张立保[1]2005年在《基于整数小波变换的静止图像编码算法研究》文中进行了进一步梳理本文研究了基于整数小波变换的静止图像编码算法,分析了导致整数小波变换在有损图像压缩中低效的主要原因并给出了相应的解决办法,探讨了针对复杂感兴趣区及多感兴趣区的静止图像编码方案。论文主要内容如下1. 针对内插双正交整数小波变换(IB-IWT)在静止图像压缩中的低效问题,提出一种新的设计方案——基于优化缩放因子的整数小波变换(OSF-IWT)。通过调整IB-IWT 中的缩放矩阵系数,提高了IB-IWT 在有损图像压缩中的编码效率。2. 针对IB-IWT 提出了自适应多子带分解与多子带提升框架(AMSD-MSL),在不改动IB-IWT 结构的前提下,不仅降低了图像编码的计算复杂度,而且提高了图像编码的有损压缩效率。3. 在SPECK 算法基础上提出一种在整数小波变换中更为高效的图像编码策略。采用聚类操作调整内置整数小波分解后的子带系数分布,并用单一的四叉树分割取代SPECK 中的集合分割与倍频分割,降低了编码环节的计算复杂度,提高了SPECK 在整数小波变换中的效率。4. 给出两种针对任意形状感兴趣区(ROI)的图像编解码方式——向上向下部分位平面偏移方式(UDPBShift)与杂位平面偏移方式(HBShift)。两种方式均无需存储传输ROI形状、大小及位置信息即可实现任意形状ROI的编解码,减少了编解码过程的存储消耗,降低了编解码复杂度。本文的主要工作不仅可以直接应用于图像从有损到无损的渐进编码与传输中,而且对今后静止图像压缩算法的研究也具有一定的理论与实际意义。
毛立强[2]2004年在《基于小波变换的图像压缩编码研究》文中进行了进一步梳理小波图像编码是近年来随着小波分析理论的发展而提出的一种具有很好发展前景的图像编码方法。 本文主要研究了基于提升方法的整数小波变换，以及基于整数小波变换的可分级图像编码。具体介绍了静态图像编码的概况，以及基于传统小波变换的图像编码方法及其缺点，讨论了用提升方法构造可逆整数小波变换的方法，提出用整数小波变换代替传统小波变换，进行图像编码。详细阐述了基于零树思想的小波系数量化方法，并做出了相应改进。在此基础上，提出了一种基于整数小波变换和改进零树量化方法的可分级图像编码方法，该方法可以实现图像从完全无损到有损压缩，与基于传统小波变换及零树量化的方法相比，运算简洁，速度快，重构图像质量高，取得了令人满意的效果。
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》文中提出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。
丁绪星[4]2004年在《基于整数小波变换的图像编码研究与实现》文中研究表明基于传统离散小波变换的图像压缩编码技术由于其压缩比高、重构图像视觉质量好、允许渐进传输等优点，是当前人们研究的热点；但其缺点是运算量较大，不利于硬件实现；而真正推动图像压缩技术发展的是其硬件实现，因它可以产品化，能够满足人们的需求，具有无限商机。整数小波变换由于相对于传统的小波变换而言计算空间和乘法运算次数都大为减少，从而便于硬件实现，但其缺点是在有损编码时的重构图像的质量不及传统的离散小波变换。为了在编码效率和重构图像的保真度两方面取得平衡，本文提出一种基于2维整数小波变换的图像压缩算法，并且软硬件实现之，主要成果有以下几点： (1) 建立了一种与人眼对图像的感知评价保持良好一致的图像质量评价方法。实验结果表明它与主观评价方法MOS(Mean Opinion Score)法的相关系数达0.95，而相应的PSNR与MOS法的相关系数只有0.85。 (2) 提出一种基于提升格式的2维整数小波变换方法。该方法进行小波变换时直接在图像空间进行2维分解，其乘法运算次数比传统的基于1维张量积的2维提升整数小波变换减少约25％，从而也减少了存储空间。实验表明该方法比传统方法要快10％左右。 (3) 对传统的算术编码进行改进，在保持编码性能的情况下，没有浮点运算，也没有整数乘除法，从而大大降低了运算复杂度。实验结果表明该算法比CACM87算法快将近30％。 (4) 成功研制了一套基于TMS320DSC25的硬件开发平台，该平台具有功耗低、体积小、成本低、升级容易等特点，在此平台上可方便地进行图像编码等算法和软件的开发。 (5) 设计了一套基于2维提升整数小波变换、结合基于形态膨胀运算的改进EZW编码和改进自适应算术编码的图像压缩算法软件，并且根据作者的实践经验，讨论了手工汇编优化时需注意的若干问题。实验结果表明该算法的编码时间比EZW编码的时间快约1倍，并且重构图像的质量在PSNR上要比EZW编码高0.2～0.9dB，可以和SPIHT编码相媲美。算法软件在本文研制的硬件开发平台上经调试和优化后，对于512×512×8位的灰度图像，比特率为0.25bpp时，每秒钟能压缩5帧。
曹海霞[5]2008年在《基于整数小波变换的静止图像无损压缩算法研究》文中指出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。
