一、一种新的小波零树量化编码方法（论文文献综述）
张霞[1]（2019）在《基于小波变换的图像压缩算法在远程医学中的应用研究》文中研究指明网络通信技术和现代先进医学技术的迅猛发展,使得远程医学作为一种新兴的诊疗手段在各种医疗领域中得到了迅速普及和应用。由于网络带宽等因素的制约,大量医疗图像信息的存储和实时快速传输还不能很好地满足实际需求。对医疗图像进行有效的压缩是解决这一问题的优选方案。本文的主要研究基于小波变换的医学图像压缩。为了更好地满足临床医生的实际需要,根据医学图像自身的特点来选择更加合适的图像压缩方法,从而解决远程医学中图像存储量大、清晰度不够的问题。本文主要内容包括:（1）阐述了选题的研究背景与意义。简要描述了小波变换图像压缩算法的研究现状,介绍了有关医学图像、医学图像数据压缩的概念、图像压缩的必要性和图像压缩步骤。介绍了图像压缩编码的分类及几种压缩方法的特点,最后分析了评价图像压缩编码方法的准则。（2）介绍了小波变换的相关概念及基本原理,重点介绍了小波变换图像压缩编码的过程,其中包括信号的分解与重构步骤。选择不同的小波基会使压缩后的图像质量有所不同,本文详细分析了小波基选取时的诸多影响因素。（3）基于小波变换的EZW和SPIHT压缩算法及其改进。基本小波变换的两种压缩方法主要有EZW和SPIHT两种,都是基于零树的编码思想。详细介绍了这两种方法的压缩原理、步骤及两种量化方法的优缺点。两种量化方法使得编码效率提高,但仍然存在不足之处,本文针对现有SPIHT算法的不足提出了一种改进的SPIHT算法,实验结果表明提出的改进算法在相同的压缩比的情况下获得了更好的图像重构质量。（4）利用医学图像压缩算法的特点,结合临床工作中对医学图像的实际需要,提出一种在ROI编码方法基础之上的感兴趣区域医学图像的无损压缩方法。针对医生需求病变部位的医学图像信息进行有效的压缩,减少医生的无关阅读量。（5）为了验证本文提出改进算法的有效性,本文最后通过实际远程医学平台进行了原始图像与压缩图像的传输速率结果比较,实验结果表明本文提出的图像压缩改进算法很大程度地提高了图像传输速率。
谢元芒[2]（2019）在《面向城市交通的智能图像处理关键技术研究》文中进行了进一步梳理物联网作为世界信息产业发展的第三次浪潮,未来发展潜力巨大。物联网是支撑城市智能交通的重要技术。在面向城市交通的物联网环境下,通过改善基础设施、实施城市交通专用道、快速城市交通、轨道交通等多模式,应用先进信息技术,城市交通得到了快速发展,对城市居民出行发挥了重要作用。面向智慧城市交通物联网的图像数据是大数据,基于该大数据,从系统工程的视角出发,在分析交通规划的影响因素及城市交通能力及运行现状调查分析的基础上,可以建立城市智慧化的交通调度系统,对智慧城市的建设具有十分重要的意义。鉴于此,我们在分析了现有的图像去噪、压缩编码以及图像合成方法的基础上,研究了对应的新方法。本文的主要创新工作如下。提出了一种压缩感知图像采集新方法和智能去噪的方法。基于压缩感知理论,在随机间距稀疏矩阵的基础上,设计了链式数据采集方案,设计一种随机间距稀疏循环矩阵,从而大量减少了网络中的数据传输量;设计了一种球坐标域内的小波收缩去噪算法,该算法中设计了一种新的收缩函数,能够更快地趋近真实的小波系数值;同时设计了一种小波域模积,它能够更精准地映射相关的小波系数,起到去噪更佳的效果。提出了一种基于自适应传输的图像智能编码的方法。为了实现图像自适应传输的目标,我们分析了 AODV路由协议和其采用的路由判据的缺陷,设计了一种路由判据,综合考虑了节点负载度、链路的闲忙度和ETX三者对图像自适应传输的影响,并以此为基础,设计了一种路由协议EAODV;在传输过程中,我们提出了一种图像编码方法,该方法在编码时,能够更好地预测其它等待编码的系数,同时采用新的编码策略实现对高频部分的处理,显着地提高了相应的压缩比。设计的压缩感知图像智能编码新方法避免了传统算法的重复搜索匹配问题,且能够达到较大的压缩比。提出了一种基于模糊神经网络学习策略的图像合成方法。该方法利用了神经网络的学习能力强等特性,同时利用了模糊理论具有的对非精确数据包容、可以利用专家知识等优点,对要合成的图像进行聚类、模糊化处理,从而使每一个像素都获得一个隶属度矢量,最终实现图像的像素级合成。在图像合成时,我们用相关性原理缩小了搜索范围避免了穷尽式搜索,同时引入梯度结构信息,利用直方图的相似性度量来自适应地确定图像块的尺寸,能够保证合成图像的结构性和随机性。该方法可应用于城市交通中的多源图像合成,具有合成速度快、效果好、满足实时性要求等优势。通过大量的实验测试,结果表明,我们提出的上述方法非常适用于面向城市交通的物联网应用环境,具有很强的理论意义和实用价值。
何峰[3]（2018）在《波原子变换域地震信号重建、去噪与压缩研究》文中研究表明地震信号重建、去噪与压缩均是地震信号处理的重要环节,对于地震信号解释和存储意义重大。由于采集环境及勘探成本所限,采集得到的地震信号往往并不完整且含有各种噪声。另外随着石油勘测技术发展,采集得到的地震信号越发庞大。波原子是一种小波包的变体,相比小波、Gabor原子及曲波,波原子对振荡型纹理信号具有更优的稀疏表示,波原子变换则是近年提出的一种多尺度几何分析方法。本文在波原子变换域的框架下,开展对地震信号的重建、去噪与压缩研究。主要研究内容如下:（1）基于波原子变换的三维地震信号BCR迭代重建研究野外实际采集地震信号时,通常会出现信号缺失情形。对地震信号缺失道进行重建十分必要。本文针对三维缺失地震信号提出了一种基于波原子变换的块坐标松弛（BCR）迭代重建算法,在波原子变换域框架下采用BCR算法迭代重建信号。首先对三维缺失地震信号进行三维波原子变换,然后采用硬阈值函数处理变换系数,且阈值随迭代过程按照指数规律衰减,最后进行波原子反变换得到重建结果。以随机缺失的人工合成三维地震信号和北海F3实际三维地震信号为例实验,并且将波原子变换重建与曲波、小波以及双树复小波变换重建算法对比,结果表明本文算法能够较好完成三维缺失地震信号重建,且重建效果优于其它对比算法。（2）波原子变换域三维地震信号盲去噪研究针对地震信号在采集过程不可避免会混入噪声,且噪声大小未知问题,本文构建了一种波原子变换域三维地震信号盲去噪算法,主要思路为首先利用噪声估计算法预估地震信号含噪量大小,然后采用循环平移对地震信号处理并进行波原子变换,利用估计得到的噪声参数,按不同分解尺度分层选取阈值并对其进行修正,并采用改进的新型阈值处理函数筛选波原子系数,再进行波原子反变换与反循环平移,最终获得去噪后三维地震信号结果。对含噪合成地震信号与实际地震信号去噪,并与小波变换、双树复小波变换、曲波变换及传统波原子变换的去噪结果对比。结果表明本文算法较其它对比算法具有明显优势,且随含噪量增加,去噪优势愈加明显。从输出信噪比、均方误差以及峰值信噪比等评价指标可看出,本文的波原子变换域三维地震信号盲去噪算法去噪效果最佳,其次为传统波原子去噪算法,然后为曲波去噪与双树复小波去噪算法,传统小波去噪算法去噪效果最差。（3）基于嵌入式零树波原子的地震信号压缩研究为提升存储效率、减少传输时间与成本,地震信号处理环节需要高质量的压缩算法。本文提出一种基于嵌入式零树波原子（Embedded zerotree wave atoms,EZWA）信号压缩算法,并将之用于地震信号压缩。EZWA算法的基本思路是首先对信号进行波原子变换得到变换系数,然后对波原子系数进行编码并对编码的系数进行量化,最终得到编码后的压缩信号。为验证EZWA算法的有效性,针对Marmousi理论地震信号、实际海上叠前地震信号与陆上叠后地震信号进行压缩实验,并与传统EZW压缩算法对比。在相同压缩比前提下,从峰值信噪比、均方误差与平均绝对误差等指标可以看出,EZWA算法的压缩重构效果更好;且峰值信噪比相近时,EZWA具有更高压缩比,表明较之于EZW,EZWA能够获得更好压缩效果。
