基于内插预测的图像数据无失真压缩研究

来源 :东南大学 | 被引量 : 0次 | 上传用户:y2228158
下载到本地 , 更方便阅读
声明 : 本文档内容版权归属内容提供方 , 如果您对本文有版权争议 , 可与客服联系进行内容授权或下架
论文部分内容阅读
图像压缩分为有损压缩和无损压缩,无损压缩是指在没有任何图像损失的前提下,降低数据量,获得低比特率的图像数据表示,在解码时可以无失真地恢复出原始图像的压缩方法。无损图像压缩在许多领域有重要的应用,如一些需要对图像做进一步处理、重复压缩与解压缩以及图像的获取代价昂贵的领域。近年来,特别在医学领域和遥感领域,图像数据量海量增长,对高效的无损压缩方法有着迫切的需要。因此,研究高效的无损图像压缩技术有重要的理论意义和实用价值。   本文主要研究基于内插预测的图像无损压缩,将图像插值算法应用在图像的无失真压缩编码中。所做的工作有:   1)回顾了图像压缩技术的发展历程,概括总结了基本的图像编码技术,并着重论述了无损压缩技术;   2)介绍了传统的函数插值算法以及常用的线性、非线性图像插值算法;   3)介绍灰度图像的分割算法,并研究了基于插值算法的灰度图像的无损压缩,比较了不同的插值算法对图像压缩性能的影响,在此基础上针对医学特殊图像研究了一种自适应的图像压缩算法;   4)论述了目前提出的主要的彩色空间及彩色空间之间的转换关系,并研究了非线性图像插值算法在彩色图像压缩中的应用。
其他文献
认知网络的出现为日益紧缺的频谱资源的使用提供了有效的解决方案。现有对于认知网络的研究主要集中在动态频谱接入技术上,包括动态频谱的检测、分配和共享等。认知多跳网络
织物组织识别技术发展到今天,还没有广泛的投入到实际应用中。这个技术的难点主要体现在组织结构的多样性以及噪声的复杂性。组织结构的多样性这点难以改变,完全剔除所有噪声
图像分辨率是成像系统对图像细节分辨能力的一种度量,也是图像中目标细微程度的指标,高分辨率图像能提供有关目标更多重要的细节信息。随着多媒体通信和信号处理技术的发展,
未来十年将爆发式增长的数据传输需求,给通信系统的容量与可靠性等提出了更高的要求。对下一代通信系统5G的通信系统关键技术的研究已经得到深入且广泛的开展。在基站增加了
运动目标的自动检测和跟踪是计算机视觉系统研究的重要内容之一,目前在这一领域已经提出了许多算法,取得了令人瞩目的成就。本文着重对静止背景下视频序列中运动目标的检测和
无线局域网(WLAN)作为一种成熟的宽带无线接入网络,凭借其移动性强、灵活性好、易于扩展、成本低廉等特点,已经获得了越来越广泛的应用。无线局域网相关标准有很多,其中以IEE