CN102215385B - 一种图像实时无损压缩方法 - Google Patents
一种图像实时无损压缩方法 Download PDFInfo
- Publication number
- CN102215385B CN102215385B CN201010142893.5A CN201010142893A CN102215385B CN 102215385 B CN102215385 B CN 102215385B CN 201010142893 A CN201010142893 A CN 201010142893A CN 102215385 B CN102215385 B CN 102215385B
- Authority
- CN
- China
- Prior art keywords
- image
- value
- input picture
- pixel
- data
- 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
Images
Abstract
本发明涉及一种图像实时无损压缩方法,包括:根据输入原始图像的规格大小设定预测器长度;根据输入图像用改进JPEG-LS预测器进行预测,将实际值与预测值做差,得到残差并映射为非负整数,得到输入图像的预处理结果;根据输入图像的预处理结果按照分裂方式k的不同取值进行分裂、累加,并计算k=0,1,2,...,n-3时各情况下的总码长,取码长最小值所对应的k值,记为k*;n为输入图像像素值转换为二进制时的位宽;根据k*来对整幅图像的样本进行分裂,获得压缩码流并进行存储或传输。本发明对连续色调性较差的灰度图像特别是星载遥感图像可有效地降低整幅图像的空间冗余,减小样本均值,整个编码过程不会丢失任何信息,实现了无损压缩。
Description
技术领域
本发明涉及任意灰度图像信息处理技术领域,具体地说是一种可以应用于普通灰度图像处理、特别是遥感卫星、医学图像、各种目标图像的实时无损压缩方法。
背景技术
目前卫星遥感技术广泛应用于军事侦察、国家和地区安全、气象分析、海洋陆地资源勘探及各种灾害调查等众多领域,随着遥感卫星的分辨率越来越高,卫星上各种相机所拍摄的各类图像数据量越来越庞大,致使海量数据压缩要求越来越高。
目前已有的图像压缩方法主要分为有损、无损和近无损压缩。顾名思义,有损和近无损压缩方法都在本质上决定了图像的解压重建结果只是原图像的某种取舍和近似,不能完整地恢复出原有信息,特别是细节信息。无损压缩方法的优点是原始图像与解压图像之间的绝对相同,不会丢失任何信息和引起任何失真,尽管无损压缩算法的压缩比通常低于有损压缩和近无损压缩算法,但对于珍贵的、具有广泛应用领域及长期保存价值的卫星图像而言,只要能够满足将星上图像数据实时传回地面的要求,那么,解压缩出来的图像质量当然越高越好,而且无损压缩也是在一定程度上对原始数据进行压缩。因此,研究高效的无损压缩方法对于星载图像有着十分重要的意义。
然而,由于星载图像的获取价格比较昂贵,特别是星上本身的存储空间十分有限,不能保留太多数据,所以,对于星载图像,人们力求得到完整的图像信息,通常采用无损压缩方式先在星上对数据进行压缩,然后实时下行传输给地面接收站。因此,星载图像对于压缩的实时性和压缩比的提高都提出了很高的要求。与之相对应,研究高效星载图像压缩方法,也就成为遥感信息处理领域亟待解决的一个热点和难点。
无损压缩方法主要有基于预测的无损压缩和基于变换的无损压缩。其中基于预测的无损压缩方法计算简单,易于硬件实现和实时传输,是一种备受关注和广泛应用的压缩方法。现今国内外研究和应用的Rice图像压缩算法也都是基于预测的无损压缩,其核心内容是:
第一步,预测。对输入图像(M行、N列),首先进行分段和分块,然后对各段、各块的图像数据X(i,j)进行标准JPEG-LS中提供的中值边缘检测MED预测法进行预处理,目的是去除各点像素与其相邻像素点之间的空间相关性,然后将得到的预测参差Δi×j进行映射,变为全部的非负整数δi×j。
第二步,熵编码。将δi×j划分为多组数据,每组的数据个数为J,根据算法的发明者Robert F.Rice的建议,J的取值范围为16≤J≤25;根据国际空间数据咨询委员会CCSDS的建议,J=8 or 16,通常,令J=16。那么这幅图像共分为组,这里表示向上取整。对于其中的某一组而言,依据该组的熵值大小查表得到相应的样本分裂方式k,然后对该组数据进行分裂和Golomb编码(也称逗点编码)操作,得到该组的输出码流。
