當前位置:首頁 » 操作系統 » ezw演算法

ezw演算法

發布時間: 2022-12-07 02:28:00

① 圖像壓縮編碼論文

數字圖像壓縮技術的研究及進展

摘要:數字圖像壓縮技術對於數字圖像信息在網路上實現快速傳輸和實時處理具有重要的意義。本文介紹了當前幾種最為重要的圖像壓縮演算法:JPEG、JPEG2000、分形圖像壓縮和小波變換圖像壓縮,總結了它們的優缺點及發展前景。然後簡介了任意形狀可視對象編碼演算法的研究現狀,並指出此演算法是一種產生高壓縮比的圖像壓縮演算法。關鍵詞:JPEG;JPEG2000;分形圖像壓縮;小波變換;任意形狀可視對象編碼一 引 言 隨著多媒體技術和通訊技術的不斷發展,多媒體娛樂、信息高速公路等不斷對信息數據的存儲和傳輸提出了更高的要求,也給現有的有限帶寬以嚴峻的考驗,特別是具有龐大數據量的數字圖像通信,更難以傳輸和存儲,極大地制約了圖像通信的發展,因此圖像壓縮技術受到了越來越多的關注。圖像壓縮的目的就是把原來較大的圖像用盡量少的位元組表示和傳輸,並且要求復原圖像有較好的質量。利用圖像壓縮,可以減輕圖像存儲和傳輸的負擔,使圖像在網路上實現快速傳輸和實時處理。 圖像壓縮編碼技術可以追溯到1948年提出的電視信號數字化,到今天已經有50多年的歷史了[1]。在此期間出現了很多種圖像壓縮編碼方法,特別是到了80年代後期以後,由於小波變換理論,分形理論,人工神經網路理論,視覺模擬理論的建立,圖像壓縮技術得到了前所未有的發展,其中分形圖像壓縮和小波圖像壓縮是當前研究的熱點。本文對當前最為廣泛使用的圖像壓縮演算法進行綜述,討論了它們的優缺點以及發展前景。二 JPEG壓縮 負責開發靜止圖像壓縮標準的「聯合圖片專家組」(Joint Photographic Expert Group,簡稱JPEG),於1989年1月形成了基於自適應DCT的JPEG技術規范的第一個草案,其後多次修改,至1991年形成ISO10918國際標准草案,並在一年後成為國際標准,簡稱JPEG標准。1.JPEG壓縮原理及特點 JPEG演算法中首先對圖像進行分塊處理,一般分成互不重疊的 大小的塊,再對每一塊進行二維離散餘弦變換(DCT)。變換後的系數基本不相關,且系數矩陣的能量集中在低頻區,根據量化表進行量化,量化的結果保留了低頻部分的系數,去掉了高頻部分的系數。量化後的系數按zigzag掃描重新組織,然後進行哈夫曼編碼。JPEG的特點優點:(1)形成了國際標准;(2)具有中端和高端比特率上的良好圖像質量。缺點:(1)由於對圖像進行分塊,在高壓縮比時產生嚴重的方塊效應;(2)系數進行量化,是有損壓縮;(3)壓縮比不高,小於50。 JPEG壓縮圖像出現方塊效應的原因是:一般情況下圖像信號是高度非平穩的,很難用Gauss過程來刻畫,並且圖像中的一些突變結構例如邊緣信息遠比圖像平穩性重要,用餘弦基作圖像信號的非線性逼近其結果不是最優的。2. JPEG壓縮的研究狀況及其前景 針對JPEG在高壓縮比情況下,產生方塊效應,解壓圖像較差,近年來提出了不少改進方法,最有效的是下面的兩種方法:(1)DCT零樹編碼 DCT零樹編碼把 DCT塊中的系數組成log2N個子帶,然後用零樹編碼方案進行編碼。在相同壓縮比的情況下,其PSNR的值比 EZW高。但在高壓縮比的情況下,方塊效應仍是DCT零樹編碼的致命弱點。(2)層式DCT零樹編碼 此演算法對圖像作 的DCT變換,將低頻 塊集中起來,做 反DCT變換;對新得到的圖像做相同變換,如此下去,直到滿足要求為止。然後對層式DCT變換及零樹排列過的系數進行零樹編碼。 JPEG壓縮的一個最大問題就是在高壓縮比時產生嚴重的方塊效應,因此在今後的研究中,應重點解決 DCT變換產生的方塊效應,同時考慮與人眼視覺特性相結合進行壓縮。三 JEPG2000壓縮 JPEG2000是由ISO/IEC JTCISC29標准化小組負責制定的全新靜止圖像壓縮標准。一個最大改進是它採用小波變換代替了餘弦變換。2000年3月的東京會議,確定了彩色靜態圖像的新一代編碼方式—JPEG2000圖像壓縮標準的編碼演算法。1.JPEG2000壓縮原理及特點 JPEG2000編解碼系統的編碼器和解碼器的框圖如圖1所示。編碼過程主要分為以下幾個過程:預處理、核心處理和位流組織。預處理部分包括對圖像分片、直流電平(DC)位移和分量變換。核心處理部分由離散小波變換、量化和熵編碼組成。位流組織部分則包括區域劃分、碼塊、層和包的組織。 JPEG2000格式的圖像壓縮比,可在現在的JPEG基礎上再提高10%~30%,而且壓縮後的圖像顯得更加細膩平滑。對於目前的JPEG標准,在同一個壓縮碼流中不能同時提供有損和無損壓縮,而在JPEG2000系統中,通過選擇參數,能夠對圖像進行有損和無損壓縮。現在網路上的JPEG圖像下載時是按「塊」傳輸的,而JPEG2000格式的圖像支持漸進傳輸,這使用戶不必接收整個圖像的壓縮碼流。由於JPEG2000採用小波技術,可隨機獲取某些感興趣的圖像區域(ROI)的壓縮碼流,對壓縮的圖像數據進行傳輸、濾波等操作。2.JPEG2000壓縮的前景 JPEG2000標准適用於各種圖像的壓縮編碼。其應用領域將包括Internet、傳真、列印、遙感、移動通信、醫療、數字圖書館和電子商務等。JPEG2000圖像壓縮標准將成為21世紀的主流靜態圖像壓縮標准。四 小波變換圖像壓縮1.小波變換圖像壓縮原理小波變換用於圖像編碼的基本思想就是把圖像根據Mallat塔式快速小波變換演算法進行多解析度分解。其具體過程為:首先對圖像進行多級小波分解,然後對每層的小波系數進行量化,再對量化後的系數進行編碼。小波圖像壓縮是當前圖像壓縮的熱點之一,已經形成了基於小波變換的國際壓縮標准,如MPEG-4標准,及如上所述的JPEG2000標准 。2.小波變換圖像壓縮的發展現狀及前景 目前3個最高等級的小波圖像編碼分別是嵌入式小波零樹圖像編碼(EZW),分層樹中分配樣本圖像編碼(SPIHT)和可擴展圖像壓縮編碼(EBCOT)。(1)EZW編碼器 1993年,Shapiro引入了小波「零樹」的概念,通過定義POS、NEG、IZ和ZTR四種符號進行空間小波樹遞歸編碼,有效地剔除了對高頻系數的編碼,極大地提高了小波系數的編碼效率。