余航[4]（2010）在《基于小波分析的静态图像压缩编码方法的研究》文中研究指明随着因特网、电信网、广播电视网的逐步融合与发展,解决图像存储与传输问题的压缩编码技术逐渐成为国内外研究的热点。从JPEG、MPEG-1到JPEG-2000、MPEG-4反映了图像压缩编码技术的飞速发展。目前小波分析逐步代替了傅立叶分析,成为新一代编码算法的主要变换工具,由于良好的时频局部性和多分辨率分析特性的优势克服了传统傅立叶变换的缺点,基于小波分析的算法已经占据了主导地位。目前小波算法的主要研究问题集中在以下方面:如何高效的组织系数模型,提高编码效率;如何组织码流,使其具有多质量服务能力,实现可分级编解码。小波系数的组织也出现了不同的方法:即按照树结构和块结构两种模型来组织,前者利用了跨子带系数相关性,后者则利用了子带内邻域系数相关性。本文在分析嵌入式小波零树算法的基础上,通过计算机仿真实验给出了小波图像压缩编码中最佳小波分解层数、最优小波基的选取,并在分析目前采用树形结构组织系数的优秀压缩算法的基础上,增加了小波分解前的图像平滑预处理,提出了一种结合平滑模板预处理的小波零树编码算法。最后,对基于小波变换的嵌入式零树算法进行了详细的分析和讨论,针对零树算法的一些不足,提出了一种基于零树算法的改进方法。具体来说,就是在传统EZW编码的基础上,合理调整了零树的结构,改进了原编码的流程,从主扫描完成过程到副扫描检测,直到解码的方式方法都随之作了相应的调整,最终形成了一种新零树算法。通过对算法进行程序实现,结果表明,与现有零树算法相比,该算法改进措施提高了压缩效率,在压缩比一定的情况下与EZW算法相比,重构图像的PSNR有了明显提高。本文提出的平滑模板预处理算法可以采用不同的平滑模板,是一种具有广泛应用价值的方法,可运用于其他的小波零树的改进算法,具有一定的推广意义。
王文涛[5]（2010）在《低码率图像编码与降噪算法研究》文中提出图像压缩编码及降噪问题一直是信号处理领域里重要的热点问题。小波基具有时-频局部化、能量集中及多尺度等特性,它已成为静态图像压缩标准JPEG2000和图像降噪的重要技术。嵌入式零树小波编码算法具有压缩比高、渐进式编解码、低运算复杂度等优良性质,SPIHT是其中的典型代表。由于能“最优”描述零维奇异目标函数的小波基对二维或更高维奇异性信号的表示不是最优的,因此,近年来对于高维信号更具方向性和稀疏性的多尺度几何分析方法成为人们研究的新热点。本论文主要围绕基于小波域的嵌入式零树编码的改进及多尺度分析在图像感兴趣编码及降噪上的应用进行研究。论文的主要工作概括如下：首先,提出了一个具有较低复杂度的低码率条件下基于零子带的嵌入式编码算法——嵌入式零子带编码（Embedded Zero Sub-band Coding, EZSC）.该算法是对SPIHT算法的一种改进。通过大量实验,分析了小波系数的分布特点和量化平面特性,对小波系数的有效组织、自适应量化位平面的设定、系数扫描次序等方面进行了深入地研究,提出了零子带编码策略。同时,利用信息论的理论分析了嵌入式零树编码方法的合理性,指出了算法改进的方向。最后,根据零子带编码概念,将广度优先与深度优先扫描策略相结合,同时运用分步量化编码,设计出EZSC编码方法。该方法提高了低码率下嵌入式编码算法的效率。其次,将Wedgelet变换引入对图像背景区域的处理,从而提高感兴趣区域的嵌入式编码效能。首先对图像的背景区域进行Wedgelet变换滤波,以降低背景区域的信息熵值。然后将背景区域与感兴趣区域重新组合,经小波变换及位平面提升后,再利用EZSC算法对合成图像进行嵌入式编码。实验结果表明该算法在低码率条件下提高了重构图像感兴趣区域的PSNR值,增强了其背景区域纹理的可视性,实现了低码率下图像感兴趣区域与背景区域质量和码率之间的协调分配。另外,针对背景单一的图像,结合轮廓编码和改进的嵌入式编码提出了基于对象形状适应性的低码率嵌入式编码,满足了应用需求。最后,提出了将Contourlet变换域与Wavelet变换域隐马尔科夫树相结合的图像降噪思想。首先,利用Wavelet变换系数能量集中的特性,借助小波树与隐马尔科夫树相似性的关系,对图像进行第一级降噪处理。然后,利用Contourlet变换对高维信号表示能力优于小波变换的特性,用Contourlet变换对小波高频分量进行近似逼近,通过设定不同的门限值的多次迭代处理,进一步去除高频噪声信息,从而提高重构图像的可视性和保真度。实验结果表明所提方法在PSNR值和重构图像的可视性等方面得到改善。
武晓玥[6]（2010）在《图像无损压缩及去噪技术研究》文中研究指明目前,数字图像视频技术被广泛应用于通信、计算机、广播电视等领域,由于数字图像视频数据量巨大,对存储空间和传输信道提出了极高的要求,而且例如航天,医疗等领域对视频图像的质量要求无损或者近无损。因此,视频图像压缩编码技术的研究在当前环境下在显得越来越重要,其发挥的作用越来越显着,而且已成为影响多个引人瞩目的高科技领域发展的重要因素。为此,研究与开发快速、实用的视频图像无损压缩技术已成为一项十分迫切和重要的课题。图像在获取和传输过程中很容易受到各种因素的干扰,使得采集到的图像包含噪声。为了对后续图像进行各种图像处理,有必要对图像进行去噪处理。而噪声的去除是图像分析和计算机视觉中最基本而又非常重要的技术,它已经成为图像处理中十分重要的步骤。因此,为抑制噪声,提高图像质量,便于进一步处理,研究快速、有效的去噪方法仍然是目前的一个研究热点。本文主要以图像无损压缩与去噪技术为主线,针对图像无损压缩与去噪中的关键技术和应用进行了深入地研究,提出了多种性能更好的处理算法并给出了一种嵌入式硬件设计。本文的主要工作及贡献简述如下:1.深入研究了图像与视频无损压缩的基本原理与研究现状,对主要标准和压缩算法做了分析和总结。以无损压缩系统为框架,对视频图像压缩系统的发展及应用进行了概述,对比了主流的系统设计方法,指出了各自的优缺点。其后对图像去噪技术的发展,研究现状以及经典算法做了分析,总结和概括。2.针对SPIHT算法在图像无损压缩中计算复杂度高及对低位平面编码效率较低的现状,提出一种结合整数小波变换与改进的SPIHT无损图像压缩算法SSPIHT。利用整数小波分解后的系数分布情况,调整相应的SPIHT编码结构。结果表明,当测试不同类型的图像,所提出的方法取得的平均比特率较其他方法有所降低,编码时间有明显减小,而且该算法在较低的存储空间下可获得较好的压缩性能,易于硬件的实现。3.针对视频无损压缩编码算法中的自适应模型预测精度问题,提出了一种新的自适应无损视频压缩算法AMLVC,给出一种新的自适应预测模型设计。