周四望[1]2004年在《区间多小波理论及其在图像压缩中的应用》文中指出多小波理论是小波理论的新发展，多小波能同时拥有正交性、对称性、紧支撑性和高阶消失矩等特性，理论上优于传统的单小波；与L~2[R]上的多小波相比，定义在L~2[0，1]上的区间多小波能够更有效的处理有限区间上的信号。作为现有多小波理论的补充，本文首先得到了多小波构造的几个一般性结果，然后重点研究区间上的多尺度函数和多小波函数的参数化构造，探讨其正交性，对称性和平衡性，得到了一类区间上的多小波。 用多小波进行图像压缩编码是多小波应用的一个重要方面。多小波和矢值滤波器相对应，对图像的处理有自己的特点。本文第四章将所构造的区间多小波用于图像压缩，从实验上验证了区间多小波构造的正确性以及其性质的优越性。
王成优[2]2010年在《全相位双正交变换理论及其在图像编码中的应用研究》文中认为目前,正交变换理论已相当成熟,尤其是对DCT的研究最为深入。然而,在图像编码中采用正交变换并不一定是最优选择。其缺点之一是量化表比较复杂,并且在低码率时分块DCT变换编码存在着严重的块效应。为解决以上问题,本论文在研究全相位滤波的基础上,提出全相位双正交变换(APBT)并探索其在图像编码中的应用,具有重要的理论意义和应用价值。论文的主要创新点如下:(1)在研究全相位列率滤波的基础上,提出了全相位双正交变换与对偶基向量的新概念,基于Walsh-Hadamard变换(WHT)、DCT和IDCT,推导出了任意阶全相位双正交变换矩阵的数学表达式,并分析了其性质;给出了全相位双正交变换的基图像,并分析了基图像的能量分布特点。(2)提出了基于APBT和方向性APBT的类JPEG图像编码算法。在基于APBT的类JPEG图像编码中,将APBT代替传统的JPEG压缩算法中的DCT变换,相应地,在量化时采用均一量化,省去了复杂的量化表,在低码率时,取得了比传统JPEG算法更好的客观质量和主观效果。并且,为去除低码率时重建图像中出现的块效应,给出了一种有效的去块效应算法;在研究方向性DCT及其编码应用的基础上,提出了基于方向性APBT的图像编码算法,该算法考虑除水平和垂直方向以外的其它方向,对方向性较强的图像,取得了较好的压缩效果。(3)借鉴基于小波变换的SPIHT编码算法,提出了基于APBT的嵌入式图像编码算法,在低码率时取得了比JPEG更好的压缩效果,该算法的优点是码率精确可控;初步探索了APBT域矢量量化编码,取得了比标量量化编码更好的压缩效果,进一步拓展了全相位双正交变换在图像编码中的应用。(4)利用全相位DCT低通滤波器良好的低通特性和全相位延拓DCT内插良好的内插特性,提出了基于DCT、APBT和卷曲DCT的低比特率块编码算法;针对Bayer模式彩色图像的特点,提出了基于9/7小波变换和全相位内插的Bayer模式彩色图像压缩算法。仿真实验表明,本文所提出的算法更适合对Bayer模式图像进行压缩。
李俊峰[3]2009年在《灰色系统理论及其在铁谱磨粒图像处理中的应用研究》文中研究指明铁谱技术以磨损产生的微观颗粒为研究对象,通过分析机械设备中各种类型磨损颗粒的数量及趋势,监测机械设备所处的状态,进而预测机械设备可能发生的故障。在铁谱技术中,磨粒图像是反映机械设备内部零部件磨损状况的重要信息载体,磨粒特征分析是监测对象实际状态十分丰富而又有效的方法。磨粒识别是铁谱分析的核心环节,识别的正确与否,直接关系到磨损状态诊断的正确性。随着计算机技术的迅猛发展,将计算机视觉技术、专家系统、人工神经网络等引入铁谱分析技术中,实现磨粒识别的智能化已成为铁谱技术研究领域中的热点和难点问题。由于图像具有灰色特性,如图像像素的灰度值、图像的边缘、图像的噪声及图像分割阈值等等,近年来,灰色系统理论受到图像工程领域研究人员的广泛关注和重视,同时探讨它在图像工程中的可行性和有效性逐渐成为一个崭新的课题。本文以铁谱磨粒图像的处理、特征提取及识别为背景,在运用灰色系统理论对磨粒图像进行处理的基础上对以下五个问题进行了研究。