CN113554722B - 一种基于改进ezw的人民币纸币冠字号码图像压缩方法 - Google Patents
一种基于改进ezw的人民币纸币冠字号码图像压缩方法 Download PDFInfo
- Publication number
- CN113554722B CN113554722B CN202110829922.3A CN202110829922A CN113554722B CN 113554722 B CN113554722 B CN 113554722B CN 202110829922 A CN202110829922 A CN 202110829922A CN 113554722 B CN113554722 B CN 113554722B
- Authority
- CN
- China
- Prior art keywords
- data
- image
- wavelet
- coding
- rmb
- 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
Links
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T9/00—Image coding
- G06T9/40—Tree coding, e.g. quadtree, octree
Landscapes
- Engineering & Computer Science (AREA)
- Multimedia (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Image Processing (AREA)
- Compression Of Band Width Or Redundancy In Fax (AREA)
Abstract
本发明提出一种基于改进EZW的人民币纸币冠字号码图像压缩方法,包括:采集人民币纸币冠字号码图像,并对人民币纸币冠字号码图像进行提升小波变换,建立小波系数树结构;将小波变换后图像的低频子带经过调整后直接存储;若为高频子带的数据,则将高频部分应用改进的嵌入式零树编码;最后输出编码信息;合并低高频数据,实现人民币纸币冠字号码图像的压缩;人民币纸币冠字号码图像的重构过程也就是解码过程是编码的逆过程,采用小波变换对人民币纸币冠字号码图像进行处理,能够克服计算复杂、运算量大、编解码速度慢、存储空间大的问题,用以高效的提升图像压缩效果;人民币纸币冠字号码图像的压缩速度和PSNR值均优于传统的EZW算法。
Description
技术领域
本发明涉及图像数据压缩方法技术领域,特别涉及一种基于改进EZW的人民币纸币冠字号码图像压缩方法。
背景技术
无论在任何国家,纸币都是最广泛的流通工具,因此加强对纸币的管理显得尤为重要。冠字号码是纸币身份的标识,是独一无二的,是证明纸币唯一性的标志。如果在制造过程中出现重复的冠字号或者是破损的纸币,会对国家的金融安全造成严重后果。随着5G时代的到来,图像压缩便于信息的高效存储、管理和传输。然而,仅仅依靠提高计算机硬件和通信设备的性能,很难满足数据快速增长的应用需求。另一方面,根据图像的特点对数据进行压缩编码更为迫切,以提高存储、传输和处理速度,节省存储空间。
嵌入式零树小波编码算法(EZW)是根据其重要性对小波变换系数进行排序,并且非常适合渐进图像压缩编码。但因其存在运算复杂,计算量大,需要大量的数据单元存储数量,导致编码的速度慢、存储空间大等不足性,因此本发明采用提升小波变换与EZW编码算法相融合的方法,来达到加快编码速度以及降低图像存储空间的目的,获得更好的压缩效果。
发明内容
为了解决背景技术中所述问题,本发明提供一种基于改进EZW的人民币纸币冠字号码图像压缩方法,是一种人民币纸币冠字号码图像压缩的改进算法,能够克服计算复杂、运算量大、编解码速度慢、存储空间大的问题,用以高效的提升图像压缩效果。
为了达到上述目的,本发明采用以下技术方案实现:
一种基于改进EZW的人民币纸币冠字号码图像压缩方法,包括如下步骤:
步骤1:采集人民币纸币冠字号码图像,并对人民币纸币冠字号码图像进行提升小波变换,建立小波系数树结构;
步骤2:将小波变换后图像的低频子带经过调整后直接存储;将步骤1中得到的高频与低频数据分开编码;若为低频子带的数据,按公式将低频数据映射到给定的门限E,则直接存储;若为高频子带的数据,则进行步骤3;