该算法利用时间,空间和频域的冗余信息通过后向自适应模型对视频进行无损压缩,同时减少了边界信息的传递。算法使用自适应预测模式选择器来取代额外比特预测模式,较好的控制了计算复杂度。同已有算法相比,该算法对视频序列表现出优秀的压缩性能,压缩效率明显提升。4.针对小波稀疏性能不理想的问题,提出了一种非下采样Contourlet变换（NSCT）结合高斯比例混合模型的图像降噪算法。算法基于NSCT变换,建立高斯比例混合图像模型（GSM）,根据贝叶斯估计得到去噪模型。另外结合NSCT变换改进了基于SURE准则的图像去噪算法。算法根据SURE准则建立对MSE的估计,利用线性阈值对图像分解后不同尺度、不同方向的轮廓细节自适应调节实现图像去噪。5.为解决图像重构中产生的Gibbs伪影问题,提出一种结合非下采样塔式滤波器和全变差模型的图像去噪算法。金字塔滤波器把阈值去噪后的图像分解为低频和高频子带,利用全变差模型对分解图像分别建立去噪模型,得到重构图像。其后再次结合全变差模型得到细节补偿图像,叠加后得到最终去噪图像。另提出一种结合NSCT和自适应局部全变差模型的图像去噪算法NSCT-DTV,利用自适应局部全变差模型对处理后的图像结果进行滤波,有效地去除图像中的噪声,保留图像细节。实验结果表明,以上方法均能有效去除图像中的噪声和Gibbs伪影,保留图像细节,获得更好的视觉效果和更高的PSNR值。6.针对目前对无损压缩领域中嵌入式系统的广泛需求,本文分别设计实现了一种通用型嵌入式图像无损压缩系统和一种应用于空间的图像无损压缩系统。通用型系统首先结合相关无损压缩算法,以TMS320DM642为核心处理器,可实现多种无损压缩算法,可应用于工业等多种领域。另外结合CCSDS技术,以FPGA（STRIX-II）为核心处理器,实现了可应用于空间图像无损压缩的图像处理系统。系统的主要特点有:嵌入式设计,硬件实时压缩,体积小,功耗低,可广泛应用于卫星遥感,飞行航拍等领域。
唐琳琳[7]（2010）在《基于小波变换的多描述图像编码研究》文中指出随着无线网络技术的高速发展,丢包成为威胁网络传播安全性、实时性和有效性的重大问题,如何更好的保证传输质量越来越受到人们的关注。多描述编码作为解决这一问题的有效方法,近年来得到了迅速的发展。本文着重讨论了小波变换及相关思想在多描述图像编码中的应用。被称为数学显微镜的小波分析已经被广泛的应用于各种图像视频编解码的标准中,并且在信息处理的各个领域中发挥着越来越重要的作用。本文以小波编码思想为指导主要研究了嵌入式小波编码算法,非嵌入式小波编码算法和小波与矢量量化编码方法相结合的算法在图像多描述编码中的应用。首先,在基于嵌入式小波编码的多描述技术研究中,文中充分挖掘了小波分解图像的多分辨分析特点,给出了一种基于奇偶分裂和残差信息重组的新型多描述组成框架,结合集分割分级树的嵌入式小波编码算法,形成了新型的小波嵌入式多描述编码方案。此外,基于对小波分解图像能量分布特征的研究,给出了两种基于离散余弦变换图像系数重组的嵌入式多描述编码方法。其一是基于离散余弦变换系数重组后结构上近似于小波三层分解的图像,利用现有的嵌入式小波编码算法形成码流;其二是对能量分布接近小波图像但结构上有一定差异的重建图像,针对性的提出一种新的嵌入式编码方法,对重建图像作用形成码流。随后仿真实验中的优良表现充分显示出这两种方法的有效性。由于出发思想和编码原理都源于小波,可以将这两种方法统称为嵌入式“伪小波”编码算法,对应形成的多描述框架归入基于嵌入式小波编码方案。其次,构造了基于非嵌入式小波压缩编码算法的多描述方案,提出了基于时频量化编码算法的多描述编码算法。针对时频量化算法中零树量化和标量量化的联合优化模型以及小波分解图像的特征,本文提出了两种多描述新算法:一是基于奇偶子优化两描述算法;另一个是基于方向信息粗细量化的三描述算法,实验结果同样充分肯定了它们的优越性。最后,本文区别于以往基于矢量量化的多描述编码方案多采用网格矢量量化的做法,将小波图像和适量量化压缩编码方法相结合提出了两种多描述框架。一是基于方向性小波矢量的奇偶两描述算法;另一个是基于小波树型矢量和矢量量化“粗细码本”控制冗余的多描述编码算法。仿真实验体现出了这些算法的有效性。这两个算法的成功应用从一个侧面解决了矢量量化应用于多描述编码中的索引分配难题,也为这个方向的研究引入了一些新思路。
周嵩[8]（2009）在《小波分析在数字图像压缩中的研究》文中研究说明随着多媒体技术和因特网技术的不断发展,如何有效的组织、存储、传输和恢复图像数据,探索更有效、更高压缩比的图像编码技术,成为现在信息处理技术中关键任务之一。图像压缩编码研究和应用是目前信息技术中最为活跃的领域之一,就图像压缩编码而言,要求所选择的变换方法最好能与图像信号的特征匹配,此外还应从失真率要求、实现的复杂度以及编码比特率等多方面来综合考虑。小波变换是一种窗口大小固定不变,但其形状可改变的时频局部化分析方法。小波变换在信号的高频部分可以取得较好的时间分辨率；在信号的低频部分可以取得较好的频率分辨率,从而能有效的从信号（如语音,图像等）中提取信息。由于小波变换编码相对于传统的图像编码具有不可替代的优点,在压缩比和编码质量方面都优于DCT变换编码。本文详细研究了基于小波变换和矢量量化的静态图像压缩编码方法。首先,本文给出了图像压缩的一般概念,回顾了图像压缩技术的发展,并简要介绍了几种常用的图像压缩编码方法。然后,从信号处理的角度介绍了小波变换,并通过实验的方法研究了其在图像压缩中的应用,包括：小波基的选择、边界延拓方法以及图像小波系数的分布特点等。接下来,本文详细研究了小波树嵌入图像压缩编码算法,包括经典的嵌入零树编码（EZW）算法和在其基础上的集分割树（SPIHIT）算法。分析了嵌入式零树小波编码算法与集分割树算法的优缺点；并在其基础上针对该算法的不足提出了改进算法。利用改进后的算法对测试图像Lena进行仿真压缩实验取得了令人满意的结果。最后,在小波树的基础上,通过对矢量量化的研究,本文提出了一种基于四叉树结构新的小波树矢量量化压缩编码算法,实验证明,在较高压缩比的情况下,使用此方法得到的重构图象质量（视觉效果和峰值信噪比）比通常的小波压缩算法有了较大的提高。
许亚美[9]（2007）在《基于小波理论的图像压缩研究与实现》文中研究指明图像的数据是非常巨大的，这使得图像压缩成为必然。图像压缩中的关键技术包括对图像数据的变换、对变换数据的量化、以及对量化后数据的熵编码。近年来随着小波分析理论的发展，提出了小波图像编码，这种图像编码方法具有很好的发展前景。本文主要研究了基于小波理论的图像压缩算法。首先，介绍了静态图像编码的原理、方法及实现，介绍并讨论了基于小波分析的图像编码方法，以及几种着名的小波图像编码方法。其次，详细阐述了基于零树思想的小波变换图像压缩算法，对嵌入零树小波编码做出了深入的研究，并提出了几点相应改进，仿真实验证明了改进的有效性。然后，在上述改进的基础上，根据零树编码系数的分布特点，提出了一种新的基于改进零树小波和编码变换的图像编码算法。仿真实验证明了新算法的高效性。新算法与传统的嵌入零树小波编码算法相比，重构图像质量高，速度快，取得了令人满意的效果。嵌入式系统是以应用为中心的专用计算机系统。其以计算机技术为基础，软硬件是可剪裁的。近十几年来，嵌入式系统的发展异常迅速，其应用也越来越广泛。在网络技术的蓬勃发展下，结合网络通信技术的嵌入式系统必将成为今后人们研究的重点和热点。因此，在目前嵌入式系统相当流行的背景下，本文以基于嵌入式处理器ARM架构的图像处理专用芯片Clarity4为核心，设计开发出了一套嵌入式硬件开发平台。通过移植Necleus PLUS操作系统，载入标准图像处理软件，给出了一套完整的图像压缩嵌入式系统实现。