此演算法採用漸進式量化和嵌入式編碼模式,演算法復雜度低。EZW演算法打破了信息處理領域長期篤信的准則:高效的壓縮編碼器必須通過高復雜度的演算法才能獲得,因此EZW編碼器在數據壓縮史上具有里程碑意義。(2)SPIHT編碼器 由Said和Pearlman提出的分層小波樹集合分割演算法(SPIHT)則利用空間樹分層分割方法,有效地減小了比特面上編碼符號集的規模。同EZW相比,SPIHT演算法構造了兩種不同類型的空間零樹,更好地利用了小波系數的幅值衰減規律。同EZW編碼器一樣,SPIHT編碼器的演算法復雜度低,產生的也是嵌入式比特流,但編碼器的性能較EZW有很大的提高。(3)EBCOT編碼器優化截斷點的嵌入塊編碼方法(EBCOT)首先將小波分解的每個子帶分成一個個相對獨立的碼塊,然後使用優化的分層截斷演算法對這些碼塊進行編碼,產生壓縮碼流,結果圖像的壓縮碼流不僅具有SNR可擴展而且具有解析度可擴展,還可以支持圖像的隨機存儲。比較而言,EBCOT演算法的復雜度較EZW和SPIHT有所提高,其壓縮性能比SPIHT略有提高。
小波圖像壓縮被認為是當前最有發展前途的圖像壓縮演算法之一。小波圖像壓縮的研究集中在對小波系數的編碼問題上。在以後的工作中,應充分考慮人眼視覺特性,進一步提高壓縮比,改善圖像質量。並且考慮將小波變換與其他壓縮方法相結合。例如與分形圖像壓縮相結合是當前的一個研究熱點。
五 分形圖像壓縮 1988年,Barnsley通過實驗證明分形圖像壓縮可以得到比經典圖像編碼技術高幾個數量級的壓縮比。1990年,Barnsley的學生A.E.Jacquin提出局部迭代函數系統理論後,使分形用於圖像壓縮在計算機上自動實現成為可能。1. 分形圖像壓縮的原理 分形壓縮主要利用自相似的特點,通過迭代函數系統(Iterated Function System, IFS)實現。其理論基礎是迭代函數系統定理和拼貼定理。 分形圖像壓縮把原始圖像分割成若干個子圖像,然後每一個子圖像對應一個迭代函數,子圖像以迭代函數存儲,迭代函數越簡單,壓縮比也就越大。同樣解碼時只要調出每一個子圖像對應的迭代函數反復迭代,就可以恢復出原來的子圖像,從而得到原始圖像。2.幾種主要分形圖像編碼技術 隨著分形圖像壓縮技術的發展,越來越多的演算法被提出,基於分形的不同特徵,可以分成以下幾種主要的分形圖像編碼方法。(1)尺碼編碼方法 尺碼編碼方法是基於分形幾何中利用小尺度度量不規則曲線長度的方法,類似於傳統的亞取樣和內插方法,其主要不同之處在於尺度編碼方法中引入了分形的思想,尺度 隨著圖像各個組成部分復雜性的不同而改變。(2)迭代函數系統方法 迭代函數系統方法是目前研究最多、應用最廣泛的一種分形壓縮技術,它是一種人機交互的拼貼技術,它基於自然界圖像中普遍存在的整體和局部自相關的特點,尋找這種自相關映射關系的表達式,即仿射變換,並通過存儲比原圖像數據量小的仿射系數,來達到壓縮的目的。如果尋得的仿射變換簡單而有效,那麼迭代函數系統就可以達到極高的壓縮比。(3)A-E-Jacquin的分形方案 A-E-Jacquin的分形方案是一種全自動的基於塊的分形圖像壓縮方案,它也是一個尋找映射關系的過程,但尋找的對象域是將圖像分割成塊之後的局部與局部的關系。在此方案中還有一部分冗餘度可以去除,而且其解碼圖像中存在著明顯的方塊效應。3.分形圖像壓縮的前景 雖然分形圖像壓縮在圖像壓縮領域還不佔主導地位,但是分形圖像壓縮既考慮局部與局部,又考慮局部與整體的相關性,適合於自相似或自仿射的圖像壓縮,而自然界中存在大量的自相似或自仿射的幾何形狀,因此它的適用范圍很廣。六 其它壓縮演算法 除了以上幾種常用的圖像壓縮方法以外,還有:NNT(數論變換)壓縮、基於神經網路的壓縮方法、Hibert掃描圖像壓縮方法、自適應多相子帶壓縮方法等,在此不作贅述。下面簡單介紹近年來任意形狀紋理編碼的幾種演算法[10]~ [13]。(1)形狀自適應DCT(SA-DCT)演算法 SA-DCT把一個任意形狀可視對象分成 的圖像塊,對每塊進行DCT變換,它實現了一個類似於形狀自適應Gilge DCT[10][11]變換的有效變換,但它比Gilge DCT變換的復雜度要低。可是,SA-DCT也有缺點,它把像素推到與矩形邊框的一個側邊相平齊,因此一些空域相關性可能丟失,這樣再進行列DCT變換,就有較大的失真了[11][14][15]。(2)Egger方法 Egger等人[16][17]提出了一個應用於任意形狀對象的小波變換方案。在此方案中,首先將可視對象的行像素推到與邊界框的右邊界相平齊的位置,然後對每行的有用像素進行小波變換,接下來再進行另一方向的小波變換。此方案,充分利用了小波變換的局域特性。然而這一方案也有它的問題,例如可能引起重要的高頻部分同邊界部分合並,不能保證分布系數彼此之間有正確的相同相位,以及可能引起第二個方向小波分解的不連續等。(3)形狀自適應離散小波變換(SA-DWT) Li等人提出了一種新穎的任意形狀對象編碼,SA-DWT編碼[18]~[22]。這項技術包括SA-DWT和零樹熵編碼的擴展(ZTE),以及嵌入式小波編碼(EZW)。SA-DWT的特點是:經過SA-DWT之後的系數個數,同原任意形狀可視對象的像素個數相同;小波變換的空域相關性、區域屬性以及子帶之間的自相似性,在SA-DWT中都能很好表現出來;對於矩形區域,SA-DWT與傳統的小波變換一樣。SA-DWT編碼技術的實現已經被新的多媒體編碼標准MPEG-4的對於任意形狀靜態紋理的編碼所採用。 在今後的工作中,可以充分地利用人類視覺系統對圖像邊緣部分較敏感的特性,嘗試將圖像中感興趣的對象分割出來,對其邊緣部分、內部紋理部分和對象之外的背景部分按不同的壓縮比進行壓縮,這樣可以使壓縮圖像達到更大的壓縮比,更加便於傳輸。七 總結 圖像壓縮技術研究了幾十年,取得了很大的成績,但還有許多不足,值得我們進一步研究。小波圖像壓縮和分形圖像壓縮是當前研究的熱點,但二者也有各自的缺點,在今後工作中,應與人眼視覺特性相結合。總之,圖像壓縮是一個非常有發展前途的研究領域,這一領域的突破對於我們的信息生活和通信事業的發展具有深遠的影響。