李晓梅[6]2009年在《基于小波变换的医学图像压缩技术的研究》文中进行了进一步梳理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。
梁晓鸣[7]2008年在《基于小波变换的图像压缩技术研究》文中认为随着数字通信、计算机网络及多媒体技术的飞速发展,图像压缩编码成为解决多媒体通信问题的一个关键环节。基于小波变换的图像压缩技术更是目前图像压缩领域的重要分支,它因具有高压缩比,快速压缩,以及压缩后保持图像特征基本不变等特性,在图像压缩领域获得了广泛的应用和研究。本文对静态图像的小波压缩算法进行了比较细致的研究,首先阐述了基于小波变换的压缩编码算法的理论基础,介绍了小波变换在图像编码中的应用;重点是对小波提升变换技术和嵌入式零树小波编码算法进行了深入的研究。本文针对小波变换技术研究了基于小波阈值的图像压缩技术。根据小波阈值在图像压缩的作用,通过设定合理的阈值达到良好的图像压缩效果;对于小波提升变换的图像压缩算法,通过选取适当的小波基,在编解码过程中采用递推的计算方法以及采用基于整数的提升变换,实现了快速编码;针对嵌入式零树小波编码存在的不足,通过选取合理的小波基,考虑小波变换的分解层数以及效率优先的原则,并且与小波提升变换相结合,对原有的方法进行了改进。在具体的实现过程中,将CDF9-7小波应用于小波零树编码,并对提升变换后的高频与低频系数分别处理。通过大量的实验仿真对比,改进后的算法在图像的压缩性能及图像质量方面都有所提高。本文提出的基于小波变换的图像压缩方法,只是在静态图像领域,视频图像没有涉及。基于小波变换的图像压缩方法作为一种非常优秀的图像压缩方法,还有许多地方值得我们进一步研究。
苏冬[8]2004年在《基于整数小波的图像压缩编码方法》文中指出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。
逯仁虎[9]2010年在《基于整数小波变换的无人机侦查图像的压缩》文中指出随着数字图像技术的迅速发展,无人机侦查图像数据量随之日益庞大,给图像的存储和传输带来许多问题。由于侦查图像的空间冗余较小,容量大,细节丰富,采用传统的压缩方法都存在不同程度的局限性,而小波变换技术因其良好的时域和频域局部化特性、多分辨率分析特性和与人类视觉系统相吻合的特性,在图像压缩领域得到了广泛的应用。首先论述了无人机侦察图像数据压缩的必要性和可行性,并对图像编码的主要方法、图像编码性能的评价标准进行了详细介绍；其次对小波变换理论进行了比较全面的阐述,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,并介绍了可以实现最优压缩的9／7整数小波变换。最后在分析SPIHT算法的基础上,针对SPIHT在编码过程中,消耗大量内存,压缩比不是很高的缺点上,提出了基于改进的无损差分脉冲编码调制(DPCM)、提升后的整数小波变换和改进后的SPIHT编码算法相结合的改进混合编码算法。首先以压缩效果为准则,以侦查图像为标准训练图像,以压缩比、峰值信噪比为参数来确定最优的小波基。对侦查图像先进行DPCM编码,得到差值图像,然后以9／7整数提升小波对差值图像进行分解,最后对整个变换后的子带进行改进后的SPIHT编码。该方案采用MATLAB进行编程实现,从PSNR、CPU耗时、压缩比和人眼视觉效果等参数下对改进的混合方案进行仿真实现,仿真结果表明：改进混合算法在相同的比特率下PSNR优于SPIHT算法,特别是对低比特率情况下的图像恢复质量有明显的改善。
张砺佳[10]2007年在《基于小波变换的图像压缩编码研究》文中研究说明图像信息丰富，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。
参考文献：
[1]. 基于整数小波变换的静止图像编码算法研究[D]. 张立保. 吉林大学. 2005
[2]. 基于小波变换的图像压缩编码研究[D]. 毛立强. 西安电子科技大学. 2004
[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]. 基于整数小波变换的图像编码研究与实现[D]. 丁绪星. 南京理工大学. 2004
[5]. 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
[6]. 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
[7]. 基于小波变换的图像压缩技术研究[D]. 梁晓鸣. 哈尔滨理工大学. 2008
[8]. 基于整数小波的图像压缩编码方法[D]. 苏冬. 重庆大学. 2004
[9]. 基于整数小波变换的无人机侦查图像的压缩[D]. 逯仁虎. 哈尔滨理工大学. 2010
[10]. 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