1.提高灰色预测模型精度研究研究发现,影响灰色预测模型精度的主要因素有原始数据序列的光滑度、模型的背景值及模型的初值。基于此,分别就上述叁个影响因素对提高灰色预测模型精度进行了研究:(1)提出了基于函数x~(-a)(a＞0)变换和基于多重复合函数变换提高数据序列光滑度的方法,理论上证明了数据序列经过该变换后可以有效地提高其光滑度,且其光滑度优于现有的其它变换函数,进而,总结了提高数据序列光滑度的变换函数的性质;(2)基于数据序列的指数函数特性和积分定义,提出了两种模型背景值构造方法,并对这两种改进灰色模型的拟合和预测精度进行了分析,结果表明这两种改进灰色模型不仅可以用来进行短预测,还可以进行中、长期预测;(3)提出了修正初值和时变初值的模型初值构造方法,给出了利用自适应遗传算法求待辨识参数的方法。为了取得更高的建模和预测精度,可以从序列光滑度、模型背景值及模型初值叁个方面同时对灰色预测模型进行改进。2.灰色关联度研究研究发现:目前的灰色关联度模型存在一些缺陷,如灰色关联四公理和灰色关联度的计算方法之间存在着矛盾,序列不同无量纲化计算对关联度的计算结果也会产生影响等。基于此,对均值灰色关联度和T型灰色关联度进行了研究:(1)提出了改进的欧几里德灰色关联,改进的欧几里德灰色关联模型不仅考虑了各点关联系数对其平均值的波动,还考虑了正理想相关和负理想相关,具有平行性、规范性、整体性、偶对称性及接近性;(2)提出了改进的T型灰色关联度,改进的T型灰色关联度能够反映序列的正、负相关关系,具有对称性、唯一性、可比性、接近性及规范性,且对无量纲化处理具有保序性。3.基于灰色系统理论的图像处理算法研究(1)提出了基于绝对灰色关联度和LOG算子的边缘检测算法、基于相关性的图像边缘检测算法及基于级比的边缘检测算法,这些算法不仅具有较强的图像边缘检测能力,可以检测出图像不同方向的边缘,而且能够根据阈值调节检测的边缘细节,定位准确,连续性较好,易于软件编程并行实现,计算量小,其中前两种算法还具有一定的抑制噪声能力,特别对于Gaussian噪声、Speckle噪声及Poisson噪声;(2)提出了基于灰色关联系数的图像噪点检测算法,该算法根据含噪图像与对应均值图像在各像素点的灰色关联系数来识别噪点,利用了整幅图像的信息,特别是噪声的统计信息,可以有效的检测出图像噪点,避免误检;(3)提出了基于加权灰色关联度及基于灰色预测模型的噪点灰度处理算法,这两种算法以含噪图像对应的均值图像或中值图像为基础,分别采用灰色关联度和灰色预测模型来进行噪点处理,可以有效克服周围噪点的影响,更好地改善图像质量,同时图像的保真度较好;(4)提出了基于提升小波和灰色预测模型的图像压缩算法,该算法首先利用提升小波将压缩图像转换到频域,利用零树区分各波段中的重要系数与不重要系数,进而利用hilbert曲线将各波段扫描成一维,最后利用灰色预测模型进行预测编码。实验结果表明该算法有效地提高了图像的压缩率和压缩质量。4.图像保真度评价研究基于相关性指标的特点,提出了基于相关性和离散小波变换的图像保真度评价算法,该算法能够从图像概貌质量和细节质量两个方面对图像进行评价,可以比较准确地反映图像的质量,是一种有效的、具有多尺度分辨功能的、客观的且定量的图像评价方法,更加符合人类视觉系统的特点。5.磨粒图像预处理、特征提取及识别算法研究磨粒图像定性分析包含叁个基本问题:磨粒图像处理、特征提取和识别。在磨粒图像处理上,运用本文所提出的图像边缘检测、图像平滑等算法对磨粒图像进行预处理;在特征提取上,提取了正常磨粒等8种磨粒的尺寸参数、边界形状参数、结构特征参数、颜色特征参数及纹理特征参数,共计54个,使得对磨粒分析更加多样化;在磨粒识别上,根据灰色关联度对特征参数进行了精简和优化,确定出面积、周长、等效圆直径、圆形度、长短轴比、欧拉数、畸形度、梯度均值及灰度一梯度相关度9个特征参数来进行磨粒识别;提出了基于灰色关联神经网络的磨粒识别算法,以上述9个特征参数作为神经网络的输入,磨粒类型作为输出,利用灰色关联度来优化神经网络隐含层的神经元数目。该算法可以大大提高神经网络的学习效率,提高磨粒识别的分辨率和准确率,磨粒识别的准确率可达97.5%。