參考文獻:[1] 田青. 圖像壓縮技術[J]. 警察技術, 2002, (1):30-31.[2] 張海燕, 王東木等. 圖像壓縮技術[J]. 系統模擬學報, 2002, 14(7):831-835.[3] 張宗平, 劉貴忠. 基於小波的視頻圖像壓縮研究進展[J]. 電子學報, 2002, 30(6):883-889.
[4] 周寧, 湯曉軍, 徐維朴. JPEG2000圖像壓縮標准及其關鍵演算法[J]. 現代電子技術, 2002, (12):1-5.[5] 吳永輝, 俞建新. JPEG2000圖像壓縮演算法概述及網路應用前景[J]. 計算機工程, 2003, 29(3):7-10.[6] J M Shaprio. Embedded image coding using zerotree of wavelet coefficients[J]. IEEE Trans. on Signal Processing, 1993, 41(12): 3445-3462.[7] A Said, W A Pearlman. A new fast and efficient image codec based on set partitioning in hierarchical trees[J]. IEEE Trans. on Circuits and Systems for Video Tech. 1996, 6(3): 243-250.[8] D Taubman. High performance scalable image compression with EBCOT[J]. IEEE Transactions on Image Processing, 2000, 9(7): 1158–1170.[9] 徐林靜, 孟利民, 朱建軍. 小波與分行在圖像壓縮中的比較及應用. 中國有線電視, 2003, 03/04:26-29.[10] M Gilge, T Engelhardt, R Mehlan. Coding of arbitrarily shaped image segments based on a generalized orthogonal transform[J]. Signal Processing: Image Commun., 1989, 1(10): 153–180.[11] T Sikora, B Makai. Shape-adaptive DCT for generic coding of video[J]. IEEE Trans. Circuits Syst. Video Technol., 1995, 5(1): 59–62.[12] T Sikora, S Bauer, B Makai. Efficiency of shape-adaptive 2-D transforms for coding of arbitrarily shaped image segments[J]. IEEE Trans. Circuits Syst. Video Technol., 1995, 5(3): 254–258.[13]鄧家先 康耀紅 編著 《資訊理論與編碼》