该组的码流格式为:分裂方式标识+(逗点编码结果1+1+余数1,逗点编码结果2+1+余数2,...,逗点编码结果J+1+余数J) (4)
当该组数据压缩完毕以后紧接着处理下一组数据,从而实现该组数据与下一组数据之间的无缝链接,直至所有数据处理完毕。当最后一组数据个数不足J时,在后面补零至J个数,然后进行编码输出。最终的输出数据就是组(4)式的组合。
可以肯定的是:目前采用的Rice算法有两个优点。第一、在预测部分,为了增加解码的准确性和传输的抗误码性而采取了分块预测办法;第二、对于单独的每组数据来说,满足了求取本组数据的最优压缩效果要求。
然而,正是上述这两个优点制约着压缩效果进一步提高。
原因如下:第一、分块预测必然会导致相邻数据块之间的相关性消失,而且分块预处理的结果会导致整体映射数据的熵与均值增大。为了方便描述,假设有一行数据(M=1),共有16列(N=16),每组数据个数J=4,那么,每个像素点的像素值如下:
对于J=4则该行数据被分为四块进行预测:
第一块数据 第一块数据预测结果
第二块数据 第二块数据预测结果
第三块数据 第三块数据预测结果
第四块数据 第四块数据预测结果
很明显第二块数据中的88与前一个数据86的空域相关性消失。同理,第三块、第四块也存在同样的问题。如果以整行方式来预测,那么整行数据的预测结果如下:
显然,分块预测切断了组与组数据间的连续性和相关性,而采取整块数据的统一预测策略对减小数据信息熵与均值效果则会很明显。
第二、对于采取分块策略来解决抗误码问题,可以从数据传输角度进行更好的解决,如果解压缩图像本身存在误码,而人们却不知道误码在哪些像素点,那样就相当于向人们给出了错误的图像信息。显然,没有信息总好过错误信息。
第三、标准JPEG-LS中提供的中值边缘检测MED预测法主要是针对连续色调图像的无损/近无损压缩,该标准是基于LOCO-I算法,其内容是在因果邻域间检测水平和垂直方向是否存在边界,图像样本以光栅顺序逐一编码,从图像的左上角样本开始,直到右下角结束。由于某类图像的梯度并不具有很强的连续性,如星载遥感图像、纹理图像,它们的细节信息非常丰富,而且价值信息就存在细节之中,连续色调性也不强,且相邻像元间具有平滑性、均一性和粗糙性等特点,所以要对没有边界的像素点的预测值进行修正。
第四、由经典Rice编码,假设给定的Rice编码数据值为mi,每组数据个数为J,则这些数据可以分为组。可供选择的分裂位数为k,在第p组中,样本的分裂方式记为kp(p=0,1,2,...),第i个像素点的实际像素值记为mp,i(p=1,2,3,...,P,i=1,2,3,...,J)。那么,对于第p组而言,码长为
其中,对于输入图像:M行×N列,n比特,每种分裂方式的标识为s比特。对于灰度图像,通常n=8,s=3。根据国际空间数据委员会CCSDS的建议,当n≤8时,s=3;当8<n≤16时,s=4;当n>16时,s=5。
而目标为求取总码长L的最小值,即式(2)
对于(7)式这种多参数、多维、且参数数量变化范围还很大的离散优化问题目前还没有合适的求解方法,而且对于实时图像压缩系统来说,反复的循环求解显然不能满足实时性要求。
发明内容
针对现有技术中图像无损压缩方法存在的Rice算法本身的复杂度较高、硬件实现十分困难、压缩比较低等不足之处,本发明要解决的技术问题是提供一种将标准JPEG-LS预测和经典Rice算法进行改进,应用到普通灰度图像特别是用于星载遥感图像的实时压缩系统中的图像实时无损压缩方法。
为解决上述技术问题,本发明采用的技术方案是:
本发明一种图像实时无损压缩方法,其特征在于包括以下步骤:
1)根据输入原始图像的规格大小设定预测器长度;
2)根据输入图像相邻像素间具有空域相关性的特点,用改进JPEG-LS预测器进行预测,将实际值与预测值做差,得到残差并映射为非负整数,得到输入图像的预处理结果;
3)根据输入图像的预处理结果按照分裂方式k的不同取值进行分裂、累加,并计算k=0,1,2,...,n-3时各情况下的总码长,然后比较,取码长最小值所对应的k值,记为k*;n为输入图像像素值转换为二进制时的位宽。
4)根据k*来对整幅图像的样本进行分裂,即改进的Rice编码,从而获得压缩码流并进行存储或传输,在本地或异地实现可逆解码。
所述设足预测器长度的方法为由已知输入图像的行数值或列数值来确定预测器长度,即每个预处理周期的预测数据为一整行或整列像素值。
所述改进的JPEG-LS预测表达式(1):
