无链表图像感兴趣区域编码算法

针对基于链表实现的感兴趣区域编码算法占用存储资源较多的问题,提出了一种无链表的编码算法.在SPIHT(等级树集合分裂)编码过程中,采用标志位图表示系数和集合的重要件信息;优先编码感兴趣区域,利用队列缓存非感兴趣区域系数和集合信息;编码非感兴趣区域时,从队列中恢复编码所需的重要件信息.编码过程不需要提升感兴趣区域小波系数,能实现感兴趣区域重建质量的精确控制.仿真实验表明,该算法优于提升小波系数的感兴趣区域编码算法;当编码码率为1 bpp(比特/像素)时,其存储需求仅为链表实现的感兴趣区域分离编码算法的1/10.     

图像压缩中的多级感兴趣区域编码方法

为了解决压缩图像质量与容积的矛盾,尤其当需要对图像采用大压缩比的情况下,使得压缩图像的视觉效果更好,提出了一种多级感兴趣区域编码方法.该方法首先对所要压缩的图像进行重要性划分,然后通过对划分的不同区域采用不同的压缩比,满足了人们对不同区域的不同压缩质量要求,得到了令人满意的图像压缩质量.     

图像压缩中的多级感兴趣区域编码方法

为了解决压缩图像质量与容积的矛盾,尤其当需要对图像采用大压缩比的情况下,使得压缩图像的视觉效果更好,提出了一种多级感兴趣区域编码方法.该方法首先对所要压缩的图像进行重要性划分,然后通过对划分的不同区域采用不同的压缩比,满足了人们对不同区域的不同压缩质量要求,得到了令人满意的图像压缩质量.     

RFID路径数据编码压缩存储技术研究

针对射频识别技术(RFID)应用技术中亟待解决的海量数据存储问题,提出了RFID路径数据的双编码压缩存储模型.该方法首先分离出RFID路径数据的位置信息和时间信息,采用一种改进的素数编码方法PrimeLabel对位置信息编码,每条路径的编码用该路径上的最后一个位置的编码来表示.其次使用一种新的区域编码(Durableregion based numbering,DRB)方法对时间信息编码,最后在此基础上设计了RFID路径数据的双编码存储模型.实验结果表明:此编码存储模型能更好存储压缩路径数据,且能更高效地满足RFID路径数据的各种查询需要.     

基于波变换的图象压缩编码的研究

在对近几年图象编码的新方法进行归纳的基础上，研究了这几种图象编码方法的内在联系，重点研究了小波变换和直接映射编码（向量量化编码）之间的关系，对于经过小波变换后的子图象，分别采用了小波变换结合霍夫曼编码和小波变换结合向量量化编码的实现方法，对这两种编码方法做了比较，研究了在小波变换的基础上进行直接映射的有关问题，为进一步研究小波及其应用，图像编码和分析提供了基本算法程序。     

基于小波变换与分形相结合的图像压缩

研究小波变换与分形压缩相结合的图像压缩方法,即对小波变换的低频系数编码运用分形图像压缩算法,对高频系数进行零树编码,这样可以解决零树编码没有考虑最低频子带图像能量高特点的问题,同时减少分形压缩在图像恢复时方块效应带来的影响.     

提升高精度图像弱目标视觉质量的高效压缩算法

为了实现对高精度图像进行高效压缩,同时确保重建图像的弱目标区域有较好的保真效果,提出了一种提升弱目标区域质量的基于误差优化编码的高精度图像压缩算法. 首先,使用JPEG-LS （joint photographic experts group lossless）压缩算法对图像数据进行压缩,在游程编码过程中自适应地选择需要二次编码的误差数据,并完成了基于视觉质量的非均匀量化;其次,对量化值进行数据分解,去除量化值之间的相关性,并对分解后的数据进行MQ算术编码的熵编码;图像重建时根据量化间隔重建反量化值,并设计了反量化优化和滤波优化过程;最后,将本文算法与JPEG-LS、JPEG2000 （joint photographic experts group 2000）算法进行了性能比较,结果表明:本算法能够实现高精度图像数据的高效压缩,且复杂度低,易于硬件实现,虽然引入了误差数据二次优化编码等过程,但增加编码的数据量较小,故与JPEG-LS算法的压缩速度相当,然而比JPEG2000算法的压缩速度提升4.47倍;同时有效减少了常规算法造成的信息损失,重建图像的峰值信噪比与JPEG-LS、JPEG2000相当或略低,但弱目标区域的视觉质量及保真效果更好.      

图象的分形编码及解码

介绍用分形理论对数字图象进行编码压缩的原理，并提出用抖动法改善图象质量的方法。从自行开发的系统上对多幅图象编码实验的结果看来，压缩比远远高于一般编码的压缩比，经过抖动处理后恢复的图象方块效应得以改善，视觉效果得以增强。     

一种基于小波变换的图像压缩方法

提出了一种基于小波变换的矢量量化方法，有效地利用了小波变换的空间分辨率，并结合将级间对应区域中系数小于某一阈值的矢量看作零矢量的熵编码技术，实验表明上述方法可达到高效压缩效果。     

无链表SPIHT图像提升小波编码的硬件算法

为了解决小波零树编码算法中,SPIHT(分级树的集合分裂)算法占用大量存储空间的问题,给出了一种无链表SPIHT图像压缩算法.在这种算法中,小波系数按照SPIHT的顺序输入到编码器中,编码器按照NLS算法编码,小波变换采用9/7提升分解算法,量化算法为均匀标量量化,图像边界延拓采用了补零延拓方法.实验结果表明,该算法图像压缩比与JPEG2000的EBCOT(基于优化截断的嵌入式块编码)算法几乎相同,编码速度大约是后者的2倍,一幅512×512的图像仅需要17.875KB额外内存.