郑晓燕[10]（2007）在《基于小波零树的静态图像压缩算法的研究》文中研究说明在多媒体技术日益广泛的今天，图像的通信和存储占有重要的位置，数字图像包含信息量巨大的特殊性使得压缩技术成为其关键，因而探索高效图像压缩编码算法无疑将成为国际公认的热点之一。小波理论是近年发展起来的新的数学分支，因其良好的空间一频率局部特性和与人眼视觉特性相符的变换机制，成为当前图像压缩编码的主要研究方向之一，该方法是继傅立叶变换和离散余弦变换后一种新的图像压缩算法，将图像分解成与人类视觉特性相匹配的不同分辨率、不同方向特性的子带，并将能量集中于某些子带，利于编码，且对整幅图进行变换，比传统余弦变换编码有很大提高。 本文首先介绍了图像压缩编码的基本理论和JPEG静态图像压缩标准，为本文的研究方向确定了依据。 接着通过实验比较了JPEG和JPEG2000两种静态图像压缩标准。并详细研究了JPEG2000其中用到的一些核心技术，如EBCOT算法和感兴趣区域编码技术等。 其次描述了小波变换的图像压缩编码，引入了小波变换图像压缩理论基础。分析讨论了小波变换编码在图像压缩领域的优势，探讨了在图像压缩方面对小波基的评价标准，结合实际应用，选择合适的小波基进行图像编码。 然后研究了小波零树压缩编码，对零树编码思想进行了研究，结合目前比较成功的零树编码EZW和SPIHT，提出其存在的优点和不足，尝试提出改进的小波零树编码算法。该算法结合了DPCM和零树编码，并结合视觉特性对阈值进行了更正，减少视觉冗余。设计开发出小波零树图像压缩编码的软件系统，对实验结果进行分析研究，主要从客观信噪比和主观信噪比方面，从而论证所提出的改进的零树编码算法的性能优势，具有实际的应用价值。
二、一种新的小波零树量化编码方法（论文开题报告）
（1）论文研究背景及目的
此处内容要求：
首先简单简介论文所研究问题的基本概念和背景，再而简单明了地指出论文所要研究解决的具体问题，并提出你的论文准备的观点或解决方法。
写法范例：
本文主要提出一款精简64位RISC处理器存储管理单元结构并详细分析其设计过程。在该MMU结构中,TLB采用叁个分离的TLB,TLB采用基于内容查找的相联存储器并行查找,支持粗粒度为64KB和细粒度为4KB两种页面大小,采用多级分层页表结构映射地址空间,并详细论述了四级页表转换过程,TLB结构组织等。该MMU结构将作为该处理器存储系统实现的一个重要组成部分。
（2）本文研究方法
调查法：该方法是有目的、有系统的搜集有关研究对象的具体信息。
观察法：用自己的感官和辅助工具直接观察研究对象从而得到有关信息。
实验法：通过主支变革、控制研究对象来发现与确认事物间的因果关系。
文献研究法：通过调查文献来获得资料，从而全面的、正确的了解掌握研究方法。
实证研究法：依据现有的科学理论和实践的需要提出设计。
定性分析法：对研究对象进行“质”的方面的研究，这个方法需要计算的数据较少。
定量分析法：通过具体的数字，使人们对研究对象的认识进一步精确化。
跨学科研究法：运用多学科的理论、方法和成果从整体上对某一课题进行研究。
功能分析法：这是社会科学用来分析社会现象的一种方法，从某一功能出发研究多个方面的影响。
模拟法：通过创设一个与原型相似的模型来间接研究原型某种特性的一种形容方法。
三、一种新的小波零树量化编码方法（论文提纲范文）
（1）基于小波变换的图像压缩算法在远程医学中的应用研究（论文提纲范文）
| 摘要 |
| Abstract |
| 第一章 绪论 |
| 1.1 研究背景与意义 |
| 1.2 小波变换图像压缩算法的研究现状 |
| 1.3 感兴趣区域编码思想 |
| 1.4 论文的主要内容 |
| 第二章 医学图像的数据压缩 |
| 2.1 医学图像数据压缩的概念 |
| 2.2 医学图像数据压缩的可行性与必要性 |
| 2.3 医学图像压缩的基本步骤 |
| 2.4 医学图像压缩编码方法分类 |
| 2.5 医学图像压缩方法的评价准则 |
| 2.6 本章小结 |
| 第三章 小波变换医学图像压缩 |
| 3.1 小波变换的基本原理 |
| 3.2 小波变换 |
| 3.2.1 小波定义 |
| 3.2.2 小波变换 |
| 3.2.3 连续小波变换 |
| 3.2.4 离散小波变换 |
| 3.3 小波变换图像压缩编码 |
| 3.3.1 基于小波变换的图像压缩过程 |
| 3.3.2 一维信号的分解 |
| 3.3.3 一维信号的重构 |
| 3.3.4 二维信号的分解与重构 |
| 3.4 小波基的选择 |
| 3.5 小波变换的优越性 |
| 3.6 本章小结 |
| 第四章 嵌入式小波编码算法 |
| 4.1 EZW编码算法 |
| 4.1.1 算法原理 |
| 4.1.2 零树预测 |
| 4.1.3 有效值映射 |
| 4.1.4 逐次逼近的嵌入式编码 |
| 4.1.5 EZW的具体步骤 |
| 4.1.6 EZW算法分析 |
| 4.2 SPIHT算法 |
| 4.2.1 SPIHT编码算法原理 |
| 4.2.2 SPIHT编码算法描述 |
| 4.2.3 SPIHT算法的不足 |
| 4.3 改进SPIHT算法 |
| 4.3.1 改进初始化算法 |
| 4.3.2 改进重要性判断 |
| 4.3.3 改进系数符号编码 |
| 4.3.4 综合改进算法 |
| 4.3.5 仿真结果分析 |
| 4.4 本章小结 |
| 第五章 基于ROI医学图像压缩算法 |
| 5.1 ROI医学图像压缩方法概述 |
| 5.1.1 ROI医学图像压缩现状 |
| 5.1.2 ROI医学图像压缩原理介绍 |
| 5.2 形状自适应ROI医学图像无损压缩方法 |
| 5.2.1 ROI形状信息的提取 |
| 5.2.2 形状自适应整数小波变换 |
| 5.2.3 形状自适应整数小波变换系数的编码 |
| 5.2.4 ROI形状信息的表示 |
| 5.2.5 仿真结果分析 |
| 5.3 本章小结 |
| 第六章 图像压缩算法在实际远程医学平台的验证 |
| 6.1 远程医学平台中的医学影像上传 |
| 6.2 仿真结果与实际医学平台传输速率分析 |
| 6.3 本章小结 |
| 第七章 结论与展望 |
| 7.1 论文主要研究内容 |
| 7.2 下一步工作 |
| 参考文献 |
| 申硕期间的主要成果 |
| 附录 |
| 致谢 |
（2）面向城市交通的智能图像处理关键技术研究（论文提纲范文）
| 摘要 |
| Abstract |
| 第1章 引言 |
| 1.1 研究背景及意义 |
| 1.2 问题的提出 |
| 1.3 本文的主要内容 |
| 1.4 本文的组织结构 |
| 第2章 相关基础理论与技术 |
| 2.1 压缩感知理论基础 |
| 2.2 基于滤波的图像去噪 |
| 2.3 小波变换 |
| 2.4 小波变换图像的实现 |