康江波[4]2004年在《基于小波的图像压缩编码及其在人脸识别中的应用》文中研究说明随着多媒体技术的发展，图像信息在人们接受的信息量中所占比例越来越大，图像压缩编码技术长期以来一直为人们所关注。小波分析理论自诞生以来，因为其良好的多分辨分析特性，在图像压缩编码方面得到了广泛的应用，并已成功的应用于JPEG2000、MPEG-4标准之中。本文研究了基于小波SPIHT(set partitioning in hierarchical trees)图像压缩编码性能及其在人脸识别中的应用，主要工作如下： 1、给出了基于小波的图像压缩编码的基本原理与主要几种小波图像压缩算法，讨论了图像编码中小波基选取、边界处理以及分解级数等几个问题。并将SPIHT编码和JPEG(Joint Photographic coding Expels Group)编码在压缩效果方面进行了对比。结果证明，SPIHT编码在主观和客观保真度上均高于JPEG编码。 2、将SPIHT编码应用于含噪图像的压缩之中，在降低图像数据量同时，实现了对图像的去噪，仿真结果表明，相同压缩比时小噪声条件下的去噪能力高于大噪声条件下的去噪能力。 3、将整数小波变换应用于图像编码之中，克服了非整数小波变换只能有损压缩的缺点，实现了图像从有损到无损的压缩，并分析了不同小波基对压缩性能的影响，最后得到如下结论：在SPIHT压缩编码中，有损压缩推荐使用非整数DB9／7小波变换，无损压缩推荐使用整数LG5／3小波。 4、讨论了图像特征IAM(ImageActivity Measure)对图像压缩能力的影响，分析并改进了结合预处理的图像压缩编码方法，仿真结果证明本文提出的预处理方法在压缩性能上好于原文中的预处理方法。 5、基于SPHIT算法设计实现了一个小波图像编码器，并将其应用于人脸识别系统之中，结果表明：在压缩比为40:1、100:1的情况下对解压缩后人脸图像的识别结果与未压缩人脸图像的识别结果一致，压缩比200:1时正确率在95％以上。
张小飞[5]2007年在《基于混沌特性的小波数字水印算法研究》文中认为研究了基于混沌特性的小波数字水印算法，讨论和验证了混沌在图像加密算法中的应用以及小波变换在数字水印中的应用。在此基础上提出基于小波变换与混沌加密的彩色数字水印算法，将混沌算法产生的阵列作为密码对水印图像进行加密，实现了水印的自适应嵌入。在兼顾鲁棒性和不可见性的情况下，提出将加密后的水印序列的范围改变后，分别嵌入到阈值范围内的小波域的低频和中频(或高频)子带中，序列值的范围适应于小波变换的阈值范围。在提取时再将序列值范围改变回来，解密后恢复出原始的水印图像。根据水印小波系数的重要性不同，设定好嵌入顺序。由于嵌入区间确保了水印覆盖后小波系数相差不大，所以既保证水印有很好的不可见性又提高了水印的鲁棒性，在水印的鲁棒性和不可见性这两个相互矛盾的特性中有一个良好的均衡。讨论并实现将数字水印算法从灰度图像扩展到彩色图像，采用将原始图像的彩色模型从RGB模型转换到HSI模型，并根据人类视觉系统的特点将水印信息嵌入到亮度分量中人眼相对不敏感的区域，很好地保证了水印的不可见性。设计并实现了一个基于混沌特性的小波数字水印系统。该系统具有良好的稳定性和鲁棒性，水印提取过程不需要原始图像和原始水印的参与，做到了盲水印检测，符合所有权验证的需要，很好地顺应了水印算法的发展方向，能够满足特定领域的需求。
