CN111246205B - 基于方向双四元数滤波器组的图像压缩方法 - Google Patents

基于方向双四元数滤波器组的图像压缩方法 Download PDF

Info

Publication number
CN111246205B
CN111246205B CN202010101148.XA CN202010101148A CN111246205B CN 111246205 B CN111246205 B CN 111246205B CN 202010101148 A CN202010101148 A CN 202010101148A CN 111246205 B CN111246205 B CN 111246205B
Authority
CN
China
Prior art keywords
image
quaternion
directional
filter bank
double
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Active
Application number
CN202010101148.XA
Other languages
English (en)
Other versions
CN111246205A (zh
Inventor
郭立强
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Beijing Yuntu Digital Marketing Consulting Co ltd
Hefei Longzhi Electromechanical Technology Co ltd
Original Assignee
Huaiyin Normal University
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by Huaiyin Normal University filed Critical Huaiyin Normal University
Priority to CN202010101148.XA priority Critical patent/CN111246205B/zh
Publication of CN111246205A publication Critical patent/CN111246205A/zh
Application granted granted Critical
Publication of CN111246205B publication Critical patent/CN111246205B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
    • H04N19/00—Methods or arrangements for coding, decoding, compressing or decompressing digital video signals
    • H04N19/10—Methods or arrangements for coding, decoding, compressing or decompressing digital video signals using adaptive coding
    • H04N19/102—Methods or arrangements for coding, decoding, compressing or decompressing digital video signals using adaptive coding characterised by the element, parameter or selection affected or controlled by the adaptive coding
    • H04N19/117—Filters, e.g. for pre-processing or post-processing
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
    • H04N19/00—Methods or arrangements for coding, decoding, compressing or decompressing digital video signals
    • H04N19/10—Methods or arrangements for coding, decoding, compressing or decompressing digital video signals using adaptive coding
    • H04N19/102—Methods or arrangements for coding, decoding, compressing or decompressing digital video signals using adaptive coding characterised by the element, parameter or selection affected or controlled by the adaptive coding
    • H04N19/124—Quantisation
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
    • H04N19/00—Methods or arrangements for coding, decoding, compressing or decompressing digital video signals
    • H04N19/10—Methods or arrangements for coding, decoding, compressing or decompressing digital video signals using adaptive coding
    • H04N19/134—Methods or arrangements for coding, decoding, compressing or decompressing digital video signals using adaptive coding characterised by the element, parameter or criterion affecting or controlling the adaptive coding
    • H04N19/146—Data rate or code amount at the encoder output
    • H04N19/147—Data rate or code amount at the encoder output according to rate distortion criteria
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
    • H04N19/00—Methods or arrangements for coding, decoding, compressing or decompressing digital video signals
    • H04N19/10—Methods or arrangements for coding, decoding, compressing or decompressing digital video signals using adaptive coding
    • H04N19/169—Methods or arrangements for coding, decoding, compressing or decompressing digital video signals using adaptive coding characterised by the coding unit, i.e. the structural portion or semantic portion of the video signal being the object or the subject of the adaptive coding
    • H04N19/18—Methods or arrangements for coding, decoding, compressing or decompressing digital video signals using adaptive coding characterised by the coding unit, i.e. the structural portion or semantic portion of the video signal being the object or the subject of the adaptive coding the unit being a set of transform coefficients

Landscapes

  • Engineering & Computer Science (AREA)
  • Multimedia (AREA)
  • Signal Processing (AREA)
  • Image Processing (AREA)
  • Compression Or Coding Systems Of Tv Signals (AREA)

Abstract

本发明公开了一种基于方向双四元数滤波器组的图像压缩方法，属于图像处理技术领域。进行图像压缩时，该方法首先对原始待压缩图像进行预处理，然后使用方向双四元数分析滤波器组对预处理后的图像进行变换处理，得到不同方向的子带频域图像并将其逐一量化编码；最后将量化编码后的数据进行存储输出得到压缩后的图像。从压缩后的图像数据中恢复出原始图像时：首先，将压缩图像进行量化解码来还原出子带频域图像，再经由方向双四元数综合滤波器组进行反变换并得到双四元数形式的彩色图像，最后提取双四元数形式彩色图像的实部或虚部分量来获取解压缩图像。本发明原理简单，将彩色图像的三个颜色分量作为整体来处理，有效地克服了色彩还原失真的问题。