| 2.5 图像自适应传输策略 |
| 2.6 图像编码策略 |
| 2.7 基于像素的图像合成机制 |
| 2.8 图像的特征提取 |
| 2.9 本章小结 |
| 第3章 压缩感知图像采集与智能去噪新方法 |
| 3.1 物联网压缩感知图像采集方法分析 |
| 3.2 压缩感知图像采集新方法 |
| 3.2.1 压缩感知图像采集的基本原理 |
| 3.2.2 压缩感知图像采集的新方法 |
| 3.3 智能图像去噪技术简介 |
| 3.4 图像智能去噪基本策略 |
| 3.5 噪声去除过程中的自适应非线性收缩函数的设计 |
| 3.6 噪声去除过程中的模积设计 |
| 3.7 基于压缩感知技术的新图像智能去噪方法 |
| 3.8 实验结果 |
| 3.9 本章小结 |
| 第4章 基于自适应传输的图像编码新方法 |
| 4.1 图像自适应传输方法分析 |
| 4.2 图像自适应传输策略的设计 |
| 4.2.1 相关定义 |
| 4.2.2 新方法的原理 |
| 4.2.3 图像自适应传输策略的设计 |
| 4.3 图像智能编码的基本原理 |
| 4.4 图像编码的基本原理 |
| 4.5 图像智能编码新方法 |
| 4.5.1 图像智能编码的主体操作方法 |
| 4.5.2 图像智能编码的主要步骤 |
| 4.5.3 图像智能编码的详细搜索匹配算法 |
| 4.6 实验测试与结果分析 |
| 4.6.1 编码后相关参数的实验结果对比 |
| 4.6.2 编码后自适应传输效果对比 |
| 4.7 本章小结 |
| 第5章 基于模糊神经网络学习策略的图像合成新方法 |
| 5.1 图像合成方法分析 |
| 5.2 基于模糊神经网络的学习策略 |
| 5.2.1 基本原理 |
| 5.2.2 基于模糊神经网络的学习新方法 |
| 5.3 图像合成新方法的设计与实现 |
| 5.3.1 图像合成过程与步骤 |
| 5.3.2 基于模糊神经网络学习机制的图像合成新算法 |
| 5.4 实验结果 |
| 5.4.1 图像合成实验 |
| 5.4.2 图像合成算法对比 |
| 5.5 本章小结 |
| 第6章 城市交通量动态采集应用场景验证与分析 |
| 6.1 测试案例背景 |
| 6.1.1 营口道路交通概况 |
| 6.1.2 营口市交通指挥控制系统 |
| 6.2 营口市交通量动态采集系统应用场景验证案例 |
| 6.2.1 验证系统组成与功能 |
| 6.2.2 系统部署方案 |
| 6.3 验证步骤和方法 |
| 6.3.1 准备阶段 |
| 6.3.2 单项功能验证阶段 |
| 6.3.3 整体验证阶段 |
| 6.4 验证分析 |
| 6.5 本章小结 |
| 第7章 总结与展望 |
| 7.1 研究工作总结 |
| 7.2 分析与展望 |
| 参考文献 |
| 发表论文和科研情况说明 |
| 致谢 |
（3）波原子变换域地震信号重建、去噪与压缩研究（论文提纲范文）
| 摘要 |
| ABSTRACT |
| 第一章 绪论 |
| 1.1 研究背景及意义 |
| 1.2 国内外研究现状及发展趋势 |
| 1.2.1 地震信号重建国内外研究现状 |
| 1.2.2 地震信号重建发展趋势 |
| 1.2.3 地震信号去噪国内外研究现状 |
| 1.2.4 地震信号去噪发展趋势 |
| 1.2.5 地震信号压缩国内外研究现状 |
| 1.2.6 地震信号压缩发展趋势 |
| 1.3 本文主要研究内容及结构安排 |
| 1.3.1 主要研究内容 |
| 1.3.2 全文结构安排 |
| 第二章 地震信号稀疏表示以及波原子变换理论 |
| 2.1 地震信号的稀疏表示 |
| 2.2 波原子变换理论简述 |
| 2.2.1 与波原子变换相关的几个概念 |
| 2.2.2 波原子定义 |
| 2.2.3 波原子构造及系数求解 |
| 2.3 本章小结 |
| 第三章 基于波原子变换的三维地震信号BCR迭代重建 |
| 3.1 引言 |
| 3.2 缺失地震信号重建模型 |
| 3.3 三维地震信号BCR迭代重建 |
| 3.3.1 三维BCR迭代重建 |
| 3.3.2 循环平移技术讨论 |
| 3.4 三维地震信号重建实验结果及分析 |
| 3.4.1 合成三维地震信号重建 |
| 3.4.2 实际三维地震信号重建 |
| 3.5 本章小结 |
| 第四章 波原子变换域三维地震信号盲去噪 |
| 4.1 引言 |
| 4.2 基于块的地震信号噪声估计 |
| 4.2.1 基于PCA的噪声估计 |
| 4.2.2 低秩信号块选择 |
| 4.2.3 噪声估计迭代过程 |
| 4.3 波原子变换域三维地震信号盲去噪过程 |
| 4.3.1 总体去噪流程 |
| 4.3.2 地震信号循环平移 |
| 4.3.3 阈值选取及修正 |
| 4.3.4 阈值函数构造 |
| 4.4 三维地震信号盲去噪实验结果与分析 |
| 4.4.1 去噪处理过程前后性能对比 |
| 4.4.2 合成三维地震信号去噪 |
| 4.4.3 实际三维地震信号去噪 |
| 4.5 本章小结 |
| 第五章 基于嵌入式零树波原子的地震信号压缩 |
| 5.1 引言 |
| 5.2 嵌入式零树波原子压缩原理 |
| 5.3 地震信号压缩实验结果及分析 |
| 5.3.1 Marmousi理论模型地震信号压缩 |
| 5.3.2 实际海上叠前地震信号压缩 |
| 5.3.3 实际陆上叠后地震信号压缩 |
| 5.4 本章小结 |
| 第六章 结论 |
| 6.1 总结 |
| 6.2 展望 |
| 参考文献 |
| 攻读学位期间所取得的相关科研成果 |
| 致谢 |
（4）基于小波分析的静态图像压缩编码方法的研究（论文提纲范文）
| 摘要 |
| ABSTRACT |
| 1 绪论 |
| 1.1 研究背景和意义 |
| 1.2 小波图像压缩编码研究现状 |
| 1.3 本文主要工作及内容 |
| 2 图像压缩编码理论概述 |
| 2.1 图像压编编码的基本原理 |
| 2.2 图像压缩编码的必要性 |
| 2.3 图像压缩编码的可能性 |
| 2.4 图像压缩编码的分类 |
| 2.4.1 无损压缩 |
| 2.4.2 有损压缩 |
| 2.5 图像编码的质量评价标准和方法 |
| 3 小波分析理论 |
| 3.1 小波分析发展历史 |
| 3.2 小波变换的基本理论 |
| 3.3 连续小波变换 |
| 3.4 离散小波变换 |
| 3.5 多分辨分析（MRA） |
| 3.6 塔式算法 |
| 3.7 二维小波变换与二维多分辨分析 |
| 3.8 数字图像的多分辨率分解与重构 |
| 4 小波图像编码及其相关问题的研究 |
| 4.1 图像的小波变换压缩 |
| 4.2 嵌入式小波零树编码算法 |
| 4.2.1 算法原理 |
| 4.2.2 算法举例 |
| 4.3 小波分解层数 |
| 4.3.1 分解层数分析 |
| 4.3.2 实验结果及分析 |
| 4.4 最优小波基的选取 |
| 4.4.1 常用小波基 |
| 4.4.2 最优小波基的选取 |
| 4.4.3 不同小波基实验结果 |
| 4.5 基于多重小波变换的图像压缩 |
| 4.5.1 多重小波变换的原理 |
