一、基于小波零树的图像编码优化方法（论文文献综述）
姜天勇[1]（2021）在《基于机器学习的分布式视频编码研究》文中提出随着人们对视频业务使用的不断加,越来越多新的要求在实际生产被提出。移动视频设备、军用无源视频设备、监控设备等一系列应用场景要求视频编码系统具有码率尽可能的低,编码端尽可能的简单的特点。为了应对这些需求,分布式视频编码（Distributed Video Coding,DVC）应运而生。分布式视频编码是一种基于分布式信源编码（Distributed Source Cording,DCS）的编码方式,与传统视频编码MPGE、H.264不同的是分布式视频编码采用独立编码-联合解码的编解码方式,在编码端每一帧独立编码,把传统视频编码中复杂的运动估计从编码端转移到解码端,很大程度上降低了编码端的复杂性。而在解码端仅需要较少的非关键帧信息,便可以完成对运动估计生成的边信息优化,从而达到降低码率的目的。本文主要就分布式视频编码小波域高阶建模并结合机器学习技术进行研究,主要研究内容如下:1)在以往DVC研究的基础上,针对传统常用的DVC框架不能有效的利用视频中的高阶信息的问题,本文使用经典边信息生成算法,提出一种可以充分使用视频高阶信息,并能够方便的和机器学习算法相结合的改进框架。2)本文在研究过程中,针对当前分布式视频编码系统在非关键帧重构过程中只使用视频时域特征及空域特征等低阶的特征的问题。受JPEG2000的显着性传播传递（Signifificance Propagation Pass,SPP）和震级细化传递（Magnitude Refifinement Pass,MRP）思想所启发,研究要解码的当前系数与其相邻系数之间的位平面级相关性,使用AdaBoost集成学习方式,结合CART决策树,形成一种提升树算法,提出视频中的基于AdaBoost的高阶特征建模算法（High-Order Model Base AdaBoost,HOMBAB）。并结合基于小波域的DVC,选取四个不同运动强度的视频序列进行仿真,证明该方式的合理性。3)利用HOMBAB,使用本文提出DVC框架,提出新的DVC算法。该算法分利用了小波变换后视频在高阶域中的特征向量,通过使用AdaBoost算法完成分类器的构建,最终得到结果优于未对其高阶特征进行学习的方式。本文从主观视频质量和客观视频质量两个方面评估算法。实验结果表明本文所提出的HOBAB-DVC在主观视频质量上可以还原出更丰富的细节,在客观指标方面,码率平均节省15%,PSNR有0.3到1.5d B的提升。
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》文中研究指明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。
汪辉进[3]（2017）在《基于小波变换的图像压缩改进算法及其性能分析》文中研究指明从小波变换入手,简要介绍了基于小波变换的图像压缩基本原理和基本过程,在此基础上对分层小波树集合分割算法、优化截断点的嵌入块编码算法以及嵌入式小波零树图像编码3种基于小波变换的图像压缩改进算法的优缺点进行了分析,最后着重对嵌入式小波零树图像编码算法进行了论述,并针对嵌入式小波零树图像编码算法的缺陷提出了相应的改进方法.通过由浅入深的分析,使人们对基于小波变换的图像压缩改进算法及其性能有了初步的了解,以期在图像压缩技术领域对大家有所启迪.