Description

基于方向双四元数滤波器组的图像压缩方法
技术领域
本发明属于图像处理技术领域，具体涉及一种基于方向双四元数滤波器组的图像压缩方法。
背景技术
数字图像在消费数码、医学影像、卫星遥感和视频会议等领域有着广泛的应用。实际上，各种成像设备所获取的图像都是经过压缩处理的，否则单幅图像所占用的存储空间会很大。以单反相机为例，一幅3600万像素的非压缩图像所占用的存储空间是108MB，一张16GB的存储卡大约只能存储150张非压缩图像。而采用图像压缩算法处理过后，上述3600万像素的图像所占用的存储空间一般不超过10MB，一张16GB的存储卡大约能存储两千张图片。因此，压缩图像可以极大地节省存储空间，提升数据传输效率。图像压缩方法的好坏直接影响到后续实际的工程应用。
经典的图像压缩方法有熵压缩方法、预测压缩方法、变换压缩方法和神经网络压缩方法等。熵压缩方法是一类利用数据的统计信息进行压缩的无语义数据流无损编码方法。预测压缩方法是利用图像的相邻像素值具有较强的相关性这一特点进行预测压缩编码。变换压缩方法是采用适当的离散正交变换(例如离散余弦变换、离散小波变换等)将图像从空域变换到频域，通过对变换系数的处理来实现压缩编码。神经网络压缩方法是模仿人的视觉***某些局部的初级定位功能，并将其应用到图像压缩编码领域。
上述图像压缩方法各有优缺点。熵压缩方法的效率稍微差一点，但是该方法的优点是无损压缩。预测压缩方法中，图像被当成概率统计中的一个“随机过程”，通过已知像素的灰度值来预测当前像素的灰度值，这种预测是有误差的。预测压缩方法的优点是算法易于硬件实现，缺点很明显，它对图像中的噪声很敏感，会产生误码扩散，压缩率比较低。变换压缩方法通过正交变换将图像变为线性无关的一组系数，通过保留少数系数来实现图像压缩的目的。但变换压缩方法的计算复杂度往往较高。神经网络压缩方法是一种仿生压缩方法，通过模拟人脑处理信息的方式来实现压缩，该方法的缺点是计算复杂度高，很难用硬件来实现，目前也只停留在软件代码层面。
上述4类方法还有一个共同的缺点，即它们处理彩色图像的方式是分通道实现的。也就是说，上述方法将彩色图像的R、G和B颜色通道分别看成一幅灰度图像，针对灰度图像进行压缩编码。这种处理方式没有考虑彩色图像各颜色分量间的内在联系，直接影响到彩色图像的色彩还原性，容易出现色彩还原失真。因此，如何实现彩色图像的整体压缩编码就显得尤为重要，具有非常重要的研究意义和实用价值。
发明内容
针对现有技术中存在的问题，本发明提供了一种基于方向双四元数滤波器组的图像压缩方法，本发明所采取的技术方案如下：
基于方向双四元数滤波器组的图像压缩方法，包括如下步骤：
步骤S1：对原始待压缩图像进行预处理，即将原始待压缩的图像用双四元数形式进行表征，得到图像f(x，y)，变量x和y的取值范围是：x＝1，2，...，M，y＝1，2，...，N，其中M和N为正整数，分别是图像的行数和列数；
步骤S2：使用方向双四元数分析滤波器组对图像f(x，y)进行变换处理，得到不同方向的共计2T个子带频域图像{Fm(u，v)|m＝1，2，...，2T}，变量u和v的取值范围是：u＝1，2，...，M/2，v＝1，2，...，N/2；
步骤S3：对每一个子带频域图像{Fm(u，v)|m＝1，2，...，2T}进行量化编码；
步骤S4：将量化编码后的数据进行存储输出得到压缩后的图像；
为了能够从压缩后的图像数据中恢复出原始图像，还需进行如下步骤：
步骤S5：将压缩图像进行量化解码来还原出子带频域图像；
步骤S6：使用方向双四元数综合滤波器组对步骤S5中所还原出来的子带频域图像进行反变换并得到双四元数形式的彩色图像；
步骤S7：提取步骤S6中双四元数形式彩色图像的实部或虚部分量来获取解压缩图像。
优选地，所述步骤S1中使用双四元数对原始待压缩图像表征的数学公式为：
f(x，y)＝(fR(x，y)·i+fG(x，y)·j+fB(x，y)·k)+(fR(x，y)·i+fG(x，y)·j+fB(x，y)·k)·I
其中fR(x，y)、fG(x，y)和fB(x，y)分别为彩色图像的R、G和B颜色分量，i、j、k和I分别为双四元数的虚数单位，其运算规则为：
i2＝-1，j2＝-1，k2＝-1，I2＝-1，ij＝k，jk＝i，ki＝j。
优选地，所述步骤S2中方向双四元数分析滤波器组的滤波系数为：