| 4.5.2 多重小波变换压缩实验结果 |
| 5 一种新的小波零树编码 |
| 5.1 嵌入式零树小波编码的缺陷和不足 |
| 5.2 图像平滑原理 |
| 5.3 平滑预处理技术 |
| 5.3.1 平滑模板预处理 |
| 5.3.2 实验结果及分析 |
| 5.4 一种新的嵌入式零树编码算法 |
| 5.4.1 对低频子带进行DPCM 单独编码 |
| 5.4.2 高频采用独立零树编码 |
| 5.5 结合预处理的新的嵌入式零树编码算法 |
| 5.6 本章小结 |
| 6 结论 |
| 6.1 总结 |
| 6.2 对未来工作的展望 |
| 致谢 |
| 参考文献 |
| 附录 |
（5）低码率图像编码与降噪算法研究（论文提纲范文）
| 摘要 |
| Abstract |
| 1 绪论 |
| 1.1 论文的研究目的及意义 |
| 1.2 国内外研究现状 |
| 1.3 本文的研究内容 |
| 2 数字图像稀疏分解及量化编码 |
| 2.1 数字图像稀疏分解 |
| 2.2 量化编码 |
| 2.3 图像压缩质量的评价 |
| 2.4 本章小结 |
| 3 基于零子带的嵌入式低码率图像编码算法 |
| 3.1 变换系数扫描策略及零树编码理论 |
| 3.2 基于零子带的嵌入式编码 |
| 3.3 实验结果与分析 |
| 3.4 本章小结 |
| 4 基于ROI的嵌入式低码率编码算法 |
| 4.1 基于规则形状的嵌入式ROI低码率编码算法 |
| 4.2 基于不规则形状的嵌入式ROI低码率编码算法 |
| 4.3 本章小结 |
| 5 基于Contourlet变换的小波域HMT去噪算法 |
| 5.1 小波域隐马尔科夫树模型 |
| 5.2 Contourlet变换原理 |
| 5.3 基于Contourlet变换的改进去噪算法 |
| 5.4 测试与结果分析 |
| 5.5 本章小结 |
| 6 总结与展望 |
| 6.1 论文工作总结 |
| 6.2 今后工作展望 |
| 致谢 |
| 参考文献 |
| 附录1 攻读博士学位期间发表的学术论文 |
| 附录2 发表的学术论文与博士学位论文的关系 |
| 附录3 攻读学位期间所从事的科研项目 |
（6）图像无损压缩及去噪技术研究（论文提纲范文）
| 摘要 |
| Abstract |
| 第一章 绪论 |
| 1.1 概述 |
| 1.2 图像无损压缩技术的研究现状 |
| 1.2.1 图像无损压缩技术的发展与现状 |
| 1.2.2 视频无损压缩技术的发展与现状 |
| 1.2.3 图像压缩系统的研究现状 |
| 1.3 图像去噪技术的研究现状 |
| 1.3.1 传统的图像去噪方法 |
| 1.3.2 小波域图像去噪方法 |
| 1.3.3 多尺度图像去噪方法 |
| 1.3.4 偏微分方程图像去噪方法 |
| 1.4 论文主要工作及章节安排 |
| 参考文献 |
| 第二章 基于快速SPIHT 算法的图像无损压缩技术研究 |
| 2.1 引言 |
| 2.2 无损压缩国际标准分析 |
| 2.2.1 JBIG 标准 |
| 2.2.2 JPEG 标准 |
| 2.2.3 JPEG-LS 标准 |
| 2.2.4 JPEG2000 标准 |
| 2.2.5 HDPhoto 标准 |
| 2.3 编码方式 |
| 2.3.1 EZW 编码 |
| 2.3.2 SPIHT 编码 |
| 2.3.3 SPECK 编码 |
| 2.3.4 EBCOT 编码 |
| 2.4 基于整数小波的快速SPIHT 无损压缩算法SSPIHT |
| 2.4.1 整数小波变换 |
| 2.4.2 快速SPIHT 编码SSPIHT |
| 2.4.3 实验结果和分析 |
| 2.5 本章小结 |
| 参考文献 |
| 第三章 基于自适应模板的视频无损压缩技术研究 |
| 3.1 引言 |
| 3.2 无损视频压缩的基本编码框架 |
| 3.3 无损视频压缩的关键技术 |
| 3.3.1 预测编码 |
| 3.3.2 变换编码 |
| 3.3.3 运动估计和补偿 |
| 3.3.4 熵编码 |
| 3.4 一种新的自适应无损视频压缩算法AMLVC |
| 3.4.1 空域去冗余 |
| 3.4.2 时域去冗余 |
| 3.4.3 自适应预测模型 |
| 3.4.4 实验结果和分析 |
| 3.5 本章小结 |
| 参考文献 |
| 第四章 基于多尺度几何分析的图像去噪技术研究 |
| 4.1 引言 |
| 4.2 经典图像去噪算法 |
| 4.2.1 小波阈值去噪算法 |
| 4.2.2 小波比例萎缩去噪 |
| 4.2.3 小波相关性去噪 |
| 4.3 基于NSCT 的图像去噪模型 |
| 4.3.1 NSCT 变换原理 |
| 4.3.2 高斯比例混合模型 |
| 4.3.3 基于高斯比例混合模型的噪声估计 |
| 4.3.4 算法描述 |
| 4.3.5 实验结果与分析 |
| 4.4 基于NSCT 的自适应图像去噪方法 |
| 4.4.1 基于SURE 准则的MSE 估计 |
| 4.4.2 基于图像尺度和方向特性的自适应阈值 |
| 4.4.3 算法描述 |
| 4.4.4 实验结果与分析 |
| 4.5 本章小结 |
| 参考文献 |
| 第五章 结合全变差的图像去噪技术研究 |
| 5.1 引言 |
| 5.2 偏微分方程在图像降噪中的应用 |
| 5.2.1 Perona-Malik 模型 |
| 5.2.2 各项异性扩散模型 |
| 5.2.3 复扩散模型 |
| 5.2.4 优点及面临的问题 |
| 5.3 小波和偏微分方程的联系 |
| 5.4 一种新的结合全变差模型去噪方法 |
| 5.4.1 全变差模型 |
| 5.4.2 结合全变差模型消除Gibbs 伪影 |
| 5.4.3 实验结果与分析 |
| 5.5 结合NSCT 与自适应全变差的图像去噪方法NSCT-DTV |
| 5.5.1 高斯比例混合模型 |
| 5.5.2 自适应全变差模型 |
| 5.5.3 结合自适应全变差去噪 |
| 5.5.4 实验结果与分析 |
| 5.6 本章小结 |
| 参考文献 |
| 第六章 嵌入式图像无损压缩系统设计及实现 |
| 6.1 引言 |
| 6.2 通用无损压缩硬件单元实现 |
| 6.2.1 压缩单元的硬件设计 |
| 6.2.2 压缩单元的软件框架 |
| 6.3 优化与实现 |
| 6.3.1 算法的DSP 系统平台移植 |
| 6.3.1.1 去除冗余代码 |
| 6.3.1.2 修改函数和变量 |
| 6.3.1.3 编译选项和连接命令 |
| 6.3.2 DSP 系统优化技术 |
| 6.3.2.1 EDMA 传输数据 |
| 6.3.2.2 软件流水技术 |
| 6.3.2.3 数据类型的选择 |
| 6.3.2.4 处理链优化 |
| 6.3.2.5 避免冲突读miss |
| 6.3.2.6 系统自带库函数优化 |
| 6.3.3 实验结果和分析 |
| 6.4 空间图像无损压缩系统设计及实现 |
| 6.4.1 CCSDS |
| 6.4.1.1 预处理 |
| 6.4.1.2 离散小波变换 |
| 6.4.1.3 量化与编码 |
| 6.4.1.4 位平面编码 |