式中,X(i,j)为输入图像第i行、第j列像素点的像素值,为X(i,j)的预测值,X(i-1,j)为输入图像第i-1行、第j列像素点的像素值,X(i-1,j-1)为输入图像第i-1行、第j-1列像素点的像素值;X(i,j-1)为输入图像第i行、第j-1列像素点的像素值。
所述根据输入图像的预处理结果按照样本分裂方式k的不同取值进行分裂、累加具体为:
除第一行第一列像素点的预测值按长度为原始输入数据的比特数计算和输出外,其余预测数据根据不同的分裂方式进行相应的码长计算,得到最短的码长及其对应分裂方式k*,然后对整幅图像的预处理结果进行分裂k*位操作;而后对分裂结果缓存,只添加一次分裂方式标识位,逐一读取并进行Golomab编码,将编码结果与余数链接作为压缩码流,直至所有数据处理完毕。
输入图像的第一行第一列像素点不参与Rice编码分裂方式的选择,而直接取其固定的输入比特宽度计算码长;在编码输出的结果表现形式为原码输出。
所述图像的预处理结果根据国际空间数据咨询委员会提供的不同分裂选择方式进行选择分裂方式,对整幅图像采取统一的样本分裂方式。
Rice熵编码中最优编码参数选择策略为式(2):
其中,k*、L*表示当k=0,1,2,...,n-3时所对应的总码长L取最小值时的k和L的值,n为输入图像的比特位数。
对输入图像的灰度范围为0~255,取不同的k值来求取编码结果的总码长Lk最小时所对应的k值,记为k*,而Rice编码的码长计算的公式(3):式中,Lk为当样本分裂k比特是的累加码长,M、N分别表示输入图像为M行N列,k为样本分裂位数,δi×j表示输入图像数据的第i行、第j列像素点的像素值经过改进JPEG-LS的预处理结果,s为用于标识样本分裂方式的位宽。
本发明具有以下有益效果及优点:
1.本发明方法对连续色调性较差的灰度图像特别是星载遥感图像可有效地降低整幅图像的空间冗余,减小样本均值,整个编码过程不会丢失任何信息,实现了无损压缩。
2.本发明方法针对输入图像的自身特点,对JPEG-LS预测方法进行了改进,使预测值与实际真实值更接近,能够有效降低样本信息熵和均值,从而获得更大的压缩空间,来提高压缩比,有利于实时压缩和传输。
3.本发明方法将对预处理后的δi×j进行改进的Rice熵编码,主要是对经典Rice算法中的最优参数选择策略进行了改进,突破了原有的分块长度16≤J≤25或J=8的限制,进行整齐划一的样本分裂和编码,减少了编码计算量,提高了压缩比,而且整个编码过程不会丢失任何信息,实现了无损压缩。
4.本发明方法对经典Rice算法的限制条件进行了彻底性突破,使得计算复杂度和硬件设计复杂度均大幅度降低,编码效率显著提高,编码速度明显提高,更易于硬件实现。
附图说明
图1为本发明方法的总体流程图;
图2A~2Z为本发明方法中用于测试的部分图像(一)~(二十六);
图3a~3j为国际通用标准测试图像(一)~(十);
图4为本发明方法流程图;
图5为本发明方法的预测结构图。
具体实施方式
如图1所示,本发明一种图像实时无损压缩方法包括以下步骤:
1)根据输入原始图像的规格大小设定预测器长度;
2)根据输入图像相邻像素间具有较强的空域相关性的特点,用改进JPEG-LS预测器进行预测,将实际值与预测值做差,得到残差(或称“差值”)并映射为非负整数,得到输入图像的预处理结果,以便后续进行Rice编码;
3)根据输入图像的预处理结果按照样本分裂方式k的不同取值进行分裂、累加,并计算k=0,1,2,...,n-3时各情况下的总码长,然后比较,取码长最小值所对应的k值(记为k*);比如灰度范围0~255,那么需要8位二进制表示,n=8。
4)根据累加码长最小值所对应的k*值来对整幅图像的样本进行分裂,即改进的Rice熵编码,从而获得压缩码流并进行存储或传输,在本地或异地实现可逆解码。
1)根据输入原始图像的规格大小设定预测器长度
设定预测器长度的方法为由已知输入图像的行数值或列数值来确定预测器长度,即每个预处理周期的预测数据为一整行或整列像素值。本实施例中,根据输入原始图像的规格大小设定预处理部分的FIFO深度来确定预测器长度。
2)根据输入图像相邻像素间具有较强的空域相关性的特点,用改进JPEG-LS预测器进行预测,将实际值与预测值做差,得到残差(或称“差值”)并映射为非负整数,得到输入图像的预处理结果。
根据标准JPEG-LS中提供的中值边缘检测MED预测法主要是针对连续色调图像的无损或近无损压缩,在因果邻域间检测水平和垂直方向是否存在边界,图像样本以光栅顺序逐一编码,从图像的左上角样本开始,直到右下角结束。由于某类图像的梯度并不具有很强的连续性,如星载遥感图像、纹理图像,它们的细节信息非常丰富,而且价值信息就存在细节之中,连续色调性也不强,相邻像元间具有平滑性、均一性和粗糙性等特点,所以要对没有边界的像素点的预测值要进行修正,用改进JPEG-LS预测表达式进行预测,即式(1)