Figure BSA0000202006680000021
优选地，所述步骤S3中的量化编码由阈值有效扫描完成。
优选地，所述步骤S6中方向双四元数综合滤波器组的滤波系数为：
Figure BSA0000202006680000022
与现有技术相比，本发明具有的有益效果是：本发明采用双四元数形式对彩色图像进行表征，使用方向双四元数分析滤波器组对图像进行子带分解，有效地提取出图像中的有用信息并进行量化编码，后续采用双四元数综合滤波器组还原出原始彩色图像，本方法在图像压缩的全过程中始终将彩色图像的三个颜色分量作为一个整体来处理，有效地克服了色彩还原失真的问题，适合于推广使用。
附图说明
图1为本发明的实施步骤框图；
图2为本发明中方向双四元数分析滤波器组结构图；
图3为本发明中阈值有效扫描流程图；
图4为本发明中方向双四元数综合滤波器组结构图。
具体实施方式
为了便于技术人员理解本发明的技术方案，现结合说明书附图和实施例对本发明的技术方案作进一步详细描述。
本发明提出了一种基于方向双四元数滤波器组的图像压缩方法，本发明所采取的技术方案如下：
结合图1，基于方向双四元数滤波器组的图像压缩方法包括如下步骤：
步骤S1：对原始待压缩的图像进行预处理，即将原始待压缩的图像用双四元数形式进行表征，得到图像f(x，y)，变量x和y的取值范围是：x＝1，2，...，M，y＝1，2，...，N，其中M和N为正整数，分别是图像的行数和列数，为了便于后续方向双四元数滤波器组的子带分解，M和N的值应为2的整数次幂。
步骤S1中使用双四元数对原始待压缩图像表征的数学公式为：
f(x，y)＝(fR(x，y)·i+fG(x，y)·j+fB(x，y)·k)+(fR(x，y)·i+fG(x，y)·j+fB(x，y)·k)·I
其中fR(x，y)、fG(x，y)和fB(x，y)分别为彩色图像的R、G和B颜色分量，i、j、k和I分别为双四元数的虚数单位，其运算规则为：
i2＝-1，j2＝-1，k2＝-1，I2＝-1，ij＝k，jk＝i，ki＝j。
步骤S2：使用图2所示方向双四元数分析滤波器组对图像f(x，y)进行变换处理，得到不同方向的共计2T个子带频域图像{Fm(u，v)|m＝1，2，...，2T}，变量u和v的取值范围是：u＝1，2，...，M/2，v＝1，2，...，N/2；
需要注意的是，图2是一维方向双四元数分析滤波器组的结构图，为了使其能够处理二维图像，本发明采用张量积形式来实现二维操作，具体是通过先处理图像f(x，y)的行并进行T下采样，然后再处理图像的列并进行T下采样，通过这一方法来实现最终的图像滤波操作。图2中符号“↓T”表示T下采样。图2中的滤波系数为：
Figure BSA0000202006680000041
方向双四元数分析滤波器组由两组滤波系数构成，分别是h1(n)，h2(n)，...，h2T(n)和g1(n)，g2(n)，...，g2T(n)，这两组滤波系数是对偶的。其中，h1(n)和h2(n)对应第1频带滤波系数，以此类推，h2T-1(n)和h2T(n)对应第T频带滤波系数。相应地，g1(n)和g2(n)是第T+1频带滤波系数，g2T-1(n)和g2T(n)是第2T频带滤波系数。
图2所示的方向双四元数分析滤波器组本质上是一种对偶冗余滤波器组，每一个频带对应一个二维图像的具体方向。例如，当T＝8时，使用方向双四元数分析滤波器组所得到的8个子带频域图像，F1(u，v)着重体现水平方向上图像的频域信息，F2(u，v)着重体现45°方向上图像的频域信息，以此类推，相邻两个频带方向相差45°，F8(u，v)着重体现315°方向上图像的频域信息。需要注意的是，上述滤波系数均为长度为n的四元数值数组，在本实施例中，n的取值为10，具体如下：
h1(n)＝(0 -0.01 0.01 0.08 0.08 -0.69 0.69 -0.08 -0.08 0)·(i+j+k)
h2(n)＝(0 -0.08 0.08 0.69 0.69 0.08 -0.08 0.01 0.01 0)·(i+j+k)
h2T-1(n)＝(0.01 0.01 0.08 0.08 0.69 0.69 0.08 -0.08 0 0)·(i+j+k)
h2T(n)＝(0 0 -0.08 -0.08 0.69 -0.69 0.08 0.08 0.01 -0.01)·(i+j+k)