步骤3:将高频部分应用改进的嵌入式零树编码;选择合适的阈值,并通过主扫描来标记输出符号为P或N的系数的对应位置,避免在下一个主扫描中对它们进行编码;再通过辅扫描对输出符号为P或N的系数量化,最后输出编码信息;编码目的是去除冗余,提高图像的编解码速度以及降低人民币纸币冠字号码图像的存储空间;
步骤4:合并低高频数据,实现人民币纸币冠字号码图像的压缩;人民币纸币冠字号码图像的重构过程也就是解码过程是编码的逆过程。
进一步地,所述的步骤1中:提升小波变换分为***、预测、更新和优化提升步;首先进行***过程,将原始信号***成互不相交的子集;通过预测来判断数据之间的相关性,反映数据值与预测值的近似程度;根据属性不同,对数据进行更新;最后结合实际情况,交替使用对偶提升步和更新提升步来提高小波变换的性能,以获得经过N级小波变换的水平方向上低频和高频两个部分,最终获得树形结构图。
进一步地,所述的步骤1具体包括如下:
采集人民币纸币冠字号码图像,并运用提升小波变换,经过***、预测、更新以及优化提升步的过程,以获得树形结构图;***把原始信号Sa,b分列成两个互不相交的子集Sa+1,b和ya+1,b,其数学表达式为(1)所示:
split(Sa,b)=(Sa,2b,Sa,2b+1)=(Sa+1,b,ya+1,b) (1)
由系数子集的一些全局属性(如平均值)与原始数据中的属性不一致,应使用更新过程;其更新系数子集数学表达式为(2)所示:
Sa+1,b=Sa,2b+b+U(ya+1,b) (2)
式中:Sa+1,b为更新的系数子集;U(ya+1,b)为算子;
依照具体情形交替用交替使用对偶提升步和更新提升步来提高小波变换的性能;其数学表达式为
在实际应用中,写成
式中:为取整数运算;p为预测算子;
零树是基于这样的假设:如果高尺度上的小波系数小于阈值E,那么低尺度上同一方向和同一空间中相应位置的小波系数也小于阈值E;这种假设的可能性非常大;这样,高尺度上的小波系数称为父节点,低尺度上同一方向上的小波系数称为子节点;对于父节点,在较低尺度上同一方向上的所有小波系数和在同一空间中的相应位置称为子节点;对于一个子节点,同一方向上的所有小波系数以及在同一空间中较高尺度上对应的位置称为祖先节点;通过类比,能够形成树状结构图。
进一步地,所述的步骤2具体包括如下:
将步骤1中得到的高频数据与低频数据分别编码;如果是低频子带的数据,则按照公式
将低频子带的数据映射到[0,255]之间后直接存储;如果是高频子带的数据,则按照步骤继续往下进行;式中,c是小波系数,Min是小波系数的最小值,Max是小波系数的最大值,f(c)为映射后的值。
进一步地,所述的步骤3具体包括如下:
将高频部分应用改进的嵌入式零树编码,经过选择阈值、主扫描、辅扫描以及输出编码信息,从而实现对图像的编码;初始阈值的选择方法公式为(7)所示:
式中:E0为EZW编码算法的阈值;i为扫描次数;{ci,j}是L级小波变换的变换系数;|ci,j|表示ci,j的绝对值;
根据小波系数的Morton扫描阶数,Ei-1为当前阈值,其数学表达式为(8)所示:
Ei=Ei-1/2 (8)。
在人民币纸币冠字号码图像压缩编码过程中,在映射过程中采用提升小波变换来缩短变换过程的时间,在编码过程中采用嵌入式零树小波编码(EZW)来获得更好的编码性能,因此在此基础上,将提升小波变换的EZW编码应用于图像压缩编码实验。利用测试结果的数据对比来验证改进后的EZW编码图像压缩较传统图像压缩编码的高效性。
与现有技术相比,本发明的有益效果是:
本发明采用小波变换对人民币纸币冠字号码图像进行处理,使其幅值分布相对集中,更利于压缩编码;采用提升小波变换对人民币纸币冠字号码图像进行处理,可有效地提高运算效率,减少计算量和缓存单元数量,同时该算法使相应小波的逆变换过程变的十分简单;人民币纸币冠字号码图像的压缩速度和PSNR值均优于传统的EZW算法。
附图说明
图1是本发明的基于改进EZW的人民币纸币冠字号码图像压缩流程图。
具体实施方式
以下结合附图对本发明提供的具体实施方式进行详细说明。
本发明综合考虑EZW编码与提升小波的特性,在EZW编码的基础上,采用提升小波来替换传统小波变换,提高人民币纸币冠字号码图像编码解码的速度、压缩比以及峰值信噪比。
如图1所示,一种基于改进EZW的人民币纸币冠字号码图像压缩方法,包含以下步骤:
步骤一:采集人民币纸币冠字号码图像,分析其统计特性和能量分布特点,并运用提升小波变换,建立小波系数树结构。
由于纸币应用的特殊性,其冠字号码也拥有特殊的灰度和频率分布。
①纸币的冠字号码主要由字符和背景图像组成,字符所占比例相对较小,背景所占比例相对较大。
