基于差分和神经网络的同步辐射光源图像压缩方法

针对常见的图像无损压缩方法效果不佳问题,提出了一种基于图像差分和神经网络的同步辐射光源图像无损压缩方法。通过图像差分以减少图像序列内部的线性相关性,训练神经网络模型以学习图像序列内部的非线性相关性,得到预测概率分布,结合算术编码压缩。为加速预测和编码过程,将像素值按位分裂为两部分进行并行处理。基于上海同步辐射光源图像的测试表明,相较于便携式网络图形、JPEG2000和自由无损图像格式等,该方法可将压缩率提升20%以上,像素位分裂可以缩短30%的模型预测和编码时间。     

基于FPGA的图像实时压缩系统设计

面对图像信息数据呈现几何级数增长,传统DSP压缩系统难以实时处理。设计了一种基于JPEG2000压缩编码的实时图像压缩系统。系统采用模块化设计,以FPGA为核心控制器,协调采集、缓存、处理和传输等模块工作的顺利进行。采集的图像数据经解码芯片转换,通过FPGA控制进入缓存模块,选用专用芯片ADV212对图像进行数据压缩,压缩比例达到24∶1。试验结果表明,该压缩系统在处理速度、图像压缩等性能上有显著提高,压缩后的图像极大地保留了图像的主观视觉效果,同时保证了系统实时处理的性能要求。     

基于细分小波的图像压缩算法研究

层次细节模型LOD(Level of detail)和感兴趣区域模型ROI(Region of Interesting)是静止图像压缩及网络传输技术中两个重要模型.通过将灰度图像网格化,并在图像网格上进行B样条细分小波变换,实现了图像的LOD压缩算法.并通过Gouraud明暗处理技术将网格还原成压缩过的灰度图像;同时,该算法还可方便地通过ROI区域选择,使ROI区域比背景区域获得更好的图像质量.     

适用于探空火箭的图像采集与压缩系统

针对探空火箭遥测带宽低、图像监控通路多、系统小型化等设计难点,提出一种基于ADV212的图像采集与压缩系统设计方案。采用可以同时支持无损和高压缩比有损压缩的JPEG2000图像压缩标准,提出适用于箭上图像采集特点的通道切换和中断处理策略,并以"乒乓"操作的流水线作业方式实现多路图像通道数据吞吐,通过两个实时发送通道和一个缓存发送通道向火箭遥测链路发送图像数据。提出一种具有动态帧频和压缩比的图像压缩方案,解决了探空火箭遥测带宽有限这一问题。本设计以Virtex-4系列现场可编程门阵列作为系统控制核心,采用ADV7182和ADV212分别完成图像的采集和压缩,分别采用静态随机存取存储器和同步动态随机存储器实现图像的实时传输和缓存传输。通过比较图像间的峰值信噪比值,试验并分析了适用于电荷耦合元件图像的压缩滤波器和小波变换级数,得到了较为满意的图像质量。设计较好地满足了本次空间环境垂直探测探空火箭的图像采集任务。     

CDF9／7小波在JPEG2000中的整数变化

通过添加系数缩放值叮,使目前在JPEG2000中广泛采用的CDF9／7小波提升算法完全整数化,不仅保持了现有算法的还原度,而且简化了算法的复杂度,在图像压缩上取得了比较满意的效果。     

基于图像复原和小波分析的图像压缩算法

本研究以小波理论为基础进行有损图像压缩,并在小波压缩图像中引入复原技术。通过应用图像复原到低频成分（该成分由解压过程中的熵解码得到）可以检索获得高频成分,这是在频域重建图像纹理的一个表达。通过将本文算法与传统的小波压缩算法进行试验比较,表明该方法优于传统算法。     

遥感图像的小波压缩方法

本文讨论了遥感图像小波压缩方法中几个影响压缩性能的关键因素，通过比较提出了较优的压缩策略，将其应用于遥感图像压缩，取得了较好的效果。     

IBAS-LMBP神经网络算法在图像压缩中的应用

鉴于天牛须搜索算法在对多维非线性优化问题求解时容易出现局部收敛现象,从而导致无法求出全局最优解,设计了改进天牛须算法(Improved Beetle Antennae Search,IBAS).该算法中在天牛位置计算时引入惯性权值,设计了基于自适应步长衰减系数,增加天牛在位置计算时的自适应能力,为了控制算法优化过程解的取值范围,参照粒子群算法对单点位移进行限制.实验结果表明,在相同误差精度、相同迭代次数情况下,将改进天牛须算法与LMBP算法相结合建立IBAS-LMBP算法模型并应用于图像压缩,模型的运行效率明显高于GA-LMBP、PSO-LMBP及BAS-LMBP算法模型.     

基于快速方向重叠变换的图像压缩

传统二维DCT无法稀疏表示除水平或垂直方向外的边缘,而具有强方向表示能力的方向预测离散余弦变换(DPDCT)计算复杂度过高.针对这些问题,快速方向重叠变换(FDLT)沿给定的方向模式进行变换,避免了DPDCT中的插值运算,并进一步集中分散在变换块间的能量,可以快速、稀疏地表示图像中各向异性边缘信息.此外,FDLT通过设计块边界提升,保证了算法完全重构.实验表明,FDLT计算复杂度不超过DCT的2倍.采用同样的编码方法,基于FDLT的压缩图像与基于DCT的压缩图像相比,峰值信噪比可提高0.5dB以上,而且图像边缘细节更加清晰、完整.