式中,表示向下取整,X(i,j-1)、X(i-1,j)为图像中(i,j)像素点的相邻像素值,X(i-1,j-1)为图像中(i,j)像素点的左上角像素值,是X(i,j)的预测值。
将实际值与预测值做差,得到残差并映射为非负整数,以便后续进行Rice编码。
而标准的JPEG-LS的预测为
式中,如图5所示,X(i,j)为输入图像第i行、第j列像素点的像素值,为X(i,j)的预测值,X(i-1,j)为输入图像第i-1行、第j列像素点的像素值,X(i-1,j-1)为输入图像第i-1行、第j-1列像素点的像素值;X(i,j-1)为输入图像第i行、第j-1列像素点的像素值。
3)根据输入图像的预处理结果按照样本分裂方式k的不同取值进行分裂、累加,并计算k=0,1,2,...,n-3时各情况下的总码长,然后比较,取码长最小值所对应的k值(记为k*);n为原码的比特宽度。
本实施例中,图像的预处理结果根据国际空间数据咨询委员会提供的不同分裂选择方式进行选择分裂方式,对整幅图像采取统一的样本分裂方式。
如图4所示,对于所述消除空域的数据冗余,一般采用标准JPEG-LS二维预测器进行去相关操作。本实施例中采用改进的方法,具体为:
第一,除第一行第一列像素点所对应像素点的预测值按原码的比特宽度n计算码长外,其余像素点的预处理结果δi×j根据不同分裂方式k进行相应的样本分裂、累加码长,得到最短的总码长及其对应分裂方式k*,即为最优的样本分裂方式;对整幅图像的预处理结果进行分裂k*位操作,然后进行全局统一Rice编码的分裂策略;根据不同的分裂策略对缓存的数据逐一读取、分裂并Golomb编码(也称逗点编码),将逗点编码结果+余数作为压缩码流输出,然后读取下一个数据,同样分裂、编码,直至所有的残差图像像素点都处理完毕。
第二,用改进JPEG-LS预测,表达式为式(1)
以及残差
根据差值的正负符号进行映射,映射关系为:
式中,δi×j为Rice编码对象,即输入图像的第i行、第j列像素点预处理结果,i=1,2,3,...,M,j=1,2,3,...,N,δ1=X(1,1),输入图像的第一行、第一列像素点的灰度值为X(1,1)。
4)根据累加码长最小值所对应的k值(记为k*)来对整幅图像的样本进行分裂,即改进的Rice熵编码,从而获得压缩码流,可进行存储或传输,在本地或异地实现可逆解码。
改进的Rice编码对整幅图像的所有预处理结果(除起始点外)统一分裂k*比特,只添加一次分裂方式标识位,即为全局一致Rice编码的分裂策略。
根据k*对整幅图像的所有像素点进行分裂和Golomb编码,即改进的Rice熵编码,而获得压缩码流,以供存储或传输,在本地或异地实现可逆解码。
根据Rice编码由基本序列FS和分裂样本两个部分组成。分裂样本的原理是:δi×j是一个独立样本,位宽n比特,则有
其中,和分别代表第i行、第j列像素点的预处理结果δi×j的分裂结果和余数,b0,1,...,n-1=0 or 1,表示将δi×j展开成二进制时的加权系数,k表示样本δi×j被分裂出k比特,q为二进制数的权重。
将分裂结果进行Golomb编码(也称逗点编码),如输入数据为十进制r,则
通过循环累加,将r转换为r个零,然后链接一个“1”作为逗点编码的结束。对于分裂出来的余数,则直接链接在逗点编码的尾部,从而实现对一个数据的从n比特向r+1+k比特的转换,得到压缩码流,进行存储或下传,在本地或异地实现可逆解码,恢复到压缩前的原始图像。
对整幅图像的δi×j进行改进Rice熵编码,不再对δi×j进行分组,而是采取全局一致的分裂方式k*。以美国南加州大学信号与图像处理研究所数据库中选取的测试专用且具有代表性的26幅(如图2A~2Z所示)和10幅(如图3a~3j所示)国际通用的标准测试图像进行验证。
下面结合本发明方法流程图4和具体实例数据详细描述压缩过程,主要按以下步骤操作:
第一步:从存储器逐行读入图像数据。当i=1即第一行图像数据时,采用一维预测,同时,判断第一行数据是否处理完毕,如果未完成,则继续采用一维预测处理第一行数据;如果第一行数据已经完成,即i>1,则根据改进的JPEG-LS预测。即式(1)
第二步:将一维预测的残差及改进的JPEG-LS预测残差根据式(10)
第三步:将δi×j缓存,与此同时将δi×j转换为二进制的位矢量形式,然后进行逻辑右移k比特操作,即根据式(11)