②字符部分灰度差较小,像素间连续性明显,空间相关性较高。
③虽然背景部分的整体灰度值相对较低,但由于纸币信息采集过程中的光照条件和纸币本身表面的污垢等原因,灰度分布不规则,导致背景像素连续性差,空间相关性低。
④字符与背景的灰度差异明显,空间相关性较低。
步骤二:对人民币纸币冠字号码图像进行提升小波变换,建立小波系数树结构。提升小波变换分为***、预测、更新和优化提升步。
(1)***
将原始信号Sa,b***成为两个互不相交的子集Sa+1,b和ya+1,b,通常是先对原始信号Sa,b进行Lazy小波或Polyphase小波变换,即
split(Sa,b)=(Sa,2b,Sa,2b+1)=(Sa+1,b,ya+1,b) (1)
(2)预测
数据之间的相关性,可用Sa+1,b去预测ya+1,b,因此,可以使用独立于数据集结构的预测算子P,使得ya+1,b=P(Sa+1,b),用ya+1,b与预测值P(Sa+1,b)的差值去代替ya+1,b,差异反映了近似程度。
(3)更新
由系数子集Sa+1,b的某些全局属性(如平均值)与原始数据中的属性不一致,因此应使用更新过程。Sa+1,b的定义如下:
Sa+1,b=Sa,2b+1+U(ya+1,b) (2)
式中:Sa+1,b为更新的系数子集;U(ya+1,b)为算子。
(4)优化提升步
根据实际情况,交替使用对偶提升步和更新提升步来提高小波变换的性能。基于提升方案的正变换算法可以写成
对偶提升步:
更新提升步:
在M对变换后:
通常,M称为“提升步数”,nl,nh称为“归一化因子”,并且nl×nh=1对于不同的双正交小波,nl,nh的值不同。
逆变换可以写成
最后得到偶样点和奇样点:
在实际应用中,将
写成
式中:为取整数运算;p为预测算子。
定义一个零树的数据结构:对一个小波系数x,以及一个给定的门限E,如果|x|<E,则称小波系数x是不重要的,如果一个小波系数在一个粗的尺度上关于给定的门限E是不重要的,之后在较细的尺度上,在同样的空间位置中的所有小波系数也关于门限E是不重要的,则称这些小波系数形成了一个零树。这时,在粗的尺度上的那个小波系数称为母体,它是树根,在较细尺度上相应位置上的小波系数称为孩子。正是通过这种零树结构,使描述重要系数(|x|≥E)的位置信息大为减少。
步骤三:将上述步骤中得到的高频数据与低频数据分别编码。如果是低频子带的数据,则按照公式
将低频子带的数据映射到[0,255]之间后直接存储。如果是高频子带的数据,则按照步骤3继续往下进行。式中,c是小波系数,Min是小波系数的最小值,Max是小波系数的最大值,f(c)为映射后的值。
步骤四:将高频部分应用改进的嵌入式零树编码(EZW)。经过选择阈值、主扫描、辅扫描以及输出编码信息,从而实现对图像的编码。
(1)选择阈值
初始阈值的选择方法如下:
式中:E0为EZW编码算法的阈值;i为扫描次数;{ci,j}是L级小波变换的变换系数;|ci,j|表示ci,j的绝对值。
(2)主扫描
根据小波系数的Morton扫描顺序,为当前阈值Ei-1。在第i个主扫描结束时,将这些系数设置为零,以便标记输出符号为P或N的系数的对应位置,或者避免在下一个主扫描中对它们进行编码。
(3)辅扫描
顺序扫描主扫描表,并且输出符号量化P或N的小波系数。量化器的区间为[Ei-1,2Ei-1),将其分为两个定量区间[Ei-1,1.5Ei-1),[1.5Ei-1,2Ei-1)。若小波系数属于区间[Ei-1,1.5Ei-1),则输出量化符号“0”,重构值为1.25Ei-1;如果区间在[1.5Ei-1,2Ei-1),则输出量化符号“1”,重构值为1.75Ei-1。
(4)输出编码信息
编码器输出两种类型的信息:第一是解码器信息,包括阈值、主扫描表和辅助扫描表,第二是包括阈值和重要系数列的下一扫描信息。
步骤五:合并低高频数据,实现人民币纸币冠字号码图像的压缩。实际上人民币纸币冠字号码图像的重构过程,也就是解码过程是编码的逆过程。
在人民币纸币冠字号码图像压缩编码过程中,在映射过程中采用提升小波变换来缩短变换过程的时间及存储空间,在编码过程中采用嵌入式零树小波编码(EZW)来获得更好的编码性能,因此在此基础上,将提升小波变换的EZW编码应用于人民币纸币冠字号码图像压缩编码。
在相同的扫描层数下,基于提升小波变换的EZW编码的峰值信噪比和压缩比高于常规小波变换,同时编码时间和解码时间也表现出良好的性能。图像的提升小波变换时间约为传统小波变换时间的1/4,图像的编码时间缩短了44%,解码时间缩短了27%,压缩比提高了38%,峰值信噪比提升了22%。