冯永亮[4]（2016）在《基于小波变换的图像压缩算法改进研究》文中指出本文首先分析了基于小波变换图像压缩原理、流程和方法,然后针对传统的嵌入式小波零树压缩编码算法的不足,提出了改进方案。改进方案包括使用正交小波基Z97替代小波变换,使用排除法减少对重要系数的扫描次数,使用多种扫描顺序替换单一的"Z"字型扫描等。仿真实验结果表明,改进的方案提高了图像压缩效率,改善了重构图像的质量。
陈慧,龙飞,段智云[5]（2016）在《一种基于小波零树编码和K-mean聚类的图像压缩的实现》文中认为针对在低比特率时图像存在严重的方块效应等不足,本文提出了一种基于小波零树编码和K-mean聚类的图像压缩算法。其中基于小波零树的图像编码克服了图像JPEG标准压缩算法在统计值较少时的方块效应现象,通过K-mean聚类算法可以改善小波零树编码算法中没有充分考虑到小波系数同一子带中相邻元素之间相关性的缺陷。实验结果表明,此改进的图像编码算法具有较好的信噪比和压缩比。
余航[6]（2010）在《基于小波分析的静态图像压缩编码方法的研究》文中进行了进一步梳理随着因特网、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。
黄丽[7]（2010）在《基于小波变换的静止图像压缩编码技术的研究》文中研究表明随着现代社会数字图像技术、多媒体技术的广泛应用,图像成为现代社会信息传递的主要载体。又由于图像信息包含数据量巨大,给信息的传输、存储等带来了很大的困难,解决的办法就是进行图像压缩。因此探索高效图像压缩编码方法已经成为国际公认的一个重要研究热点。小波变换技术以其良好的时间频率局部特性和与人眼视觉特性相符的变换机制,在图像压缩编码领域得到了广泛的研究和应用。本文在对图像压缩编码相关理论进行简要分析的基础上,从一定理论深度阐述了基于小波变换的静止图像压缩编码技术,重点探讨了编码器结构、编码步骤、以及小波编码涉及的几个关键问题。通过实验数据,分析了小波变换后图像系数能量的分布特点,进而说明了小波变换应用于图像压缩的优势。本文深入分析了嵌入式小波零树编码算法（EZW）以及基于该算法思想的两种改进的编码方法SPHIT算法、SPECK算法。重点阐述了EZW算法的主要特点、原理以及该算法的实现过程,并通过对比分析以及仿真实验总结了这三种算法的优缺点。对这三种算法的位平面编码提出一种量化码流截断处理方法,且通过仿真证明这种方法可以提高三种算法的压缩比。同时针对EZW编码方法的一些不足,提出了一种基于人眼视觉特性的改进的EZW编码方法。改进点有以下几个方面：首先,定义新的零树结构,以简化零树扫描,因而在一定程度上可以降低算法执行时间；其次,通过重新分类重要系数编码重要图,一方面充分考虑了人眼对边缘信息的敏感特点,另一方面减少了不必要的编码符号；再次,将小波零树编码与哈夫曼编码、游程编码相结合,以有效提高编码效率。最后通过Matlab的仿真实现,证明了改进编码方法提高了压缩恢复图像的主观视觉质量以及峰值信噪比,可行且有效。
娄莉[8]（2010）在《一种基于小波零树的图像编码改进算法》文中提出提出了一种基于小波零树编码的改进算法,该算法首先对小波分解的高频非零系数进行预测处理,然后利用分形编码的思路,由分层树状结构的顶部开始一层层向下预测其余系数,并找出一系列能够代表各级小波分解图像的最佳匹配图像块形成代表块,这些代表块构成了一棵棵代表树.解码端通过对代表树的分形预测恢复出各级图像块.理论分析和实验结果表明,这种改进算法能够得到较高的压缩比.
张蕊[9]（2009）在《电力系统数据压缩算法的研究与实现》文中提出电力系统数据压缩是目前新兴的研究课题,它随着电网规模的扩大、电力信息化的发展、基于广域信息的应用而变得越来越重要。小波变换具有良好的局部特性和空间—频率特性,因而被广泛应用于电力系统数据压缩领域。但是传统小波不能同时具有对称性、正交性、短支撑性、高阶消失矩等性质,在一定程度上影响了压缩效果。多小波的出现为解决这一问题提供了一条新方案,但目前研究的多小波压缩算法只是基于阈值压缩的,压缩方法有待改进。本文针对这一问题,对基于多小波的电力数据压缩算法及压缩数据的传输进行了深入地研究和实验:1、讨论了一些关于数据压缩及数据传输方面的定义、技术方法和评价指标等基本理论。2、深入研究了基于多小波变换的数据压缩,并在此基础上提出了一种新的无损压缩和有损压缩相结合的电力数据压缩算法。该算法对多小波变换得到的低频系数采用Huffman无损编码,对得到的高频系数,采用改进的零树编码和游程编码进行有损压缩。该算法不仅可以自由变换压缩比,还可以获得更优的压缩效果。