② 圖像融合的matlab源代碼

一、小波入門簡介

(1)小波分析的起源、發展與應用
http://blog.csdn.net/chenyusiyuan/archive/2007/11/09/1876282.aspx

(2)感受小波
http://blog.csdn.net/chenyusiyuan/archive/2007/11/02/1864195.aspx

二、小波變換與信號分解重構專題

(1)小波變換與信號分解重構
http://blog.csdn.net/chenyusiyuan/archive/2007/11/09/1876329.aspx

(2)自己動手編寫小波信號分解與重構的Matlab程序
http://blog.csdn.net/chenyusiyuan/archive/2007/11/13/1881781.aspx

(3)用自編的程序實現小波圖像分解與重構
http://blog.csdn.net/chenyusiyuan/archive/2007/11/13/1881940.aspx

三、小波圖像融合專題

(1)小波圖像融合綜述
http://blog.csdn.net/chenyusiyuan/archive/2007/11/14/1883889.aspx

(2)小波圖像融合的Matlab實現示例
http://blog.csdn.net/chenyusiyuan/archive/2007/11/16/1888808.aspx

四、小波圖像壓縮專題

(1)基於小波變換的圖像壓縮技術初探
http://blog.csdn.net/chenyusiyuan/archive/2007/11/12/1881231.aspx

(2)零樹小波圖像壓縮專題
http://blog.csdn.net/chenyusiyuan/archive/2007/11/15/1886395.aspx

(3)嵌入式小波零樹(EZW)演算法的過程詳解和Matlab代碼
http://blog.csdn.net/chenyusiyuan/archive/2007/11/29/1907584.aspx

(4)多級樹集合分裂(SPIHT)演算法的過程詳解與Matlab實現
http://blog.csdn.net/chenyusiyuan/archive/2007/12/07/1923334.aspx

(5)討論:一種基於狀態點陣圖的SPIHT改進演算法
http://blog.csdn.net/chenyusiyuan/archive/2007/12/11/1930419.aspx

另外,附件 Wavelet.rar 給出了幾個Matlab程序,分別是:

1、基於低頻融合策略的小波圖像融合程序(Imfus.rar);
2、嵌入式零樹小波(EZW)演算法的圖像壓縮編解碼程序(EZW.rar);
3、多級樹集合分裂(SPIHT)演算法的圖像壓縮編解碼程序(SPIHT.rar);
4、一種SPIHT改進演算法(Mod-SPIHT.rar)。

其中都包含了基本的小波圖像分解與重構程序,使用的是基本的Haar小波,根據Mallat演算法編寫。

matlab的小波變換源代碼可以用來做圖像分析:
http://x.soso.com/cgi-bin/show_detail?Hash=

http://www.pudn.com/downloads76/sourcecode/windows/csharp/detail282742.html

③ matlab小波融合程序

1、基於低頻融合策略的小波圖像融合程序(Imfus.rar);
2、嵌入式零樹小波(EZW)演算法的圖像壓縮編解碼程序(EZW.rar);
3、多級樹集合分裂(SPIHT)演算法的圖像壓縮編解碼程序(SPIHT.rar);
4、一種SPIHT改進演算法(Mod-SPIHT.rar)。
其中都包含了基本的小波圖像分解與重構程序,使用的是基本的Haar小波,根據Mallat演算法編寫。

④ 求EZW編碼演算法實現圖像壓縮的matlab實現源代碼,急急急!!!!謝謝各位高人

郵箱在哪裡嵌入式零數小波

⑤ 小波演算法

Function wavelet(s,wname,n,options);
Begin
{
功能:
一維序列小波消噪。
參數:
s:一維序列
wname:小波函數名
現有小波函數名(小波函數的選取依靠經驗)
Daubechies:
'db1' , 'db2', ... ,'db45' 'db1' 就是haar 小波函數

Coiflets :
'coif1', ... , 'coif5'
Symlets :
'sym2' , ... , 'sym8'
Biorthogonal:
'bior1.1', 'bior1.3' , 'bior1.5'
'bior2.2', 'bior2.4' , 'bior2.6', 'bior2.8'
'bior3.1', 'bior3.3' , 'bior3.5', 'bior3.7'
'bior3.9', 'bior4.4' , 'bior5.5', 'bior6.8'.
Reverse Biorthogonal:
'rbio1.1', 'rbio1.3' , 'rbio1.5'
'rbio2.2', 'rbio2.4' , 'rbio2.6', 'rbio2.8'
'rbio3.1', 'rbio3.3' , 'rbio3.5', 'rbio3.7'
'rbio3.9', 'rbio4.4' , 'rbio5.5', 'rbio6.8'.

n :分解層數
options : 選項
選擇欄位說明
array('brief':1, // 默認為1 採用簡單剔除高頻諧波 達到消噪的目的
// 如果為 0 採用估計序列噪音標准差剔除噪音,
'sigma':0, // 為0 默認採用 序列的高階諧波估計標准差;也可自己輸入值
'which':1, // 以 某一層諧波作為噪音估計的數據,默認第一層
'alpha':2, // 閾值懲罰系數,默認為2
"thr":0, // 閾值大小,默認0 採用諧波估計,也可以直接給出
'sorh':'s', // 閾值方式設置,'s' 軟閾值,'h'硬閾值 默認為's'
);