本发明的基于改进EZW的人民币纸币冠字号码图像压缩方法优势在于通过小波提升变换处理差分图像,以及对提升小波变换系数进行EZW编码压缩。减少了循环小波变换的数据量,解决边缘轮廓处理的问题。实验结果和性能比较表明,基于提升小波的EZW图像压缩算法有更好的编解码效率,压缩比和峰值信噪比。
具体实施例:
步骤S0101:首先进行***过程,将原始信号***成互不相交的子集;通过预测来判断数据之间的相关性,反映数据值与预测值的近似程度;根据属性不同,对数据进行更新;最后结合实际情况,交替使用对偶提升步和更新提升步来提高小波变换的性能,以获得经过N级小波变换的水平方向上低频和高频两个部分,最终获得树形结构图。
提升小波变换过程,经过***、预测、更新以及优化提升步的过程。***把原始信号Sa,b分列成两个互不相交的子集Sa+1,b和ya+1,b,其数学表达式为(1)所示:
split(Sa,b)=(Sa,2b,Sa,2b+1)=(Sa+1,b,ya+1,b) (1)
由系数子集的某些全局属性(如平均值)与原始数据中的属性不一致,因此应使用更新过程。其更新系数子集数学表达式为(2)所示:
Sa+1,b=Sa,2b+1+U(ya+1,b) (2)
式中:Sa+1,b为更新的系数子集;U(ya+1,b)为算子。
依照具体情形交替用以交替使用对偶提升步和更新提升步来提高小波变换的性能。其数学表达式为
在实际应用中,写成
式中:为取整数运算;p为预测算子。
步骤S0201:选择合适的阈值,并通过主扫描来标记输出符号为P或N的系数的对应位置,避免在下一个主扫描中对它们进行编码。再通过辅扫描对输出符号为P或N的系数量化,最后输出编码信息。
EZW编码过程,经过选择阈值、主扫描、辅扫描以及输出编码信息,从而实现对图像的编码。初始阈值的选择方法公式为(6)所示:
式中:E0为EZW编码算法的阈值;i为扫描次数;{ci,j}是L级小波变换的变换系数;|ci,j|表示ci,j的绝对值。
根据小波系数的Morton扫描阶数,Ei-1为当前阈值,其数学表达式为(7)所示:
Ei=Ei-1/2 (7)
步骤S0301:在人民币纸币冠字号码图像压缩编码过程中,在映射过程中采用提升小波变换来缩短变换过程的时间,在编码过程中采用嵌入式零树小波编码(EZW)来获得更好的编码性能,因此在此基础上,将提升小波变换的EZW编码应用于人民币纸币冠字号码图像压缩编码,使得图像的传输速度更快以及存储空间更小。
本发明所述的是一种基于改进EZW的人民币纸币冠字号码图像压缩方法,使得人民币纸币冠字号码图像的传输更加快速、高效,以及所需的存储空间更小。主要通过小波提升变换处理差分图像,以及对提升小波变换系数进行EZW编码压缩。减少了循环小波变换的数据量,解决边缘轮廓处理的问题。实验结果和性能比较表明,基于改进EZW的人民币纸币冠字号码图像压缩算法有更好的编解码效率,压缩比和峰值信噪比,在人民币纸币冠字号码图像压缩和图像处理等领域具有重要的意义。
以上实施例在以本发明技术方案为前提下进行实施,给出了详细的实施方式和具体的操作过程,但本发明的保护范围不限于上述的实施例。上述实施例中所用方法如无特别说明均为常规方法。
Claims (2)
1.一种基于改进EZW的人民币纸币冠字号码图像压缩方法,其特征在于,包括如下步骤:
步骤1:采集人民币纸币冠字号码图像,并对人民币纸币冠字号码图像进行提升小波变换,建立小波系数树结构;
步骤2:将小波变换后图像的低频子带经过调整后直接存储;将步骤1中得到的高频与低频数据分开编码;若为低频子带的数据,按公式将低频数据映射到给定的门限E,则直接存储;若为高频子带的数据,则进行步骤3;
步骤3:将高频部分应用改进的嵌入式零树编码;选择合适的阈值,并通过主扫描来标记输出符号为P或N的系数的对应位置,避免在下一个主扫描中对它们进行编码;再通过辅扫描对输出符号为P或N的系数量化,最后输出编码信息;编码目的是去除冗余,提高图像的编解码速度以及降低人民币纸币冠字号码图像的存储空间;
步骤4:合并低高频数据,实现人民币纸币冠字号码图像的压缩;人民币纸币冠字号码图像的重构过程也就是解码过程是编码的逆过程;
所述的步骤1具体包括如下:
采集人民币纸币冠字号码图像,并运用提升小波变换,经过***、预测、更新以及优化提升步的过程,以获得树形结构图;***把原始信号Sa,b***成两个互不相交的子集Sa+1,b和ya+1,b,其数学表达式为(1)所示:
split(Sa,b)=(Sa,2b,Sa,2b+1)=(Sa+1,b,ya+1,b) (1)