3、对基于二维多小波变换的阈值和零树编码压缩算法进行了深入的研究和仿真。同时提出了一种压缩电能质量扰动数据的新方法,可以将故障数据进行周期截取和重组,再应用图像压缩中的多小波零树编码进行压缩。算法还采用了自适应Huffman编码对低频系数进行压缩,对零树编码的主扫描序列进行游程编码,大大提高了压缩比。4、采用基于GPRS技术的传输系统来完成电力系统数据的压缩与传输实验,设计实现了系统的两个组成部分——监测终端和控制中心基于客户端/服务器模式、TCP/IP协议的压缩数据通信功能。完成了系统中GPRS通信模块的选择、通信协议的选择、GPRS组网方式的选择和传输上层应用协议的设计。在此基础上完成了系统基于多小波变换的压缩和解压程序和GPRS数据传输程序的编写,并通过大量的实验对传输程序的可靠性和压缩算法的效果进行了验证。
周嵩[10]（2009）在《小波分析在数字图像压缩中的研究》文中研究表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。
二、基于小波零树的图像编码优化方法（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、基于小波零树的图像编码优化方法（论文提纲范文）
（1）基于机器学习的分布式视频编码研究（论文提纲范文）
| 摘要 |
| ABSTRACT |
| 第一章 绪论 |
| 1.1 研究背景与研究意义 |
| 1.2 研究现状及发展态势 |
| 1.3 研究目标及内容 |
| 1.4 本文的结构安排 |
| 第二章 分布式视频编码理论基础 |
| 2.1 分布式信源编码 |
| 2.1.1 Slepian-Wolf理论 |
| 2.1.2 Wyner-Ziv理论 |
| 2.2 边信息生成算法 |
| 2.2.1 边信息外推 |
| 2.2.2 边信息内插 |
| 2.3 分布式视频编码常用框架 |
| 2.3.1 PDDVC和TDDVC系统框架 |
| 2.3.2 DRVC系统框架 |
| 2.3.3 DISCOVER系统框架 |
| 2.4 本章小结 |
| 第三章 基于高阶域特征提取的DVC框架设计 |
| 3.1 HOM-DVC框架 |
| 3.1.1 HOM框架编码端设计 |
| 3.1.2 HOM框架解码端设计 |
| 3.2 视频图像预处理设计 |
| 3.2.1 视频帧小波变换 |
| 3.2.2 基于小波变换的视频帧预处理 |
| 3.3 基于小波域的视频高阶统计特征挖掘算法 |
| 3.3.1 JPEG-2000 算法 |
| 3.3.2 基于机器学习的视频高阶特征挖掘 |
| 3.3.2.1 视频帧初步特征选取 |
| 3.3.2.2 视频帧特征搜索 |
| 3.4 本章小结 |
| 第四章 基于机器学习的高阶域分布式视频编码算法 |
| 4.1 AdaBoost算法 |
| 4.1.1 AdaBoost算法概述 |
| 4.1.2 AdaBoost算法原理 |
| 4.2 基于机器学习的HOMBAB分布式视频编码改进算法 |
| 4.2.1 弱分类器选取 |
| 4.2.2 弱分类器建立 |
| 4.3 基于AdaBoost的高阶提取特征信息训练 |
| 4.4 本章小结 |
| 第五章 仿真结果及分析 |
| 5.1 仿真环境 |
| 5.2 仿真结果与分析 |
| 5.2.1 主观视频质量比较 |
| 5.2.2 客观性能比较 |
| 5.2.3 算法复杂度分析 |
| 5.3 本章小结 |
| 第六章 总结与展望 |
| 6.1 本文总结 |
| 6.2 后续工作与展望 |
| 致谢 |
| 参考文献 |
（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）基于小波变换的图像压缩改进算法及其性能分析（论文提纲范文）
| 1 基于小波变换的图像压缩 |
| 1.1 基本原理 |
| 1.2 基本过程 |
| 2 基于小波变换的图像压缩算法 |
| 2.1 分层小波树集合分割算法 |
| 2.2 优化截断点的嵌入块编码算法 |
| 2.3 嵌入式小波零树图像编码 |
| 3 结语 |
（4）基于小波变换的图像压缩算法改进研究（论文提纲范文）
| 引言 |
| 1 小波变换 |
| 1.1 小波变换的产生及原理 |
| 1.2 小波变换的定义 |
| 2 基于小波变换的图像压缩 |
| 2.1 基于小波变换的图像压缩基本流程 |
| 2.2 基于小波变换的图像压缩编码 |
| 3 嵌入式小波零树压缩编码算法及改进方案 |