返回結果:
一維數字數組,消噪後的序列。
範例:
s := array(2484.82690429688,2479.05493164063,2482.34301757813,2437.794921875,
2447.7548828125,2512.962890625,2443.05688476563,2433.15893554688,
2393.18310546875,2415.05395507813,2392.06201171875,2365.34301757813,
2359.21997070313,2344.787109375,2348.51611328125,2420.00,2438.7900390625,
2431.375,2440.40209960938,2383.48510742188,2377.51196289063,2331.36596679688,
2317.27490234375,2370.3330078125,2409.67211914063,2427.47998046875,
2435.61401367188,2473.40991210938,2468.25,2470.01904296875,2504.10791015625,
2508.09008789063,2528.2939453125,2509.79907226563,2503.8359375,2524.9189453125,
2479.53588867188,2481.083984375,2528.71411132813,2529.76098632813,2466.958984375,
2463.0458984375,2416.56201171875,2415.1298828125,2412.625,2395.06494140625,
2397.55395507813,2380.22412109375,2383.03393554688,2412.39306640625,
2333.4140625,2386.86010742188,2360.6640625,2333.22900390625,2325.90502929688,
2332.72998046875,2329.82006835938,2315.27001953125,2291.544921875,2248.59008789063,
2228.52490234375,2180.89501953125,2224.84008789063,2218.23510742188,2215.92993164063,
2191.14794921875,2186.29711914063,2204.78393554688,2190.11010742188,2166.205078125,
2170.01293945313,2173.56103515625,2199.4169921875,2169.38989257813,2148.45190429688,
2163.39501953125,2225.88989257813,2285.74389648438,2276.0458984375,2275.01000976563,
2244.580078125,2206.19311523438,2298.3759765625,2266.38403320313,2296.07495117188,
2319.11791992188,2285.0380859375,2292.61010742188,2268.080078125,2312.55590820313,
2330.40502929688,2331.13598632813,2291.90209960938,2347.53002929688,2349.58911132813,
2351.98095703125,2351.85498046875,2344.77099609375,2366.70190429688,2356.86010742188,
2357.18090820313,2363.59692382813,2381.42993164063,2403.5869140625,2409.55395507813,
2439.6279296875,2447.05688476563,2451.85693359375,2428.48706054688,2426.11499023438,
2460.69311523438);
n := 2;
options := array('brief':1,'sigma':0,'which':1,'alpha':2,"thr":0,'sorh':'s');
return wavelet(s,wname,n,options) ;

天軟數學組
20120627
}

if not ifarray(options) then options := array();
defaut := wavedefaut() union options;
cout := 4;
cl:=wavedec(s,n,wname); //小波分解
if defaut['brief']=1 then
ret :=wrcoef('a',cl[0],cl[1],wname,n);
else
begin
//***************小波消噪*************************************************
k := defaut['which']; //標准差估計選項 ,k 為 1 到 n的整數 默認為1;
if defaut['sigma']=0 then sigma := wnoisest(cl[0],cl[1],k);
else //通過小波第k層細節系數(諧波)估計 ,噪音標准差
sigma := defaut['segma'];
if defaut['alpha']=0 then alpha :=2; // alpha 懲罰因子 大於1 的數 一般為默認2;
else alpha := defaut['alpha'];
if defaut['thr']=0 then
thr := wbmpen(cl[0],cl[1],sigma,alpha); //噪音信號全局閾值
else thr := defaut['thr'];
sorh := defaut['sorh'];
ret:=wdencmp('gbl',cl[0],cl[1],wname,n,thr,sorh)[0]; //採用軟閾值和近似信號進行消噪;
end //第一個參數為'gbl'為擴展介面備用,可以隨意輸入
return ret;
end;
function wavedefaut();
begin
return array('brief':1,'sigma':0,'which':1,'alpha':2,
"thr":0,'sorh':'s'
);

end

⑥ matlab 圖像壓縮問題

通常進行小波壓縮重構後的圖像是與原圖像相同尺寸的,除非你將其它高頻系數都刪去不用。壓縮後的圖像如果是xcomp的話,直接用size就行了吧。
據我所知xcomp應該不是重構後的圖像,只是去噪後的圖像,還得進行重構才能得到真正重構的圖像。

那可能是我孤陋寡聞了,不過要評價是否被壓縮了不是看圖像的大小變了沒有,而是看壓縮後的圖像佔多少空間,即所佔位元組數,與原圖所佔空間相比,這樣可以算出被壓縮了多少了

那這樣的話我看你要修改一下你的參數了,比如thr等應該是閾值吧。如果他里邊的數據都成片的相同,應該說已經閾值分割了呀。那我就不太了解了。

⑦ 指紋識別是怎麼進行的

導語:指紋識別技術通常使用指紋的總體特徵如紋形、三角點等來進行分類,再用局部特徵如位置和方向等來進行用戶身份識別。盡管指紋只是人體皮膚的小部分,但是,它蘊涵著大量的信息。那麼,接下來就讓我們一起來具體的了解以下關於指紋識別是怎麼進行的內容吧。文章僅供大家的參考!