进行分裂,然后再根据式(3)
本实施例中,s=3,n=8,式中得到所有样本在不同分裂方式时的累加码长,通过码长比较,确定最优分裂方式k*;
第四步:添加分裂标识s;
第五步:从第一行(i=1)的j=1开始,对j逐一累加(j=j+1),当j=N时,i=i+1、j=1,继续对j逐一累加,...,直到该幅图像的所有像素点处理完毕(i=M,j=N)。这样逐行逐列的读取缓存中的每一个δi×j,然后将δi×j分裂k*比特得到结果r,然后根据式(12)逗点编码,并在每一个编码结果的尾部链接分裂余数,使输出的码流为式(4)格式;
第六步:缓存地址+1,读取δi×j+1,循环第五步过程,直至最后一个像素点处理完毕;
第七步:将所得编码数据存储或输出。
为了检验本发明所提出方法的性能,与目前广泛应用的标准JPEG-LS预测、经典Rice算法和本发明中改进JPEG-LS预测与改进的Rice算法进行了比较。
对原始图像尺寸为256×256的图2A~图2D图像数据压缩后所得到的压缩比如下表:
对原始图像尺寸为512×512的图2E~图2P图像数据压缩后所得到的压缩比如下表:
对原始图像尺寸为1024×1024的图2Q~图2Y图像数据压缩后所得到的压缩比如下表:
对原始图像尺寸为2250×2250的图2Z图像数据压缩后所得到的压缩比如下表:
另外,对于图3中的10幅国际通用标准测试图像的测试结果如下表:
在具体测验工程中共测试了美国南加州大学图像处理研究所数据库中的88幅图像和12幅标准测试图像。实验结果表明,用本发明方法对这100幅图像进行编码,有82幅图像能够有效地去除图像的空间相关性,提高无损压缩比,特别是计算量以及提高编码速度,有18幅图像比原Rice算法或优化Rice算法的压缩比没有提高,但压缩计算量以及提高编码速度却也明显提高,这对于实时无损压缩而言,速度的提高比压缩比更为重要。从上述表中可以看出,对大多数不同尺寸的航拍图像和普通图像,压缩比都普遍有明显提高。另外,通过大量的图像测试算得,与现今的Rice无损压缩算法相比,本发明方法获得的平均比特率能降低0.471147bpp(bit/pixel)左右,编码时间同比降低左右。
Claims (4)
1.一种图像实时无损压缩方法,其特征在于包括以下步骤:
1)根据输入原始图像的规格大小设定预测器长度;
2)根据输入图像相邻像素间具有空域相关性的特点,用改进JPEG-LS预测器进行预测,将实际值与预测值做差,得到残差并映射为非负整数,得到输入图像的预处理结果;
3)根据输入图像的预处理结果按照分裂方式k的不同取值进行分裂、累加,并计算k=0,1,2,...,n-3时各情况下的总码长,然后比较,取码长最小值所对应的k值,记为k*;n为输入图像像素值转换为二进制时的位宽;
4)根据k*来对整幅图像的样本进行分裂,即改进的Rice编码,从而获得压缩码流并进行存储或传输,在本地或异地实现可逆解码;
所述设定预测器长度的方法为由已知输入图像的行数值或列数值来确定预测器长度,即每个预处理周期的预测数据为一整行或整列像素值;
改进的JPEG-LS预测表达式为:
式中,X(i,j)为输入图像第i行、第j列像素点的像素值,为X(i,j)的预测值,X(i-1,j)为输入图像第i-1行、第j列像素点的像素值,X(i-1,j-1)为输入图像第i-1行、第j-1列像素点的像素值;X(i,j-1)为输入图像第i行、第j-1列像素点的像素值;
所述根据输入图像的预处理结果按照样本分裂方式k的不同取值进行分裂、累加具体为:
除第一行第一列像素点的预测值按长度为原始输入数据的比特数计算和输出外,其余预测数据根据不同的分裂方式进行相应的码长计算,得到最短的码长及其对应分裂方式k*,然后对整幅图像的预处理结果进行分裂k*位操作;而后对分裂结果缓存,只添加一次分裂方式标识位,逐一读取并进行Golomb编码,将编码结果与余数链接作为压缩码流,直至所有数据处理完毕;
k表示输入图像数据的像素点的像素值经过改进JPEG-LS的预处理结果被分裂出k比特。
2.按权利要求1所述的图像实时无损压缩方法,其特征在于:输入图像的第一行第一列像素点不参与Rice编码分裂方式的选择,而直接取其固定的输入比特宽度计算码长;在编码输出的结果表现形式为原码输出。
3.按权利要求1或2所述的图像实时无损压缩方法,其特征在于:Rice编码中最优编码参数选择策略为:
其中,k*、L*表示当k=0,1,2,...,n-3时所对应的总码长L取最小值时的k和L的值,n为输入图像像素值转换为二进制时的位宽。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201010142893.5A CN102215385B (zh) | 2010-04-09 | 2010-04-09 | 一种图像实时无损压缩方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201010142893.5A CN102215385B (zh) | 2010-04-09 | 2010-04-09 | 一种图像实时无损压缩方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN102215385A CN102215385A (zh) | 2011-10-12 |
CN102215385B true CN102215385B (zh) | 2014-03-19 |
Family
ID=44746482
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201010142893.5A Active CN102215385B (zh) | 2010-04-09 | 2010-04-09 | 一种图像实时无损压缩方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN102215385B (zh) |
Families Citing this family (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102685498B (zh) * | 2012-04-24 | 2015-03-04 | 浙江工业大学 | 一种基于jpeg-ls帧间扩展的三维声纳图像序列无损压缩方法 |
CN103227920B (zh) * | 2013-04-03 | 2015-12-23 | 南京信息工程大学 | 一种多通道卫星图像无损压缩方法 |
CN104349165B (zh) * | 2014-09-16 | 2017-06-16 | 上海通途半导体科技有限公司 | 高性能变长编解码方法及装置 |
CN105592313B (zh) * | 2014-10-21 | 2018-11-13 | 广东中星电子有限公司 | 一种分组自适应熵编码压缩方法 |
CN105208394B (zh) * | 2015-09-21 | 2018-09-04 | 北京集创北方科技股份有限公司 | 一种实时数字图像压缩预测方法与系统 |
CN107295338B (zh) * | 2016-04-12 | 2020-09-04 | 上海兆芯集成电路有限公司 | 基于无损联合图像专家小组格式的图像压缩与解压缩方法 |
CN113472364B (zh) * | 2021-06-15 | 2022-05-27 | 新疆天链遥感科技有限公司 | 一种多频段自适应遥测信号解调方法 |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US5751860A (en) * | 1996-09-03 | 1998-05-12 | Acer Peripherals, Inc. | Method for compressing and decompressing digital image data |
US6043763A (en) * | 1998-03-12 | 2000-03-28 | Liquid Audio, Inc. | Lossless data compression with low complexity |
CN1684495A (zh) * | 2004-04-15 | 2005-10-19 | 微软公司 | 图像和视频的预测无损编码 |
CN101534373A (zh) * | 2009-04-24 | 2009-09-16 | 北京空间机电研究所 | 基于改进jpeg-ls算法的遥感图像近无损压缩硬件实现方法 |
CN201418137Y (zh) * | 2008-11-21 | 2010-03-03 | 中国科学院空间科学与应用研究中心 | 一种星载图像无损压缩处理系统 |
-
2010
- 2010-04-09 CN CN201010142893.5A patent/CN102215385B/zh active Active