g1(n)＝(0 -0.08 -0.08 0.69 -0.69 0.08 0.08 0.01 -0.01 0)·(i+j+k)
g2(n)＝(0 0.01 0.01 -0.08 0.08 0.69 0.69 0.08 -0.08 0)·(i+j+k)
g2T-1(n)＝(0 0 -0.08 0.08 0.69 0.69 0.08 -0.08 0 0)·(i+j+k)
g2T(n)＝(-0.01 0.01 0.08 0.08 -0.69 0.69 -0.08 -0.08 0 0)·(i+j+k)
对于第2频带到第T-1频带的滤波系数可以采用传统的M通道滤波器组理论方法得到，即使用依次移位和多相分解实现，这里不再一一赘述。需要注意的是，本发明所提及的滤波系数区别于传统的滤波系数之处是滤波系数的值为四元数，并且F1(u，v)和FT+1(u，v)中对应位置元素构成一个双四元数，以此类推，FT(u，v)和F2T(u，v)对应位置元素也构成一个双四元数，而传统的滤波系数值为一个实数。
步骤S3：对每一个子带频域图像{Fm(u，v)|m＝1，2，...，2T}进行量化编码。需要注意的是，每一个子带频域图像Fm(u，v)均是一个四元数值矩阵，每一个矩阵元素对应一个频域系数，针对频域系数，按照图3所示的阈值有效扫描流程图来对频域系数进行编码，具体扫描流程如下：
首先判断当前扫描是否有效，如果是无效，即当前被扫描的频域系数(以下简称系数)已经被编码，直接跳出循环，扫描下一个系数；如果是有效，即当前被扫描的系数还没有被编码，则进入下一个流程，判断当前系数的实部和虚部分量是否大于阈值A。如果是，还需要进一步判断系数的符号，即进一步判断该系数的每一个分量是正数还是负数，对于正数对其进行编码并标记为正有效值PS，对于负数对其进行编码并标记为负有效值NS。以上步骤是对一个系数的扫描，对于子带频域图像Fm(u，v)的每一个元素按照逐行逐列的形式进行判断。一个子带域图像Fm(u，v)扫描完毕后再扫描其余的子带域图像，最终得到一个编码后的子带频域图像。
在本方法中，阈值A的取值为5。阈值越大，压缩率越高，但是解压缩后图像的失真程度越高。因此阈值的选择是一个折中问题，取决于实际的需求。
步骤S4：将量化编码后的数据(即{Fm(u，v)|m＝1，2，...，2T})进行存储输出得到压缩后的图像。这一步骤和传统的压缩算法所采用的方法相同，这里不再详细阐述。
为了能够从压缩后的图像数据中恢复出原始图像，还需进行如下步骤；
步骤S5：将压缩图像量化解码来还原出子带频域图像{Fm(u，v)|m＝1，2，...，2T}。本步骤实际上是步骤S3的逆过程，这里不再进一步展开叙述。需要说明的是，经过步骤S3的量化编码后，部分图像信息已经被破坏掉了，这个就是所谓的量化误差，这是绝大多数图像压缩过程中都存在的，只要在人眼视觉接受的范围内(即人眼无法察觉出解压缩的图像存在明显的失真)是允许存在的。实际上，步骤S3和步骤S5和传统压缩算法所使用的方法大致相同，唯一的不同是传统压缩算法进行量化编码的系数是一个实数，而本发明中所涉及到的量化编码的系数是一个四元数，这也将导致具体编码过程中的特殊性。
步骤S6：使用方向双四元数综合滤波器组对步骤S5中所还原出来的子带频域图像进行反变换并得到双四元数形式的彩色图像。方向双四元数综合滤波器组如图4所示，具体的滤波系数为：
Figure BSA0000202006680000051
方向双四元数综合滤波器组的滤波系数SF是通过分析滤波系数AF进行四元数希尔伯特变换获得，在离散条件下，以
Figure BSA0000202006680000052
为例，可以由h1(n)与
Figure BSA0000202006680000053
进行卷积运算得到：
Figure BSA0000202006680000054
类似的，我们可以得到
Figure BSA0000202006680000055
和
Figure BSA0000202006680000056
步骤S7：提取步骤S6中双四元数形式彩色图像的实部或虚部分量来获取解压缩图像。
应当说明的是，上述实施例均可根据需要自由组合。以上所述仅是本发明的优选实施方式，应当指出，对于本技术领域的普通技术人员来说，在不脱离本发明原理的前提下，还可以做出若干改进和润饰，这些改进和润饰也应视为本发明的保护范围。