| 3.1 传统嵌入式小波零树压缩编码算法 |
| 3.2 嵌入式小波零树压缩编码的不足 |
| 3.3 嵌入式小波零树压缩编码的改进 |
| 4 仿真实验结果 |
| 5 结论 |
（5）一种基于小波零树编码和K-mean聚类的图像压缩的实现（论文提纲范文）
| 0 引言 |
| 1 基于小波零树编码和K-mean聚类的图像压缩算法 |
| 1.1 小波变换的零树编码 |
| 1.2 K-mean聚类算法 |
| 2 基于小波零树编码和K-mean聚类的图像压缩算法的实现 |
| 3 实验结果 |
| 4 结论 |
（6）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 |
（7）基于小波变换的静止图像压缩编码技术的研究（论文提纲范文）
| 摘要 |
| Abstract |
| 第1章 绪论 |
| 1.1 选题的背景和意义 |
| 1.2 小波图像编码的研究状况 |
| 1.3 本文的主要工作和结构安排 |
| 第2章 图像压缩编码概述 |
| 2.1 图像压缩编码的原理 |
| 2.2 图像编码技术分类 |
| 2.2.1 传统图像编码方法 |
| 2.2.2 现代图像编码方法 |
| 2.3 图像编码质量的评价 |
| 2.3.1 客观评价方法 |
| 2.3.2 主观评价方法 |
| 2.3.3 图像压缩效率评定 |
| 2.4 静止图像编码国际标准 |
| 2.4.1 JPEG |
| 2.4.2 JPEG2000 |
| 2.5 本章小结 |
| 第3章 小波变换在图像编码中的应用 |
| 3.1 小波分析基础 |
| 3.1.1 小波变换的定义 |
| 3.1.2 连续小波变换 |
| 3.1.3 离散小波变换 |
| 3.1.4 多分辨率分析 |
| 3.1.5 Mallat算法 |
| 3.2 图像的小波分解特征的实验分析 |
| 3.3 小波变换图像编码的优点 |
| 3.4 小波变换实现图像数据压缩的基本思想 |
| 3.5 小波编码涉及的几个问题 |
| 3.5.1 小波基的选择 |
| 3.5.2 图像小波变换系数的组织模型 |
| 3.5.3 量化方法 |
| 3.5.4 熵编码 |
| 3.6 本章小结 |
| 第4章 小波压缩编码方法及其改进 |
| 4.1 嵌入式小波零树编码方法 |
| 4.1.1 嵌入式小波零树编码主要特点 |
| 4.1.2 小波零树编码扫描顺序 |
| 4.1.3 嵌入式零树编码的实现 |
| 4.1.4 EZW算法的仿真实验及分析 |
| 4.2 基于小波零树编码思想的改进算法的研究 |
| 4.2.1 分层树的集划分编码 |
| 4.2.2 集合分裂嵌入块编码 |
| 4.3 算法分析与比较 |
| 4.4 量化码流的截断处理 |
| 4.4.1 位平面编码 |
| 4.4.2 码流截断 |
| 4.4.3 实验结果分析 |
| 4.5 本章小结 |
| 第5章 基于人眼视觉特性嵌入式小波零树编码方法 |
| 5.1 嵌入式小波零树编码的改进 |
| 5.1.1 改进零树结构 |
| 5.1.2 改进重要图编码 |
| 5.2 结合哈夫曼编码和游程编码 |
| 5.3 改进的嵌入式小波零树编码原理 |
| 5.4 改进的嵌入式小波零树编码流程 |
| 5.5 改进算法仿真实现和结果分析 |
| 5.5.1 改进EZW算法在Matlab中仿真实现 |
| 5.5.2 原算法与改进算法仿真结果对比及结论 |
| 5.6 本章小结 |
| 总结与展望 |
| 参考文献 |
| 致谢 |
| 附录A 攻读学位期间所发表的学术论文目录 |
（8）一种基于小波零树的图像编码改进算法（论文提纲范文）
| 1 引言 |
| 2 基于小波零树编码的基本原理 |
| 3 分形预测代表树的形成原理 |
| 4 改进算法方案 |
| 5 实验结果 |
| 6 结束语 |
（9）电力系统数据压缩算法的研究与实现（论文提纲范文）
| 摘要 |
| ABSTRACT |
| 第一章 绪论 |
| 1.1 课题目的和意义 |
| 1.2 国内外研究现状及存在的问题 |
| 1.2.1 电力数据压缩 |
| 1.2.2 电力数据传输 |
| 1.3 本文的主要研究内容 |
| 1.4 本文的创新之处 |
| 第二章 数据压缩及数据传输的方法与评价指标 |
| 2.1 数据压缩 |
| 2.1.1 数据压缩原理 |
| 2.1.2 压缩算法的分类 |
| 2.1.3 压缩效果的评价标准 |
| 2.2 数据传输 |
| 2.2.1 数据传输方式 |
| 2.2.2 数据传输的质量指标 |