由系数子集的一些全局属性与原始数据中的属性不一致,应使用更新过程;其更新系数子集数学表达式为(2)所示:
Sa+1,b=Sa,2b+1+U(ya+1,b) (2)
式中:Sa+1,b为更新的系数子集;U(ya+1,b)为算子;
依照具体情形交替用交替使用对偶提升步和更新提升步来提高小波变换的性能;其数学表达式为:
在实际应用中,写成:
式中:为取整数运算;
零树是基于这样的假设:如果高尺度上的小波系数小于阈值E,那么低尺度上同一方向和同一空间中相应位置的小波系数也小于阈值E;这种假设的可能性非常大;这样,高尺度上的小波系数称为父节点,低尺度上同一方向上的小波系数称为子节点;对于父节点,在较低尺度上同一方向上的所有小波系数和在同一空间中的相应位置称为子节点;对于一个子节点,同一方向上的所有小波系数以及在同一空间中较高尺度上对应的位置称为祖先节点;通过类比,能够形成树状结构图;
所述的步骤2具体包括如下:
将步骤1中得到的高频数据与低频数据分别编码;如果是低频子带的数据,则按照公式
将低频子带的数据映射到[0,255]之间后直接存储;如果是高频子带的数据,则按照步骤继续往下进行;式中,c是小波系数,Min是小波系数的最小值,Max是小波系数的最大值,f(c)为映射后的值;
所述的步骤3具体包括如下:
将高频部分应用改进的嵌入式零树编码,经过选择阈值、主扫描、辅扫描以及输出编码信息,从而实现对图像的编码;初始阈值的选择方法公式为(7)所示:
式中:E0为EZW编码算法的阈值;i为扫描次数;ci,j是L级小波变换的变换系数;|ci,j|表示ci,j的绝对值;
根据小波系数的Morton扫描阶数,Ei-1为当前阈值,其数学表达式为(8)所示:
Ei=Ei-1/2 (8)。
2.根据权利要求1所述的一种基于改进EZW的人民币纸币冠字号码图像压缩方法,其特征在于,所述的步骤1中:提升小波变换分为***、预测、更新和优化提升步;首先进行***过程,将原始信号***成互不相交的子集;通过预测来判断数据之间的相关性,反映数据值与预测值的近似程度;根据属性不同,对数据进行更新;最后结合实际情况,交替使用对偶提升步和更新提升步来提高小波变换的性能,以获得经过N级小波变换的水平方向上低频和高频两个部分,最终获得树形结构图。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110829922.3A CN113554722B (zh) | 2021-07-22 | 2021-07-22 | 一种基于改进ezw的人民币纸币冠字号码图像压缩方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110829922.3A CN113554722B (zh) | 2021-07-22 | 2021-07-22 | 一种基于改进ezw的人民币纸币冠字号码图像压缩方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN113554722A CN113554722A (zh) | 2021-10-26 |
CN113554722B true CN113554722B (zh) | 2023-08-15 |
Family
ID=78104030
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202110829922.3A Active CN113554722B (zh) | 2021-07-22 | 2021-07-22 | 一种基于改进ezw的人民币纸币冠字号码图像压缩方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN113554722B (zh) |
Citations (11)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CA2261833A1 (en) * | 1999-02-15 | 2000-08-15 | Xue Dong Yang | Method and system of region-based image coding with dynamic streaming of code blocks |
JP2004194224A (ja) * | 2002-12-13 | 2004-07-08 | Mega Chips Corp | ウェーブレット変換装置およびウェーブレット変換方法 |