| 6.4.1.5 熵编码 |
| 6.4.2 压缩单元的设计 |
| 6.4.2.1 硬件系统核心模块设计 |
| 6.4.2.2 外部接口模块 |
| 6.4.2.3 无损压缩系统架构设计 |
| 6.4.2.4 二维小波变换的FPGA 设计 |
| 6.4.2.5 位平面编码结构设计 |
| 6.5 实验结果和分析 |
| 6.6 本章小结 |
| 参考文献 |
| 第七章 总结与展望 |
| 7.1 研究工作总结 |
| 7.2 研究展望 |
| 致谢 |
| 博士在读期间的研究成果 |
（7）基于小波变换的多描述图像编码研究（论文提纲范文）
| 摘要 |
| Abstract |
| 第1章 绪论 |
| 1.1 课题背景及研究目的和意义 |
| 1.2 多描述编码研究现状 |
| 1.2.1 基于量化的多描述编码方法 |
| 1.2.2 基于变换的多描述编码方法 |
| 1.2.3 基于框架扩展的多描述编码方法 |
| 1.2.4 基于FEC 的多描述编码方法 |
| 1.3 小波在多描述编码中的研究现状 |
| 第2章 小波分析基本理论 |
| 2.1 引言 |
| 2.2 小波变换基本理论 |
| 2.2.1 连续小波变换 |
| 2.2.2 离散小波变换 |
| 2.3 小波与多分辨分析 |
| 2.4 小波及其分解图像主要特征 |
| 2.4.1 小波基本特性 |
| 2.4.2 小波图像特性 |
| 2.5 本章小结 |
| 第3章 嵌入式小波多描述编码 |
| 3.1 引言 |
| 3.2 嵌入式小波编码算法 |
| 3.2.1 EZW 编码算法 |
| 3.2.2 SPIHT 编码算法 |
| 3.3 基于奇偶预测与残差信息重组的SPIHT 多描述编码框架 |
| 3.3.1 算法描述 |
| 3.3.2 仿真实验 |
| 3.4 基于DCT 系数能量重分配的SPIHT 多描述编码框架 |
| 3.4.1 基于三层小波分解结构DCT 图像的三描述算法 |
| 3.4.2 仿真实验 |
| 3.4.3 基于DCT-SPIHT 新型嵌入式编码算法的三描述算法 |
| 3.4.4 仿真实验 |
| 3.5 本章小结 |
| 第4章 非嵌入式小波多描述编码 |
| 4.1 引言 |
| 4.2 非嵌入式小波编码算法 |
| 4.2.1 SFQ 空频量化编码算法 |
| 4.2.2 FSSQ 空频量化编码算法 |
| 4.3 基于SFQ 的多描述编码框架 |
| 4.3.1 奇偶预测两描述SFQ 算法 |
| 4.3.2 方向信息块SFQ 三描述算法 |
| 4.4 本章小结 |
| 第5章 小波矢量量化多描述编码 |
| 5.1 引言 |
| 5.2 小波矢量量化编码算法 |
| 5.2.1 矢量量化基本原理 |
| 5.2.2 基于小波的矢量量化编码算法 |
| 5.3 小波块型矢量量化多描述编码框架 |
| 5.3.1 算法描述 |
| 5.3.2 仿真实验 |
| 5.4 小波树型矢量量化多描述编码框架 |
| 5.4.1 算法描述 |
| 5.4.2 仿真实验 |
| 5.5 本章小结 |
| 结论 |
| 附录 |
| 参考文献 |
| 攻读学位期间发表的学术论文 |
| 致谢 |
| 个人简历 |
（8）小波分析在数字图像压缩中的研究（论文提纲范文）
| 摘要 |
| ABSTRACT |
| 第一章 绪论 |
| 1.1 图像数据压缩的必要性 |
| 1.2 图像压缩编码的研究进展 |
| 1.3 本课题的研究背景 |
| 1.4 本文所做的具体工作及研究方法概述 |
| 1.5 本文的结构 |
| 第二章 图像压缩编码技术概述 |
| 2.1 图像压缩的原理 |
| 2.1.1 图像压缩的基础 |
| 2.1.2 图像压缩的基本方法与分类 |
| 2.1.3 图像压缩的基本过程 |
| 2.2 图像压缩编码方法 |
| 2.2.1 传统图像压缩编码技术 |
| 2.2.1.1 熵编码 |
| 2.2.1.2 矢量量化编码 |
| 2.2.1.3 预测编码 |
| 2.2.1.4 变换编码 |
| 2.2.2 现代图像编码技术 |
| 2.2.2.1 子带编码(SBC) |
| 2.2.2.2 分形编码(Fractal Coding) |
| 2.2.2.3 模型编码(Model-based Coding) |
| 2.2.2.4 小波变换编码(Wavelet Coding) |
| 2.3 图像压缩系统的性能评价及静态图像压缩的国际标准 |
| 2.3.1 图像压缩系统的性能评价 |
| 2.3.2 静态图像压缩的国际标准 |
| 2.4 本章小结 |
| 第三章 小波分析理论及在图像压缩中的应用 |
| 3.1 概述 |
| 3.2 小波分析的基本理论 |
| 3.2.1 从傅立叶变换到小波变换 |
| 3.2.2 连续小波变换(CWT) |
| 3.2.3 离散小波变换(DWT) |
| 3.2.4 小波变换的多分辨率分析 |
| 3.2.5 快速小波变换Mallat算法 |
| 3.2.6 正交与双正交小波变换 |
| 3.3 小波变换图像压缩编码基本思想 |
| 3.3.1 图像的小波分解 |
| 3.3.2 系数统计分析 |
| 3.3.3 图像小波变换的系数特点 |
| 3.3.4 小波变换图像压缩编码的基本步骤 |
| 3.3.5 小波基的选取 |
| 3.3.6 边界延拓 |
| 3.3.7 小波变换的级数 |
| 3.3.8 小波变换用于图像压缩的优势 |
| 3.4 本章小结 |
| 第四章 零树编码 |
| 4.1 嵌入式零树小波编码算法(EZW) |
| 4.1.1 小波零树的概念 |
| 4.1.2 小波零树结构的特点 |
| 4.1.3 小波零树编码的扫描方式 |
| 4.1.4 零树量化及实现过程 |
| 4.1.5 嵌入式零树小波编码的基本步骤 |
| 4.1.6 对低频子图进行单独处理 |
| 4.1.7 小波零树编码的优点 |
| 4.1.8 算法的实现 |
| 4.2 用MATLAB结合C来实现EZW编码 |
| 4.2.1 Matlab下调用C程序 |
| 4.2.2 Matlab编译与接口 |
| 4.2.3 MEX调用EZW的实现 |
| 4.2.4 EZW仿真结果与分析 |
| 4.3 对EZW算法的改进 |
| 4.3.1 EZW算法的不足 |
| 4.3.2 算法的改进 |
| 4.3.2.1 取消级间排序步骤 |
| 4.3.2.2 低频子带单独编码 |
| 4.3.2.3 选取整数平方量化阈值代替2的整数次幂 |
| 4.3.3 算法试验结果 |
| 4.4 多级树集合分裂算法SPIHIT |
| 4.4.1 SPIHIT算法的定义 |
| 4.4.2 SPIHIT算法流程 |
| 4.4.3 SPIHIT算法分析 |
| 4.5 对SPIHIT算法的改进 |
| 4.5.1 多阈值编码 |
| 4.5.2 节点位置反馈法在SPIHIT中的应用 |
| 4.5.3 实例说明 |
| 4.5.4 实验结果 |
| 4.6 本章小结 |
| 第五章 基于小波矢量量化图像压缩编码算法 |
| 5.1 矢量量化编码理论 |
| 5.2 LBG算法 |