指紋識別是怎麼進行的

1.指紋圖像的獲取

指紋圖像的採集是自動指紋識別系統的重要組成部分。早期的指紋採集都是通過油墨按壓在紙張上產生的。20世紀80年代,隨著光學技術和計算機技術的發展,現代化的採集設備開始出現。

感測器是一種能把物理量或化學量變成便於利用的電信號的器件。在測量系統中它是一種前置部件,它是被測量信號輸入後的第一道關口,是生物認證系統中的採集設備。

這些感測器根據探測對象的不同,可分為光學感測器、熱敏感測器和超聲感測器;根據器件的不同,可分為CMOS器件感測器和CCD器件感測器。它們的工作原理都是:將生物特徵經過檢測後轉化為系統可以識別的圖像信息。在生物認證系統中,可靠和廉價的'圖像採集設備是系統運行正常、可靠的關鍵。

2.指紋圖像的增強

常見的預處理方法如下:

(1)採用灰度的均衡化,可以消除不同圖像之間對比度的差異。

(2)使用簡單的低通濾波消除斑點雜訊、高斯雜訊。

(3)計算出圖像的邊界,進行圖像的裁剪,這樣可以減少多餘的計算量,提高系統的速度。

常用圖像增強演算法具體包括以下幾種:

(1)基於傅里葉濾波的低質量指紋增強演算法;

(2)基於Gabor濾波的增強方法;

(3)多尺度濾波方法;

(4)改進的方向圖增強演算法;

(5)基於知識的指紋圖像增強演算法;

(6)非線性擴散模型及其濾波方法;

(7)改進的非線性擴散濾波方法。

目前最新的分割演算法有以下幾種:

(1)基於正態模型進行的指紋圖像分割演算法;

(2)基於馬爾科夫隨機場的指紋圖像分割演算法;

(3)基於數學形態學閉運算的灰度方差法;

(4)基於方向場的指紋圖像分割演算法。

3.指紋特徵的提取

近年來,新的指紋特徵提取演算法主要包括以下幾種:

(1)基於Gabor濾波方法對指紋局部特徵的提取演算法。

(2)基於CNN通用編程方法對指紋特徵的提取演算法。

(3)基於IFS編碼的圖像數字化技術,即建立IFS模型,計算源圖像與再生圖像之間的相似性,快速提取指紋圖像的特徵。

(4)基於脊線跟蹤的指紋圖像特徵點提取演算法。該演算法可以直接從灰度指紋圖像中有效提取細節點和脊線骨架信息。

(5)基於小波變換和ART(自適應共振理論)神經網路的指紋特徵提取演算法。

4.指紋圖像的分類與壓縮

常用的指紋分類技術有以下幾種:

(1)基於規則的方法,即根據指紋奇異點的數目和位置分類。

(2)基於句法的方法。這種方法的語法復雜,推導語法的方法復雜、不固定。這種方法已經逐漸被淘汰了。

(3)結構化的方法,即尋找低層次的特徵到高層次的結構之間相關聯的組織。

(4)統計的方法。

(5)結合遺傳演算法和BP神經元網路的方法。

(6)多分類器方法。

常用的壓縮演算法有以下兩種:

(1)圖像壓縮編碼方法:包括無損壓縮(熵編碼)和有損壓縮(量化)。

(2)基於小波變換的指紋壓縮演算法:包括WSQ演算法、DjVu演算法、改進的EZW演算法等。

5.指紋圖像的匹配

傳統的指紋匹配演算法有很多種:

(1)基於點模式的匹配方法:如基於Hough變換的匹配演算法、基於串距離的匹配演算法、基於N鄰近的匹配演算法等。

(2)圖匹配及其他方法:如基於遺傳演算法的匹配、基於關鍵點的初匹配等。

(3)基於紋理模式的匹配:如PPM匹配演算法等。

(4)混合匹配方法等。

近幾年,又出現了如下新的匹配演算法:

(1)基於指紋分類的矢量匹配。該法首先利用指紋分類的信息進行粗匹配,然後利用中心點和三角點的信息進一步匹配,最後以待識別圖像和模板指紋圖像的中心點為基準點,將中心點與鄰近的36個細節點形成矢量,於是指紋的匹配就轉變為矢量組數的匹配。

(2)基於PKI(Public Key Infrastructure,公鑰基礎設施)的開放網路環境下的指紋認證系統。

(3)實時指紋特徵點匹配演算法。該演算法的原理是:通過由指紋分割演算法得到圓形匹配限制框和簡化計算步驟來達到快速匹配的目的。

(4)一種基於FBI(Federal Bureauof Investigation)細節點的二次指紋匹配演算法。

(5)基於中心點的指紋匹配演算法。該演算法利用奇異點或指紋有效區域的中心點尋找匹配的基準特徵點對和相應的變換參數,並將待識別指紋相對於模板指紋作姿勢糾正,最後採用坐標匹配的方式實現兩個指紋的比對。

⑧ 小波演算法是什麼

王衛國 郭寶龍

(西安電子科技大學機電工程學院,西安 710071)

摘 要 隨著互聯網的普及和圖象應用范圍的不斷擴大,對圖象的編碼提出了新的要求,即不僅要求具有高的壓縮比,還要求有許多新的功能,如漸進編解碼、從有損壓縮到無損壓縮等。嵌入式零樹小波編碼較好地實現了這一思想,因此奠定了它在圖象編碼中的地位。近年來,在嵌入式零樹小波編碼(EZW)演算法的基礎上出現了許多新的改進演算法,如多級樹集合分裂演算法(SPIHT),集合分裂嵌入塊編碼(SPECK),可逆的嵌入小波壓縮法(CREW)等.本文對這些演算法從原理到性能進行了比較和討論,說明了嵌入式圖象編碼的研究方向。

關 鍵 詞 圖象編碼 嵌入式 零樹 小波變換

On Embedded Zerotree Wavelets Coding and other Improved Algorithms
WANG Wei-guo, GUO Bao-long

(School of Mechano-Electronic Engineering,Xidian Univ.,Xi』an 710071)

Abstract With the extensive application of internet and image,some new requirements on image coding,such as high compression rate ,pregressive codec,and compression from lossy to lossless ,are to be satisfied.These functions can be performed well by EZW(Embedded Zerotree Wavelets) coding.On the bases of EZW,many newly improved algorithms have been developed in recent years.They can illustrated by algorithms like SPIHT(Set Partitioning in Hierarchical Trees),SPECK(Set Partitioned Embedded block coder),In this paper,the writer discusses the principles and performances of these algorithms,thus explains the research tendency in the area of embedded image coding.