CN1642278A (zh) * | 2004-01-06 | 2005-07-20 | 北京大学 | 嵌入式零树编码方法及其电路结构 |
CN101132529A (zh) * | 2006-08-22 | 2008-02-27 | 中兴通讯股份有限公司 | 基于快速逐次逼近量化的小波图像压缩方法 |
CN101268936A (zh) * | 2008-02-27 | 2008-09-24 | 天津大学 | 无线心电监护仪的心电压缩方法和解码方法 |
CN101583032A (zh) * | 2009-06-26 | 2009-11-18 | 西安电子科技大学 | 基于自适应下采样和交叠变换的图像压缩方法 |
CN101908891A (zh) * | 2010-08-23 | 2010-12-08 | 南京信息工程大学 | 基于提升小波和pcnn的医学图像roi压缩方法 |
CN102158701A (zh) * | 2011-04-19 | 2011-08-17 | 湖南大学 | 一种基于压缩感知理论的分类量化图像编码方法 |
CN104079947A (zh) * | 2014-06-25 | 2014-10-01 | 武汉大学 | 一种基于改进ezw的声纳图像数据压缩方法 |
CN107682699A (zh) * | 2017-10-19 | 2018-02-09 | 厦门大学 | 一种近无损图像压缩方法 |
CN110827399A (zh) * | 2019-11-11 | 2020-02-21 | 四川航天神坤科技有限公司 | 一种三维模型数据压缩方法及*** |
-
2021
- 2021-07-22 CN CN202110829922.3A patent/CN113554722B/zh active Active
Patent Citations (12)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CA2261833A1 (en) * | 1999-02-15 | 2000-08-15 | Xue Dong Yang | Method and system of region-based image coding with dynamic streaming of code blocks |
WO2000049571A2 (en) * | 1999-02-15 | 2000-08-24 | Digital Accelerator Corporation | Method and system of region-based image coding with dynamic streaming of code blocks |
JP2004194224A (ja) * | 2002-12-13 | 2004-07-08 | Mega Chips Corp | ウェーブレット変換装置およびウェーブレット変換方法 |
CN1642278A (zh) * | 2004-01-06 | 2005-07-20 | 北京大学 | 嵌入式零树编码方法及其电路结构 |
CN101132529A (zh) * | 2006-08-22 | 2008-02-27 | 中兴通讯股份有限公司 | 基于快速逐次逼近量化的小波图像压缩方法 |
CN101268936A (zh) * | 2008-02-27 | 2008-09-24 | 天津大学 | 无线心电监护仪的心电压缩方法和解码方法 |
CN101583032A (zh) * | 2009-06-26 | 2009-11-18 | 西安电子科技大学 | 基于自适应下采样和交叠变换的图像压缩方法 |
CN101908891A (zh) * | 2010-08-23 | 2010-12-08 | 南京信息工程大学 | 基于提升小波和pcnn的医学图像roi压缩方法 |
CN102158701A (zh) * | 2011-04-19 | 2011-08-17 | 湖南大学 | 一种基于压缩感知理论的分类量化图像编码方法 |
CN104079947A (zh) * | 2014-06-25 | 2014-10-01 | 武汉大学 | 一种基于改进ezw的声纳图像数据压缩方法 |
CN107682699A (zh) * | 2017-10-19 | 2018-02-09 | 厦门大学 | 一种近无损图像压缩方法 |