魏瑶[6]2015年在《基于统计特性与字典学习的极化SAR图像压缩》文中研究表明合成孔径雷达(Synthetic Aperture Radar,SAR),作为一种高分辨率的微波遥感工具,具有全天候、全天时的特点,被广泛的应用于遥感领域,如目标识别,军事侦察以及地形测绘等。增加了极化属性的极化SAR更是对SAR信息的进一步补充,大大扩展了其应用范围。但是由于SAR及极化SAR的工作原理导致两者都具有庞大的数据量,尤其是对极化SAR来说其数据量是异常大的,这对两者的数据传输工作造成了巨大的压力,因而对于其数据的压缩是十分必要的。本文对SAR图像压缩中常用的两类方法,即多尺度分解方法以及稀疏表示与字典学习方法的理论与应用做了详细的分析,并且基于极化SAR图像不同于一般的SAR图像并不能简单的应用SAR图像的方法处理极化SAR图像,提出了针对极化SAR特性的有效压缩方法。本文提出了一种基于图像相似性的极化SAR图像压缩方法,利用极化SAR覆盖地域范围广阔以致其所对应的图像中具有相似部分的特点,结合稀疏表示与字典学习的方法在极化SAR图像相关冗余去除的问题上不仅有效的去除空间冗余,通道间冗余而且去除了图像块间的相似冗余,最终使极化SAR图像压缩取得较好的效果。本文提出了一种基于多方向RLS-DLA的极化SAR图像压缩方法,其对于图像尺度分解的方向性,利用RLS-DLA得到各个方向各个尺度的最佳匹配字典,最后结合稀疏表示并采用合适的编码策略实现极化SAR图像的有效压缩,由于稀疏表示使用的字典是针对图像变换后的各方向高频子带系数特征,故压缩过程保护了图像的边缘细节以及轮廓的重要信息。最后将本文所提出的算法与经典压缩算法对真实的极化SAR图像进行压缩处理,实验结果表明本文中提出的算法无论是视觉效果上还是评价指标上相对于经典的压缩算法均有较好的效果。
吴林峰[7]2005年在《JPEG2000及其在高光谱遥感图像压缩中的应用》文中提出随着遥感技术的不断发展,获得大量的遥感数据的遥感器不断涌现,高光谱图像数据的压缩也越来越多的受到关注。由于遥感图像数据对地物分析和识别有非常重要的作用,因此大多数情况下希望在遥感图像中不损失信息,即进行无损压缩。JPEG2000是最新的静止图像压缩标准,它放弃了JPEG标准采用的以离散余弦变换的区块编码方法,采用以小波变换为主的编码方式,提高了压缩性能。本文阐述了JPEG2000采用的基本算法和关键技术,将其应用在高光谱图像的压缩中。 本文首先阐述了图像压缩的意义,对现有的图像编码方法进行了概括,并对高光谱遥感图像压缩技术做了简要介绍。接着从信息论的角度介绍了JPEG2000基本算法的理论基础,对其关键技术,小波变换的提升格式和EBCOT算法进行了描述。然后详细分析了JPEG2000标准算法,对其DC电平位移,分量变换,小波变换,系数的分块位平面编码,分层装配,打包形成码流等各模块展开讨论。最后,实现了JPEG2000和预测编码方法相结合高光谱遥感图像压缩算法。采用了自适应预测方法去除谱间冗余,并针对自适应预测器计算较为复杂的缺点提出了分块预测算法。预测得到的差值图像首先进行小波变换,再用EBCOT算法进行编码压缩,最后形成JPEG2000特性的码流。实验结果表明,采用JPEG2000编码技术对两类图像的压缩比都有所提高,并且与自适应预测方法相比,分块预测算法降低了复杂度的同时,压缩比还有所提高。其中对机载64波段高光谱遥感图像压缩比在2.54到3.30之间,对6波段TM多光谱图像压缩比接近2倍。
向凡夫[8]2006年在《形态小波及其应用》文中提出小波(Wavelet)变换因其良好的时频局部特性以及与人眼视觉特性相符的变换机制,而在图像压缩,图像去噪,模式识别等众多领域中获得了广泛的应用。但小波变换是一种线性信号分析的工具,其线性近似在很多情况下无法刻画其主要性质,因此,近年来,人们已经开始认识到非线性的多分辨率方法在信号处理领域中重大的理论研究价值和应用前景,并对信号的非线性小波分析方法展开了深入的研究。2000年,J.Goutsias提出的形态小波这一概念,形态小波是基于数学形态学的小波理论非线性扩展研究的一个方向,它成功地将大多数线性小波和非线性小波统一起来,形成了多分辨分析的统一框架。