| 2.2.3 电力系统通信技术介绍 |
| 2.3 本章小结 |
| 第三章 多小波嵌入式零树编码方法及电力数据的压缩 |
| 3.1 多小波基本理论 |
| 3.1.1 多小波的重要性质 |
| 3.1.2 几种常用的多小波比较 |
| 3.1.3 多小波的多分辨率分析 |
| 3.1.4 正交离散多小波变换 |
| 3.1.5 预处理方法及对多小波滤波器性能的影响 |
| 3.2 多小波阈值压缩算法 |
| 3.2.1 几种常用多小波变换的分解重构比较 |
| 3.2.2 压缩算法的实现过程 |
| 3.2.3 与单小波阈值算法压缩效果的对比 |
| 3.3 多小波零树编码在电力数据压缩中的应用 |
| 3.3.1 嵌入式小波零树编码 |
| 3.3.2 基于多小波的嵌入式零树编码算法的设计 |
| 3.3.3 压缩算法的几点改进 |
| 3.3.4 改进后压缩算法的流程 |
| 3.3.5 待编码数据的构成与误差来源分析 |
| 3.3.6 仿真实验及结果分析 |
| 3.3.7 新算法的优越性 |
| 3.4 本章小结 |
| 第四章 二维多小波嵌入式零树编码方法及电能质量信号压缩 |
| 4.1 图像压缩的基本理论 |
| 4.1.1 图像压缩概述 |
| 4.1.2 图像压缩方法 |
| 4.1.3 图像压缩的评价标准 |
| 4.2 基于多小波变换的图像压缩 |
| 4.2.1 图像的多小波变换 |
| 4.2.2 二维GHM多小波变换的仿真 |
| 4.2.3 基于多小波的图像压缩的实验与分析 |
| 4.3 多小波零树图像编码在图像压缩中的应用 |
| 4.3.1 压缩算法的实现 |
| 4.3.2 仿真实验及结果分析 |
| 4.4 二维多小波零树图像编码在电力数据压缩中的应用 |
| 4.4.1 压缩算法的流程 |
| 4.4.2 算法中的几个关键步骤 |
| 4.4.3 仿真实验及结果分析 |
| 4.5 本章小结 |
| 第五章 基于GPRS的电力数据远程传输的程序设计与实验 |
| 5.1 系统通信方案的设计 |
| 5.1.1 GPRS通信模块的选择 |
| 5.1.2 系统通信协议的选择 |
| 5.1.3 GPRS组网方式的选择 |
| 5.1.4 数据传输上层应用协议的设计 |
| 5.2 系统的软硬件开发平台 |
| 5.2.1 硬件开发平台的构架 |
| 5.2.2 软件开发环境 |
| 5.3 监测终端应用程序的开发与实现 |
| 5.3.1 基于多小波的数据压缩在VC6.0下的实现 |
| 5.3.2 GPRS数据传输底层功能的实现 |
| 5.4 控制中心应用程序的开发与实现 |
| 5.4.1 客户机/服务器模式 |
| 5.4.2 SOCKET编程原理 |
| 5.4.3 服务器应用程序的设计与实现 |
| 5.5 传输试验及结果 |
| 5.5.1 GPRS传输实验 |
| 5.5.2 还原压缩数据与原始数据对比 |
| 5.6 本章小结 |
| 结论 |
| 参考文献 |
| 致谢 |
| 研究成果及发表的学术论文 |
| 作者与导师简介 |
| 北京化工大学硕士研究生学位论文答辩委员会决议书 |
（10）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 |
四、基于小波零树的图像编码优化方法（论文参考文献）
- [1]基于机器学习的分布式视频编码研究[D]. 姜天勇. 电子科技大学, 2021(01)
- [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]基于小波变换的图像压缩改进算法及其性能分析[J]. 汪辉进. 西安文理学院学报(自然科学版), 2017(04)
- [4]基于小波变换的图像压缩算法改进研究[J]. 冯永亮. 电子产品世界, 2016(07)
- [5]一种基于小波零树编码和K-mean聚类的图像压缩的实现[J]. 陈慧,龙飞,段智云. 软件, 2016(02)
- [6]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)
- [7]基于小波变换的静止图像压缩编码技术的研究[D]. 黄丽. 湖南大学, 2010(03)
- [8]一种基于小波零树的图像编码改进算法[J]. 娄莉. 微电子学与计算机, 2010(04)
- [9]电力系统数据压缩算法的研究与实现[D]. 张蕊. 北京化工大学, 2009(S1)
- [10]小波分析在数字图像压缩中的研究[D]. 周嵩. 贵州大学, 2009(S1)