CN110827399A (zh) * | 2019-11-11 | 2020-02-21 | 四川航天神坤科技有限公司 | 一种三维模型数据压缩方法及*** |
Non-Patent Citations (1)
Title |
---|
基于改进提升小波变换SPIHT的图像压缩算法;丁晓峰 等;《计算机测量与控制》;3670-3672 * |
Also Published As
Publication number | Publication date |
---|---|
CN113554722A (zh) | 2021-10-26 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
He et al. | Reversible data hiding in JPEG images based on negative influence models | |
CN102186069B (zh) | 一种保持量测性能的遥感影像数据压缩方法 | |
CN112702600B (zh) | 一种图像编解码神经网络分层定点化方法 | |
CN103024393B (zh) | 一种针对单张图像的压缩和解压方法 | |
Kumar et al. | A review: DWT-DCT technique and arithmetic-Huffman coding based image compression | |
CN110933438A (zh) | 一种jpeg图像可逆信息隐藏方法 | |
CN111464717A (zh) | 利用直方图平移的具有对比度拉升的可逆信息隐藏框架 | |
CN116939226A (zh) | 一种面向低码率图像压缩的生成式残差修复方法及装置 | |
CN109951614B (zh) | 基于jpeg图像的自适应可逆信息隐藏方法 | |
CN113554722B (zh) | 一种基于改进ezw的人民币纸币冠字号码图像压缩方法 | |
CN117422780A (zh) | 一种基于深度学习的天文图像无损压缩方法 | |
Srinivasu et al. | CNN based “Text in Image” Steganography using Slice Encryption Algorithm and LWT | |
CN110740333A (zh) | 基于小波模极大值重建的改进spiht图像编码和解码方法 | |
George et al. | A novel approach for image compression using zero tree coding | |
CN101064844A (zh) | 一种使用旋转压缩码书对图像进行匹配压缩的方法 | |
CN109300086B (zh) | 基于清晰度的图像分块方法 | |
Zhao et al. | Research on DCT image compression algorithm based on dynamic energy analysis | |
Li et al. | Research on digital steganography and image synthesis model based on improved wavelet neural network | |
Malviya et al. | 2D-discrete walsh wavelet transform for image compression with arithmetic coding | |
CN101267557A (zh) | 一种用复合矢量量化进行图像压缩的方法 | |
CN117241042B (zh) | 一种利用dct进行图像块分类的分形图像压缩方法及*** | |
CN114882133B (zh) | 一种图像编解码方法、***、设备及介质 | |
CN111787180B (zh) | 一种基于免疫载体的空域灰度图像信息隐藏方法 | |
Zuo et al. | 15‐1: A Novel Compression Algorithm Application for De‐Mura Compensation of AMOLED Panel | |
Xu et al. | Content-Adaptive Acceleration for Block-based Learned Image 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 |