Keywords Image coding,Embedded,Zerotree,Wavelet transform

0. 引言

在基於小波變換的圖象壓縮方案中,嵌入式零樹小波 EZW(Embedded Zerotree Wavelets)[1]編碼很好地利用小波系數的特性使得輸出的碼流具有嵌入特性。它的重要性排序和分級量化的思想被許多編碼演算法所採用。近年來,在對EZW改進的基礎上,提出了許多新的性能更好的演算法,如多級樹集合分裂演算法(SPIHT :Set Partitioning In Hierarchical Trees)[2],集合分裂嵌入塊編碼(SPECK:Set Partitioned Embedded bloCK coder),可逆嵌入小波壓縮演算法(CREW:Compression with Reversible Embedded Wavelets)[3] 。本文對這些演算法進行了原理分析、性能比較,說明了嵌入式小波圖象編碼的研究方向。

⑨ 從數字圖像處理技術角度談談對指紋識別的認識

這是我自己以前收集的資料 但願能有幫助哈
理論分析與設計

4.1 指紋圖像表示

從指紋感測器輸出的是指紋原始圖像,其數據量比較大。這對整個指紋識別系統的處理和存儲都是個不小的負擔。在遠程採集系統中,對通信帶寬會造成較大負荷。因此需要對指紋圖像進行壓縮存儲。指紋圖像壓縮一般經過圖像變換、量化和編碼等過程。解壓需經過解碼、量化解碼和反變換等過程。

壓縮後的指紋圖像需確保指紋特徵信息的不丟失不損壞。理論上來講採用無損壓縮演算法是最理想的。但經過實踐證明,對於解析度不是很高的指紋圖像來說,採用無損壓縮的壓縮比很低。通常情況下採用JEPG、WSQ和EZW三種壓縮演算法。

4.2 指紋圖像處理

4.2.1 指紋圖像增強

剛獲得的圖象有很多噪音。這主要由於平時的工作和環境引起的。指紋還有一些其他的細微的有用信息,我們要盡可能的使用。指紋圖像增強的目的主要是為了減少噪音,增強嵴峪對比度,使得圖像更加清晰真實,便於後續指紋特徵值提取的准確性.

指紋圖像增強常用的是平滑和銳化處理。

(1)平滑處理

平滑處理是為了讓整個圖像取得均勻一致的明暗效果。平滑處理的過程是選取整個圖像的象素與其周圍灰階差的均方值作為閾值來處理的。這種做法實現的是一種簡單的低通濾波器。

實驗表明:一般的自然圖像相鄰像素的灰度相關性約為0.9。因此在圖像受到白雜訊干擾時,以像素的鄰域平均值代替中心像素,是一個去除雜訊的好辦法。演算法是: 。其中f(x,y)表示被雜訊污染的原始圖像,大小為N*N,g(n,m)是平滑後的圖像,S是處理點(x,y)鄰域中點的坐標(不包括(x,y)點)的集合,而M是集合S內坐標點的總數。例如,以(x,y)點為中心,取單位距離構成的鄰域,其中點的坐標集合為:s={(x,y+1),(x,y-1),(x+1,y),(x-1,y)}。

經驗表明,鄰域越大,去雜訊的能力就越強,不過,從中也可以看出,鄰域越大,圖像就越模糊。因此,需要尋找既可以去雜訊,又可以保持圖像清晰度的辦法,這就是閥值方法,演算法是: ,其中T值是一個規定的非負閥值。只有當變化較大時(大於T),圖像才進行鄰域濾波;而當變化不明顯時,仍然保留原先的值,這樣可以減少圖像的模糊。

當被處理點為邊界點時,鄰域平均後該點的灰度迅速下降,這樣就導致邊界模糊。修改方案是根據參與平均的像素的特點賦予不同的權值,即採用加權平均法: ,其中w(n,m)是加權系數。

可以根據圖像的相關性,按照以下的方法確定權值:

a:給當前處理的中心像素較大的權值,其他像素的權值較小。

b:按兩像素間的距離確定權值,距離處理像素近的權值較大,距離處理像素較遠的權值小。

c:按和被處理像素的灰度接近程度確定權值,約接近的權值越大。

下面是幾個按照以上思路設計的典型的加權平均運算元。為了不使整個圖像的亮度變亮,設計此類運算元的時候需要將權值歸一化。

A:中心加權運算元。

B:中心和四鄰點加權運算元。

C:按灰度近似程度加權運算元。

其中:

綜合以上討論可以看出:

A:平滑濾波器就是一種低通濾波器,模板的所有系數都是正數。

B:在設計濾波器時通常還要求行列數為奇數,保障中心定位性能。

C:空域低通濾波的去噪能力與它的模板大小有關,模板越大,去噪能力越強。

D:空域低通濾波具有平滑的效果,在去除雜訊的同時模糊了圖像邊緣和細節。

(2)銳化處理

銳化和平滑恰恰相反,它是通過增強高頻分量來減少圖象中的模糊,因此又稱為高通濾波。銳化處理在增強圖象邊緣的同時增加了圖象的雜訊。銳化技術可分為空域和時域兩種手段,空域的基本方法是微分處理,頻域技術是運用高通濾波。

