CN110691229A - 一种全息图压缩方法、编码器和再现像输出系统 - Google Patents
一种全息图压缩方法、编码器和再现像输出系统 Download PDFInfo
- Publication number
- CN110691229A CN110691229A CN201910783644.5A CN201910783644A CN110691229A CN 110691229 A CN110691229 A CN 110691229A CN 201910783644 A CN201910783644 A CN 201910783644A CN 110691229 A CN110691229 A CN 110691229A
- Authority
- CN
- China
- Prior art keywords
- hologram
- module
- decomposition
- wavelet
- amplitude
- 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.)
- Granted
Links
- 230000006835 compression Effects 0.000 title claims abstract description 29
- 238000007906 compression Methods 0.000 title claims abstract description 29
- 238000000034 method Methods 0.000 title claims abstract description 25
- 238000000354 decomposition reaction Methods 0.000 claims abstract description 88
- 239000011159 matrix material Substances 0.000 claims abstract description 48
- 238000012545 processing Methods 0.000 claims abstract description 27
- 238000001228 spectrum Methods 0.000 claims abstract description 21
- 238000013139 quantization Methods 0.000 claims abstract description 16
- 238000007781 pre-processing Methods 0.000 claims abstract description 4
- 238000005191 phase separation Methods 0.000 claims description 3
- 238000012805 post-processing Methods 0.000 claims 1
- 238000003672 processing method Methods 0.000 claims 1
- 230000009466 transformation Effects 0.000 description 8
- 230000003044 adaptive effect Effects 0.000 description 4
- 230000009286 beneficial effect Effects 0.000 description 3
- 230000005540 biological transmission Effects 0.000 description 3
- 238000004364 calculation method Methods 0.000 description 2
- 230000000694 effects Effects 0.000 description 2
- 230000003287 optical effect Effects 0.000 description 2
- 230000010363 phase shift Effects 0.000 description 2
- 238000000926 separation method Methods 0.000 description 2
- 208000012886 Vertigo Diseases 0.000 description 1
- 210000003128 head Anatomy 0.000 description 1
- 238000003384 imaging method Methods 0.000 description 1
- 239000004973 liquid crystal related substance Substances 0.000 description 1
- 229910052710 silicon Inorganic materials 0.000 description 1
- 239000010703 silicon Substances 0.000 description 1
- 231100000889 vertigo Toxicity 0.000 description 1
- 230000000007 visual effect Effects 0.000 description 1
Images
Classifications
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
- H04N13/00—Stereoscopic video systems; Multi-view video systems; Details thereof
- H04N13/10—Processing, recording or transmission of stereoscopic or multi-view image signals
- H04N13/106—Processing image signals
- H04N13/161—Encoding, multiplexing or demultiplexing different image signal components
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
- H04N13/00—Stereoscopic video systems; Multi-view video systems; Details thereof
- H04N13/30—Image reproducers
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
- H04N19/00—Methods or arrangements for coding, decoding, compressing or decompressing digital video signals
- H04N19/10—Methods or arrangements for coding, decoding, compressing or decompressing digital video signals using adaptive coding
- H04N19/102—Methods or arrangements for coding, decoding, compressing or decompressing digital video signals using adaptive coding characterised by the element, parameter or selection affected or controlled by the adaptive coding
- H04N19/13—Adaptive entropy coding, e.g. adaptive variable length coding [AVLC] or context adaptive binary arithmetic coding [CABAC]
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
- H04N19/00—Methods or arrangements for coding, decoding, compressing or decompressing digital video signals