本文在国家自然科学基金项目(60473015)――“高性能计算中的快速算法及其应用研究”的资助下,围绕着形态小波变换在图像处理中的应用问题展开研究,着重对数学形态学、金字塔变换以及非线性多分辨率分析、小波变换及其分解方案的基本理论进行了阐述,本文在这些理论基础上,利用形态算子的非线性特征,构造并扩展了形态小波变换的算法,提出了一种新的基于斜变换的形态小波变换思想和算法,将该方法与现存文献中所提出的非线性形态学小波分析方法进行了测试分析,通过matlab以及VC进行计算机仿真试验,将形态小波在图像压缩方面的性能与传统的线性小波进行了对比分析,试验结果表明,形态小波在图像压缩方面有着良好的性能,同时本文提出的基于斜变换的形态小波在应用中获得了更有效更灵活的图像处理方式,为研究形态小波变换及其在图像处理中的应用做出了有益的探索。
张选德[9]2006年在《脊波分析及其在图像压缩中的应用》文中提出本文对近年来发展起来的高维数据的多尺度表示工具:脊波、曲波的构造方法和性质进行了总结。脊波分析可以理解为radon域上的小波分析,而radon变换把空域的直线奇异映射为radon域上的点奇异,小波又能有效表示点奇异,所以脊波可以有效表示含有直线奇异的二维信号。第一代曲波是用脊波构造的,曲波变换是由一种特殊的滤波过程和多尺度脊波变换组合而成。曲波变换对于沿光滑曲线奇异的分片光滑函数能达到一种“几乎最优”逼近阶。根据脊波、曲波对线奇异的良好刻画,把曲波和脊波用在图像压缩中是自然的。文中设计了简单的基于脊波变换的图像压缩算法。数字实验表明,对于具有明显直线特征的图像,该算法同JPEG2000相比,能获得更高的压缩率和更好的图像质量,特别是能很好得保持图像的边缘。
徐鑫[10]2006年在《光学小波变换中的小波滤波器研究》文中进行了进一步梳理图像压缩在多媒体信息的存储与传输中起着至关重要的作用,而将小波变换应用于图像数据压缩较之傅立叶变换有很大的优势。越来越多的研究者专注于小波理论及其在图像压缩应用中的研究,提出了更新更好的理论。通过在空域中使用投影系统或在频域中进行空间滤波的方法,小波变换得以在光学中实现。用光学方法实现小波变换具有并行性和高速实时性的特点,用光学小波变换法实现图像数据压缩,会大大地提高对图像数据的压缩速度,这在需要传输大量图像数据的领域有很大的应用前景。本文系统地阐述了光学信息处理和小波变换的基本理论和发展趋势,分析了光学信息处理的优势所在;推导了课题中使用的4f系统的可用带宽,得出了本课题的小波滤波器组的实际尺寸;并对用光学系统实现小波变换时对小波函数的要求进行了分析,包括图像压缩对小波最基本的要求,以及光学实现的特殊要求;还介绍了小波变换光学实现对精度的要求。最后对课题作一展望,对仍需做的工作做一总结。
参考文献：
[1]. 区间多小波理论及其在图像压缩中的应用[D]. 周四望. 湘潭大学. 2004
[2]. 全相位双正交变换理论及其在图像编码中的应用研究[D]. 王成优. 天津大学. 2010
[3]. 灰色系统理论及其在铁谱磨粒图像处理中的应用研究[D]. 李俊峰. 东华大学. 2009
[4]. 基于小波的图像压缩编码及其在人脸识别中的应用[D]. 康江波. 西北工业大学. 2004
[5]. 基于混沌特性的小波数字水印算法研究[D]. 张小飞. 南京信息工程大学. 2007
[6]. 基于统计特性与字典学习的极化SAR图像压缩[D]. 魏瑶. 西安电子科技大学. 2015
[7]. JPEG2000及其在高光谱遥感图像压缩中的应用[D]. 吴林峰. 西北工业大学. 2005
[8]. 形态小波及其应用[D]. 向凡夫. 华中科技大学. 2006
[9]. 脊波分析及其在图像压缩中的应用[D]. 张选德. 西安电子科技大学. 2006
[10]. 光学小波变换中的小波滤波器研究[D]. 徐鑫. 重庆大学. 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; 关联分析论文; 编码转换论文; 形态理论论文; 人工智能论文; 数据压缩论文; jpeg2000论文; sar论文;