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US5751860A (en) * | 1996-09-03 | 1998-05-12 | Acer Peripherals, Inc. | Method for compressing and decompressing digital image data |
US6043763A (en) * | 1998-03-12 | 2000-03-28 | Liquid Audio, Inc. | Lossless data compression with low complexity |
CN1684495A (zh) * | 2004-04-15 | 2005-10-19 | 微软公司 | 图像和视频的预测无损编码 |
CN201418137Y (zh) * | 2008-11-21 | 2010-03-03 | 中国科学院空间科学与应用研究中心 | 一种星载图像无损压缩处理系统 |
CN101534373A (zh) * | 2009-04-24 | 2009-09-16 | 北京空间机电研究所 | 基于改进jpeg-ls算法的遥感图像近无损压缩硬件实现方法 |
Also Published As
Publication number | Publication date |
---|---|
CN102215385A (zh) | 2011-10-12 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN102215385B (zh) | 一种图像实时无损压缩方法 | |
CN102792695B (zh) | 通过使用大变换单元对图像进行编码和解码的方法和设备 | |
CN102763410B (zh) | 对使用有向变换生成的比特流进行解码的方法 | |
CN100534186C (zh) | 基于码率预分配的jpeg2000自适应率控制系统及方法 | |
CN102598663A (zh) | 通过使用旋转变换对图像编码和解码的方法和设备 | |
CN107133992B (zh) | 基于谱相关性自适应分组高光谱图像分布式联合压缩方法 | |
CN107071451B (zh) | 一种基于可变输入数据流的大动态实时解压缩系统 | |
CN103262539A (zh) | 运动图像编码装置、运动图像解码装置、运动图像编码方法以及运动图像解码方法 | |
CN113079378A (zh) | 图像处理方法、装置和电子设备 | |
CN108810534A (zh) | 物联网下基于方向提升小波及改进spiht的图像压缩方法 | |
CN101459850B (zh) | 一种图像压缩质量预测方法和系统 | |
CN110677644B (zh) | 一种视频编码、解码方法及视频编码帧内预测器 | |
CN101720043B (zh) | 基于多模式预测的成像光谱图像压缩方法 | |
KR19980085643A (ko) | 주위 화소값의 적응 임계치를 이용한 이진 영상 보간 방법 | |
CN102484702A (zh) | 用于通过使用旋转变换对图像编码和解码的方法和设备 | |
CN103985096A (zh) | 基于离线训练的高光谱图像回归预测压缩方法 | |
CN108390871B (zh) | 一种基于自回归模型帧预测的雷达数据压缩方法 | |
CN103780904B (zh) | 基于边缘的高光谱图像自适应无损预测编码系统及方法 | |
CN115102934B (zh) | 点云数据的解码方法、编码方法、装置、设备及存储介质 | |
CN111050170A (zh) | 基于gan的图片压缩系统构建方法、压缩系统及方法 | |
CN110753224B (zh) | 一种用于随钻测量数据压缩的数据重排方法和系统 | |
CN110290382A (zh) | 一种残差数据编码和解码方法 | |
CN109819258A (zh) | 一种基于螺旋式扫描的分块压缩感知方向预测编码方法 | |
CN113055678B (zh) | 一种基于相邻像素相关性的测量域压缩感知编码算法 | |
George et al. | A methodology for spatial domain image compression based on hops encoding |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |