本文主要分为五部分：1．介绍了课题提出的背景及意义；2．介绍了数字图像压缩的有关知识和目前国际上制定的图像压缩的标准以及图像压缩技术的发展过程；3．从小波变换的原理出发，对图像进行小波变换后小波系数的特点进行分析，讨论了其适用于图像压缩编码的优势；4．讨论嵌入式零树小波编码的基本原理、实现方法和其优点：5．分析了传统的零树编码算法的缺点，在此基础上提出了改进的图像压缩编码算法，对实验数据进行了结果分析。 改进算法包括了以下几个方面： 对图像进行小波变换时，选择了更合适图像编码的Z97双正交小波基，对边界处理问题采用了对称周期延拓方法。通过实验分析，提高了压缩效果。 对于小波变换后的小波系数的高频部分，根据其分布特性和人眼的视觉特性，采用视觉模型对零树量化过程的阈值进行修正，有效地去除视觉冗余：对各高频子图采用变阈值的零树量化方法，在相同压缩比下进一步提高了图像的质量。
刘忠元[8]2009年在《基于小波变换的图像压缩算法研究》文中认为图像是现代社会信息传递的主要载体,而传输频带和存储空间的限制,使得图像压缩技术成为当前信息传输系统中关键的技术之一。小波理论是近年发展起来的新的数学分支,是继傅立叶变换和离散余弦变换后一种新的图像压缩算法,该算法因其良好的空间-频率局部特性和与人眼视觉特性相符的变换机制,在图像编码领域获得了广泛的应用和研究。本文对基于小波变换的静态图像压缩算法进行了比较细致的研究,首先介绍了图像压缩编码的相关理论知识,包括常用的图像压缩编码方法以及图像压缩质量评价标准,然后介绍了小波变换基础理论及其在图像压缩中的应用;其次重点对Shapiro嵌入式零树小波编码算法进行了深入的研究,阐述了该算法利用零树结构压缩数据的理论依据,说明了该算法的实现过程,并对该算法的压缩性能进行了仿真验证;然后针对EZW算法的缺点,对EZW算法作了改进,并通过仿真实验分析验证了改进算法良好的压缩性能。最后在EZW算法基础上,引入了散度的概念,并提出了基于图像散度信息,同时借鉴EZW算法的思想,将EZW和散度相结合的新的图像压缩算法。利用该算法对散度图像进行压缩后,再基于狄利克雷边界条件通过求解泊松方程来恢复重建原始图像。采用传统EZW压缩算法和新的压缩算法对测试图像Cameraman和Lena进行仿真实验,得到仿真图像和实验数据。与通过传统EZW压缩算法恢复重建的图像相比,我们发现通过新算法恢复重建后的图像基本没有模糊现象,也不存在块效应,只是在图像的对比度上产生了微小的变化,图像总体的主观质量和人的主观感受是比较好的。同时,从得到的实验数据也可以看出,新算法重建图像的感知峰值信噪比要高于传统算法恢复重建的图像,从而验证了基于图像散度信息压缩算法的可行性和正确性。
郭晶磊[9]2007年在《基于第二代小波的图像与视频压缩的研究》文中研究表明图像和视频是人类可以利用的最主要的信息载体。互联网的发展和多媒体的进步使得多媒体的各种新的应用和服务成为可能,尽管互联网的带宽和设备的存储容量都有所提高,但是数字化了的视频和图像信号的数据量之大是惊人的。数据压缩技术作为解决这一问题的有效途径,越来越受到大家的重视。本文的滤波器采用Daubechies双正交滤波器,在图像压缩中,它获得了比正交小波更好的效果。具体采用的是Daub9/7小波变换。压缩编码采用了分层树集分裂算法(Set Partitioning In Hierarchical Trees SPIHT)以及3D-SPIHT算法。具体描述了嵌入式零树小波EZW(Embedded Zerotree Wavelet)算法与SPIHT算法在压缩中的应用,并且编码实现了SPIHT图像压缩与解压缩算法和3D-SPIHT视频压缩与解压缩算法。将人眼视觉特性引入小波图像编码算法中,并对其进行了改进。本文使用了两种算法来引入人眼视觉特性,其核心是通过两个阈值T_1、T_2将小波图像分成的纹理块、平滑块、边缘块,并且对相应的小波系数赋予不同视觉权值。在第一种算法中,本文提出了新的广义高斯参数估计,引入了误差反向传播(Error BackPropagation BP)神经网络进行参数估计;在第二种算法中,本文将T_1规定为熵值的平均值。而T_2是一个较小的图像块方差。并在叁种图像块分界处我们引入了模糊算法。使图像块的划分更加合理。两种算法都取得了较好的实验结果。
曹志瑞[10]2006年在《基于小波理论的分形图像压缩算法研究》文中提出目前，在图像压缩编码领域中，分形编码和小波变换编码两个研究分支受到广泛重视，有关分形和小波相结合的混合编码算法作为崭新的研究课题已经开展，且备受青睐。 本文分别在分形编码，小波变换编码及分形与小波变换相结合编码应用于灰度图像压缩等叁个方面做了如下部分改进工作： 针对分形图像编码的固有缺点之一：在保持较好图像质量的情况下，为各值域块寻找相应匹配的定义域块使得编码时间较长，编码速度较慢。本文利用在分形图像编码过程中各值域块和与之匹配的定义域块之间的对应位置关系，可对较小的值域块进行编码，而不用考虑其对压缩率的影响，从而提高了编码的效率。 在小波零树编码算法的基础上给出了一种采用变扫描的图像压缩算法。对一幅图像数据首先应用小波零树图像编码算法生成以小波系数组成的多棵零树，然后对这些零树，采用如果碰到零树根，则省略对这棵零树上的所有子代小波系数的扫描，从而大大提高了扫描编码的效率，使得描述重要系数的位置信息大大减少，提高了编码效率。 分形与小波相结合图像编码的一般方法是：首先对给定图像进行一次或多次二维小波变换后，得到频率域中的多分辨率表示，然后对各相似的高频子带间利用分形编码。该算法具有较高的压缩比，但缺点是编码速度较慢。本文给出了一种新的编码方法。该方法大大提高了值域块和定义域块的匹配时间，降低了分形的编码时间，从而整体上提高了图像的编码效率。 本文在最后讨论了算法在数字水印中的应用。数字水印技术是现在应用比较广泛的一门信息安全技术，水印信息的产生和嵌入在很大程度上影响了信息的安全性。本文给出了一种基于分形和小波相结合的数字水印技术。实验结果表明它能很好的实现水印信息的嵌入和提取。
参考文献：
[1]. 基于小波变换的图像压缩编码研究[D]. 张砺佳. 中国科学院研究生院（西安光学精密机械研究所）. 2007
[2]. SPIHT算法的改进及均值均方差在静态图像压缩中的应用[D]. 王明翠. 青岛科技大学. 2007
[3]. 基于小波变换的视频压缩算法研究[D]. 安丹丹. 河北工业大学. 2007
[4]. 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
[5]. 小波零树编码在图像压缩及其去噪中的应用研究[D]. 胡峰. 南京理工大学. 2003
[6]. 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
[7]. 嵌入式零树小波图像压缩编码算法的研究与改进[D]. 冯润根. 山东大学. 2006
[8]. 基于小波变换的图像压缩算法研究[D]. 刘忠元. 电子科技大学. 2009
[9]. 基于第二代小波的图像与视频压缩的研究[D]. 郭晶磊. 天津工业大学. 2007
[10]. 基于小波理论的分形图像压缩算法研究[D]. 曹志瑞. 湖南大学. 2006
标签：电信技术论文; 图像压缩论文; 小波变换论文; 图像编码论文; 矢量量化论文; 量化分析论文; 嵌入式技术论文; 矢量数据论文; 数据压缩论文; 算法论文;