| 5.3 利用约束矩阵进行小波图像压缩编码 |
| 5.4 一种改进的基于小波剪枝树矢量量化 |
| 5.4.1 小波树结构和压缩的关键问题 |
| 5.4.2 本文算法流程 |
| 5.4.3 算法试验数据结果 |
| 5.5 本章小结 |
| 总结与展望 |
| 致谢 |
| 参考文献 |
| 附录 |
（9）基于小波理论的图像压缩研究与实现（论文提纲范文）
| 摘要 |
| ABSTRACT |
| 1 绪论 |
| 1.1 论文的研究背景 |
| 1.2 本文的主要工作 |
| 1.3 本文的组织结构 |
| 2 数字图像压缩 |
| 2.1 数字图像压缩的原理 |
| 2.1.1 图像的特性和压缩的可能性 |
| 2.1.2 图像压缩的基本方法 |
| 2.1.3 图像压缩的基本过程 |
| 2.2 图像编码方法 |
| 2.2.1 经典图像编码 |
| 2.2.2 现代图像编码 |
| 2.3 图像编码性能评价及国际标准 |
| 2.3.1 图像压缩编码性能的评价 |
| 2.3.2 图像压缩的若干国际标准 |
| 3 基于小波理论的图像压缩 |
| 3.1 小波分析的基本理论 |
| 3.1.1 从傅立叶变换到小波变换 |
| 3.1.2 连续小波变换(CWT)和离散小波变换(DWT) |
| 3.1.3 小波变换的多分辨率分析 |
| 3.1.4 快速小波变换Mallat算法 |
| 3.2 小波图像编码的基本思想 |
| 3.2.1 图像的小波分解 |
| 3.2.2 小波变换实现图像压缩的步骤 |
| 3.2.3 小波基的选取 |
| 3.2.4 小波变换用于图像压缩的优势 |
| 3.3 几种小波图像编码算法 |
| 3.3.1 嵌入零树小波编码(EZW) |
| 3.3.2 多级树集合分割编码(SPIHT) |
| 3.3.3 集合分裂嵌入块编码(SPECK) |
| 3.3.4 最佳截断嵌入块编码(EBCOT) |
| 4 嵌入零树小波图像压缩算法 |
| 4.1 嵌入零树小波算法 |
| 4.1.1 零树数据结构的提出 |
| 4.1.2 小波零树的定义 |
| 4.1.3 零树小波算法描述 |
| 4.2 零树小波编码的优点和不足 |
| 4.2.1 零树小波编码的优点 |
| 4.2.2 零树小波编码的不足 |
| 4.3 对嵌入零树小波算法提出的改进 |
| 4.3.1 扩展零树符号集 |
| 4.3.2 对零树根的特殊扫描机制 |
| 4.3.3 取消对显着系数的排序 |
| 4.4 改进算法的描述和效果分析 |
| 4.4.1 改进算法的描述 |
| 4.4.2 一个简单的编码实例 |
| 4.4.3 实验结果与分析 |
| 5 一种基于零树小波和编码变换的图像压缩算法 |
| 5.1 基于子带概率统计特性的编码变换 |
| 5.1.1 零树小波编码的子带统计特性 |
| 5.1.2 编码变换的描述 |
| 5.2 基于零树小波和编码变换的图像压缩 |
| 5.3 仿真实验结果与结论 |
| 6 图像压缩算法在ARM上的实现 |
| 6.1 ARM嵌入式处理器基础 |
| 6.1.1 ARM嵌入式微处理器 |
| 6.1.2 ARM应用的程序设计 |
| 6.1.3 ARM嵌入式集成开发环境 |
| 6.2 图像压缩ARM实现的硬件设计 |
| 6.2.1 Clarity4芯片结构 |
| 6.2.2 系统硬件平台 |
| 6.3 图像压缩ARM实现的软件设计 |
| 6.3.1 操作系统NucleusPLUS |
| 6.3.2 NecleusPLUS的移植 |
| 6.3.3 JPEG2000的软件实现 |
| 7 总结与展望 |
| 参考文献 |
| 致谢 |
（10）基于小波零树的静态图像压缩算法的研究（论文提纲范文）
| 摘要 |
| Abstract |
| 第一章 绪论 |
| 1.1 图像压缩的意义 |
| 1.2 小波变换的国内外研究现状 |
| 1.3 数据图像压缩的目的 |
| 1.4 论文的主要研究内容 |
| 第2章 图像压缩编码理论概述 |
| 2.1 图像压缩的可能性 |
| 2.1.1 信息量的定义 |
| 2.1.2 图像压缩的可能性 |
| 2.2 图像压缩编码的基本算法 |
| 2.2.1 统计编码 |
| 2.2.2 预测编码 |
| 2.2.3 变换编码 |
| 2.2.4 混合编码 |
| 2.3 图像质量评价 |
| 2.3.1 客观图像质量评价 |
| 2.3.2 主观图像质量评价 |
| 2.4 本章小结 |
| 第3章 JPEG标准概述 |
| 3.1 JPEG算法概要 |
| 3.2 JPEG标准的主要实现步骤 |
| 3.3 JPEG标准局限性的研究 |
| 第4章 JPEG2000图像压缩研究 |
| 4.1 JPEG2000的新特征及其应用领域 |
| 4.2 JPEG2000的基本框架和实现 |
| 4.3 JPEG2000中的核心算法 |
| 4.3.1 编码块 |
| 4.3.2 质量层 |
| 4.3.3 位平面的编码过程 |
| 4.4 感兴趣区域编码 |
| 4.4.1 一般位移法和最大位移法 |
| 4.4.2 位平面逐次移位法 |
| 4.5 JPEG2000标准的应用 |
| 4.6 本章小结 |
| 第5章 小波变换的图像编码 |
| 5.1 小波变换理论基础 |
| 5.1.1 小波的来源与含义 |
| 5.1.2 小波变换简介 |
| 5.2 小波变换编码 |
| 5.2.1 编码流程 |
| 5.2.2 关键技术 |
| 第6章 小波零树压缩编码 |
| 6.1 零树结构 |
| 6.2 小波零树经典压缩编码 |
| 6.2.1 EZW算法 |
| 6.2.2 SPIHT算法 |
| 6.3 改进的小波零树算法 |
| 6.3.1 改进方案 |
| 6.3.2 具体实现 |
| 6.3.3 实验结果及分析 |
| 结论 |
| 参考文献 |
| 攻读学位期间公开发表论文 |
| 致谢 |
| 研究生履历 |
四、一种新的小波零树量化编码方法（论文参考文献）
- [1]基于小波变换的图像压缩算法在远程医学中的应用研究[D]. 张霞. 山东师范大学, 2019(02)
- [2]面向城市交通的智能图像处理关键技术研究[D]. 谢元芒. 东北大学, 2019(01)
- [3]波原子变换域地震信号重建、去噪与压缩研究[D]. 何峰. 河北工业大学, 2018(07)
- [4]基于小波分析的静态图像压缩编码方法的研究[D]. 余航. 西安科技大学, 2010(05)
- [5]低码率图像编码与降噪算法研究[D]. 王文涛. 华中科技大学, 2010(11)
- [6]图像无损压缩及去噪技术研究[D]. 武晓玥. 西安电子科技大学, 2010(10)
- [7]基于小波变换的多描述图像编码研究[D]. 唐琳琳. 哈尔滨工业大学, 2010(04)
- [8]小波分析在数字图像压缩中的研究[D]. 周嵩. 贵州大学, 2009(S1)
- [9]基于小波理论的图像压缩研究与实现[D]. 许亚美. 兰州大学, 2007(04)
- [10]基于小波零树的静态图像压缩算法的研究[D]. 郑晓燕. 大连海事大学, 2007(01)