圖像處理中最常用的微分方法是計算梯度。給定義一個函數f(x,y),在坐標f(x,y)在f的梯度定義為一個矢量G[f(x,y)]:

梯度G[f(x,y)]是函數f(x,y)最大增加率的方向,梯度矢量的幅度(梯度的模)為: ,其中 表示在矢量方向上每單位距離f(x,y)的最大值,通常用來表示f的梯度。

最常用的是Laplacian運算元,即對圖象進行二階微分的計算:

。可以看出,它是個標量,具有各向同性的性質。

典型的Laplacian模板及其變形模板如下圖所示。這三個模板在形式上有些區別,增強能力也不同,但都體現了二階微分的特徵。

4.2.2指紋圖像二值化

在原始灰階圖像中,各象素的灰度是不同的,並按一定的梯度分布。在實際處理中只需要知道象素是不是嵴線上的點,而無需知道它的灰度。所以每一個象素對判定嵴線來講,只是一個「是與不是」的二問題。所以,指紋圖像二值化是對每一個象素點按事先定義的閾值進行比較,大於閾值的,使其值等於1(假定),小於閾值的,使其值等於0。圖像二值化後,不僅可以大大減少數據量,而且使後面的處理過程少受干擾,大大簡化其後的處理。

4.2.3指紋圖像細化

圖像細化就是將嵴的寬度降為單個像素的寬度,得到嵴線的骨架圖像的過程。這個過程進一步減少了圖像數據量,清晰化了嵴線形態,為之後的特徵值提取作好准備。由於我們所關心的不是嵴線的粗細,而是嵴線的有無。因此,在不破壞圖像連通性的情況下必須去掉多餘的信息。因而應先將指紋嵴線的寬度採用逐漸剝離的方法,使得嵴線成為只有一個象素寬的細線,這將非常有利於下一步分析。

4.3 指紋特徵值提取

A:指紋特徵值

指紋特徵值是指紋演算法的基礎數據,是指紋演算法最重要的數據結構。不論是特徵點匹配演算法,還是線對或點集匹配演算法,都是指紋演算法程序中最核心的數據結構。指紋特徵值模板一定程度影響著指紋演算法的效率和精度,體現了演算法的優劣。一個好的特徵值模板能用最小的數據量表示最多的指紋特徵信息,能用最少的特徵點信息,區分出兩個指紋的不同。

B:提取

指紋特徵值提取是對指紋的特徵信息(總體和局部的)進行選擇、編碼,形成二進制數據的過程。指紋特徵點的提取方法是指紋演算法的核心。一般採用8鄰域法對二值化、細化後的指紋圖像抽取特徵點,這種方法將嵴上的點用"1"表示,峪(背景)用"0"表示,將待測點(i,j)的八鄰域點進行循環比較,若"0","1"變化有六次,則此待測點為分叉點,若變化兩次,則為端點。通過這個過程可以記錄下來指紋的所有特徵點。

通常一個指紋的特徵點在100~150之間,在形成指紋特徵值模板(也就是特徵值的有序集合)時,盡量多的提取特徵點對於提高准確性是有很大幫助的。

⑩ 圖表註解翻譯。謝謝,不過我沒積分了。

Figure 2.1 Image Coding Classification Figure 2.2 DPCM encoding schematic Fig.2.3 typical transform coding system framework chart 2.1 subjective score table Figure 2.4 encoder DCT-based processing steps Figure 2.5 decoder DCT-based processing steps Figure 3.1 Mallat decomposition algorithm schematic diagram 3.2 wavelet coding / decoder framework Figure 3.3 Schematic diagram of two-dimensional image wavelet decomposition Fig.3.4 Schematic diagram of two-dimensional image wavelet reconstruction Fig.3.5 1-3 wavelet decomposition Figure 3.6 bitplane divided matrix diagram Fig.4.1 3 wavelet zerotree structure Figure 4.2 c level wavelet coefficients scans 4.3 EZW coding flow chart 4.1 coefficient coding table a) original image b) wavelet decomposition image energy distribution chart 4.4 wbarb decomposition 4.2 EZW algorithm uses two types of wavelet basis, respectively, when the results of comparative chart of the peak 4.5 letter noise ratio (PSNR) and pixel bit rate (bpp) to improve the relationship between the Figure 4.6 coding algorithm flowchart Figure 4.7 Distribution of wavelet coefficients 3 d) to improve the algorithm, the first scan Figure 4.8 EZW algorithm and improved algorithm Table 4.1 Comparison of different algorithms A comparative chart of the experimental results of 4.7 EZW algorithm reconstructed image Figure 4.9-noise ratio and compression ratio curve (dotted line for the EZW algorithm curve, solid line for the improved algorithm curve) themselves with the last black and white artwork to you.

熱點內容
so編譯器版本 發布:2023-02-05 15:50:56 瀏覽:387
c語言編程規則 發布:2023-02-05 15:50:44 瀏覽:800
電動拉閘門遙控器怎麼配置 發布:2023-02-05 15:42:57 瀏覽:832
交通訪問 發布:2023-02-05 15:42:54 瀏覽:256
安卓手機如何知道自己去了哪裡 發布:2023-02-05 15:42:06 瀏覽:318
垃圾壓縮液 發布:2023-02-05 15:41:59 瀏覽:858
安卓10支持哪個聖安地列斯 發布:2023-02-05 15:34:11 瀏覽:704
mutexpython 發布:2023-02-05 15:33:55 瀏覽:464
oraclesql總結 發布:2023-02-05 15:33:06 瀏覽:204
如何配置routerA 發布:2023-02-05 15:29:00 瀏覽:787