Claims (4)

1.一种基于方向双四元数滤波器组的图像压缩方法，其特征在于，具体步骤如下：
步骤S1：对原始待压缩的图像进行预处理，即将原始待压缩的图像用双四元数形式进行表征，得到图像f(x，y)，变量x和y的取值范围是：x＝1，2，...，M，y＝1，2，...，N，其中M和N为正整数，分别是图像的行数和列数；
步骤S2：使用方向双四元数分析滤波器组对图像f(x，y)进行变换处理，得到不同方向的共计2T个子带频域图像{Fm(u，v)|m＝1，2，...，2T}，变量u和v的取值范围是：u＝1，2，...，M/2，v＝1，2，...，N/2；
步骤S3：对每一个子带频域图像{Fm(u，v)|m＝1，2，...，2T}进行量化编码；
步骤S4：将量化编码后的数据进行存储输出得到压缩后的图像；
为了能够从压缩后的图像数据中恢复出原始图像，还需进行如下步骤：
步骤S5：将压缩图像进行量化解码来还原出子带频域图像；
步骤S6：使用方向双四元数综合滤波器组对步骤S5中所还原出来的子带频域图像进行反变换并得到双四元数形式的彩色图像；
步骤S7：提取步骤S6中双四元数形式彩色图像的实部或虚部分量来获取解压缩图像；
所述步骤S1中使用双四元数对原始待压缩图像表征的数学公式为：
f(x，y)＝(fR(x，y)·i+fG(x，y)·j+fB(x，y)·k)+(fR(x，y)·i+fG(x，y)·j+fB(x，y)·k)·I
其中fR(x，y)、fG(x，y)和fB(x，y)分别为彩色图像的R、G和B颜色分量，i、j、k和I分别为双四元数的虚数单位，其运算规则为：
i2＝-1，j2＝-1，k2＝-1，I2＝-1，ij＝k，jk＝i，ki＝j。
2.如权利要求1所述的基于方向双四元数滤波器组的图像压缩方法，其特征在于：所述步骤S2中方向双四元数分析滤波器组的滤波系数为：
Figure FSB0000194846330000011
其中，滤波器系数的值均为四元数。
3.如权利要求1所述的基于方向双四元数滤波器组的图像压缩方法，其特征在于：所述步骤S3中的量化编码由阈值有效扫描完成。
4.如权利要求1所述的基于方向双四元数滤波器组的图像压缩方法，其特征在于：所述步骤S6中方向双四元数综合滤波器组的滤波系数为：
Figure FSB0000194846330000021
其中，滤波器系数的值均为四元数。
CN202010101148.XA 2020-02-04 2020-02-04 基于方向双四元数滤波器组的图像压缩方法 Active CN111246205B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202010101148.XA CN111246205B (zh) 2020-02-04 2020-02-04 基于方向双四元数滤波器组的图像压缩方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202010101148.XA CN111246205B (zh) 2020-02-04 2020-02-04 基于方向双四元数滤波器组的图像压缩方法

Publications (2)

Publication Number Publication Date
CN111246205A CN111246205A (zh) 2020-06-05
CN111246205B true CN111246205B (zh) 2021-09-14

Family

ID=70878297

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202010101148.XA Active CN111246205B (zh) 2020-02-04 2020-02-04 基于方向双四元数滤波器组的图像压缩方法

Country Status (1)

Country Link
CN (1) CN111246205B (zh)

Citations (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN108632610A (zh) * 2018-04-18 2018-10-09 电子科技大学 一种基于插值重建的彩色图像压缩方法

Family Cites Families (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN102096824B (zh) * 2011-02-18 2014-04-02 复旦大学 基于选择性视觉注意机制的多光谱图像舰船检测方法
CN104239883B (zh) * 2013-12-11 2018-06-05 深圳深讯和科技有限公司 纹理特征提取方法及装置
US11645835B2 (en) * 2017-08-30 2023-05-09 Board Of Regents, The University Of Texas System Hypercomplex deep learning methods, architectures, and apparatus for multimodal small, medium, and large-scale data representation, analysis, and applications
CN107818579B (zh) * 2017-09-20 2021-09-28 东北电力大学 基于四元数Gabor滤波的彩色纹理特征提取方法
CN107945154A (zh) * 2017-11-10 2018-04-20 西安电子科技大学 基于四元数离散余弦变换的彩色图像质量评价方法

Patent Citations (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN108632610A (zh) * 2018-04-18 2018-10-09 电子科技大学 一种基于插值重建的彩色图像压缩方法

Also Published As

Publication number Publication date
CN111246205A (zh) 2020-06-05

Similar Documents

Publication Publication Date Title
US11272188B2 (en) Compression for deep neural network
Meyer-Bäse et al. Medical image compression using topology-preserving neural networks
Abd-Alzhra et al. Image compression using deep learning: methods and techniques
CN113079378A (zh) 图像处理方法、装置和电子设备
CN113962882B (zh) 一种基于可控金字塔小波网络的jpeg图像压缩伪影消除方法
Arya et al. RGB image compression using two dimensional discrete cosine transform
CN111246205B (zh) 基于方向双四元数滤波器组的图像压缩方法
Ororbia et al. Learned iterative decoding for lossy image compression systems
CN115512199A (zh) 一种基于图注意和非对称卷积网络的图像压缩模型
Awad et al. Improving Reconstructed Image Quality via Hybrid Compression Techniques.
Akbari et al. Downsampling based image coding using dual dictionary learning and sparse representations
Mastriani Rule of three for superresolution of still images with applications to compression and denoising
Kumar et al. Lossless Video Compression Using Reinforcement Learning in UAV Applications
Mastriani Union is strength in lossy image compression
Pabi et al. Tri-mode dual level 3-D image compression over medical MRI images
Cilingir et al. Image Compression Using Deep Learning
CN111800633B (zh) 图像处理方法及装置
CN116916034B (zh) 基于safd的图像处理方法、装置、设备及存储介质
Jayanthi et al. Multi Wavelet Based Image Compression for Tele-Medical Applications
KR100854726B1 (ko) 역 이산 웨이블릿 변환을 이용한 이미지 복원 방법 및 장치
US20240020884A1 (en) Online meta learning for meta-controlled sr in image and video compression
Altaay Developed a Method for Satellite Image Compression Using Enhanced Fixed Prediction Scheme
Nahar A Retina-inspired Sampling Method for Coding and Compression for Enhancement Image Based on Discrete Double Density Wavelet Transformer
Sekaran et al. Performance analysis of compression techniques using SVD, BTC, DCT and GP
Rajeshwari et al. DWT based Multimedia Compression

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication
SE01 Entry into force of request for substantive examination
SE01 Entry into force of request for substantive examination
GR01 Patent grant
GR01 Patent grant
TR01 Transfer of patent right
TR01 Transfer of patent right

Effective date of registration: 20230518

Address after: 230000 B-2704, wo Yuan Garden, 81 Ganquan Road, Shushan District, Hefei, Anhui.

Patentee after: HEFEI LONGZHI ELECTROMECHANICAL TECHNOLOGY Co.,Ltd.

Address before: 223300 No. 111 Changjiang West Road, Huaiyin District, Jiangsu, Huaian

Patentee before: HUAIYIN NORMAL University

Effective date of registration: 20230518

Address after: Rooms 501 and 502, Floor 5, Building 2, Yard 52, Jiuxianqiao Road, Chaoyang District, Beijing, 100020

Patentee after: Beijing Yuntu Digital Marketing Consulting Co.,Ltd.

Address before: 230000 B-2704, wo Yuan Garden, 81 Ganquan Road, Shushan District, Hefei, Anhui.

Patentee before: HEFEI LONGZHI ELECTROMECHANICAL TECHNOLOGY Co.,Ltd.