- H04N19/42—Methods or arrangements for coding, decoding, compressing or decompressing digital video signals characterised by implementation details or hardware specially adapted for video compression or decompression, e.g. dedicated software implementation
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
- H04N19/00—Methods or arrangements for coding, decoding, compressing or decompressing digital video signals
- H04N19/50—Methods or arrangements for coding, decoding, compressing or decompressing digital video signals using predictive coding
- H04N19/597—Methods or arrangements for coding, decoding, compressing or decompressing digital video signals using predictive coding specially adapted for multi-view video sequence encoding
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
- H04N19/00—Methods or arrangements for coding, decoding, compressing or decompressing digital video signals
- H04N19/60—Methods or arrangements for coding, decoding, compressing or decompressing digital video signals using transform coding
- H04N19/63—Methods or arrangements for coding, decoding, compressing or decompressing digital video signals using transform coding using sub-band based transform, e.g. wavelets
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
- H04N19/00—Methods or arrangements for coding, decoding, compressing or decompressing digital video signals
- H04N19/90—Methods or arrangements for coding, decoding, compressing or decompressing digital video signals using coding techniques not provided for in groups H04N19/10-H04N19/85, e.g. fractals
- H04N19/91—Entropy coding, e.g. variable length coding [VLC] or arithmetic coding
Landscapes
- Engineering & Computer Science (AREA)
- Multimedia (AREA)
- Signal Processing (AREA)
- Compression Or Coding Systems Of Tv Signals (AREA)
- Compression, Expansion, Code Conversion, And Decoders (AREA)
Abstract
本发明涉及一种全息图压缩方法、编码器和再现像输出系统，属于全息图像处理和三维显示领域。将全息图频谱分解成振幅和相位矩阵，利用小波包Mallat分解和一种小波新型分解模式对振幅和相位矩阵进行分解，得到高低频分离的子矩阵；根据高低频分离的子矩阵获得小波分层或者全局阈值，将阈值作用于振幅和相位矩阵，再将处理后的两个矩阵重新组合成新全息图频谱从而生成新全息图；利用矢量量化处理新全息图，完成压缩；全息图像编码器包含：读入模块，预处理模块，处理模块和熵编码模块，在所示全息图压缩方法的基础上完成全息图的压缩编码；全息再现像输出系统包括数据读入模块，解码模块，再现模块和输出模块，可以提供解码和再现像码流输出功能。
Description
技术领域
本发明涉及一种全息图压缩方法、编码器和再现像输出系统，属于全息图像处理和三维显示领域。
背景技术
全息成像技术的应用使得真三维显示成为可能，是新一代显示技术的关键。传统三维显示多是基于人眼双目视差的“伪3D”，相比之下全息三维显示能够还原真实场景，可以给人们带来无与伦比的视觉体验。同时全息三维显示可以提供连续的头部运动视差，人眼自然聚散调节和物场的所有深度提示，消除人眼的疲劳感和心里眩晕。而由于全息图像记录了物场的全部信息，因此包含了极大的数据量，这对于全息图像及视频的运算、传输和存储十分不利。一幅记录单一物体，以1920×1280像素保存的全息图大约需要8～50M左右的存储空间，若以24帧/s的速率组成全息视频，在网络中传输的速度需要约10G/s，这些显然不能满足实际应用的要求。因此对全息数据的编码压缩显得十分重要。
现有的JPEG及JPEG2000编码标准用于普通数字图像有着高效的压缩效率，而由于全息图是由包含大量不同亮点的干涉条纹组成的，相比于普通图像具有像素相关性弱、高频信息分布不均匀等特点，现有的图像压缩方式难以有效的应用于全息图。此外，最终用于显示输出的是全息图的再现像而非全息图，因此现有的图像及视频编解码框架也无法用于全息图的数据流输出。
全息图像无论在空域或者频域中都有着较为复杂的信息成分，而小波变换具有较强的局部变化能力，非常适合用于分析全息图的特性。因此本发明中的全息图压缩方法和编码器的核心选用小波变换、分解和阈值。
相关技术中，2016-2018年间EAKurbatova，PACheremkhin和NNEvtikhiev带领的莫斯科国立核能大学团队测试了小波变换配合矢量量化和均匀量化混合的压缩方式对灰度全息图处理，得到了约190的压缩率。
本发明提出一种创新性的全息图压缩方法，在全息图频谱中利用小波包Mallat分解和一种小波新型分解模式分别处理振幅和相位矩阵，结合小波阈值和k-means矢量量化可以达到高效的压缩效果。
发明内容
本发明要解决的技术问题是提供一种高效的全息图压缩方法、全息图编码器和全息再现像输出系统，用以解决上述问题。
本发明的技术方案是：根据本发明的第一方面，提供一种全息图压缩方法，包括：
对原始全息图进行傅里叶变换，得到全息图对应的频谱，确定频谱矩阵；
根据所述频谱矩阵，提取其振幅和相位矩阵；
通过离散小波变换分解，对所述振幅和相位矩阵进行一级或者多级分解，得到高频和低频分离的各层子矩阵；
所述离散小波变换分解模式包括小波包Mallat分解和一种小波新型分解方式；
所述一种新型小波分解模式是在小波变换Mallat分解的基础上，将一级分解后的三组高频分量中频率能量占比最多的一组再次分解，分解层数与低频分量的分解层数一致，确定高频分解子矩阵；
根据所述高频和低频分量分离的各层子矩阵，建立与各层矩阵对应的回归模型；
根据所述的回归模型，在其对应的正交基上对振幅和相位矩阵进行无参估计，确定两类阈值，一种为用于全部分解矩阵的全局阈值，一种为用于各层不同分解矩阵的分层阈值；
所述全局阈值在小波包Mallat分解和新型小波分解中均可使用；
所述分层阈值是在由新型小波分解模式得到的高低频分离的各层子矩阵对应的回归模型中得到的，不能用于小波包Mallat分解模型；
根据所述的阈值将振幅和相位矩阵数据置换成对应的小波系数，数值高于阈值的像素数据保留，低于阈值的数据归零，由此得到对应振幅和相位矩阵的两个小波系数矩阵；
根据所述两个小波系数矩阵，分别作为阈值后的振幅和相位矩阵，组合成新的全息图频谱，根据所述新的全息图频谱，对其再进行傅里叶逆变换获得处理后的新全息图；
所述处理后的新全息图仅需保留实部数据，虚部数据是由相位矩阵变换时产生的相移因子，要舍去；
根据所述处理后的新全息图，得到对应的新像素数据，通过k-means矢量量化对其灰度集进行聚类量化编码，并确定对应的色度集，由此得到压缩后的全息图。
根据本发明的第二方面，提供全息图编码器，包括：
读取模块，用于读取输入全息图，及全息图各项参数；
预处理模块，用于读入全息图的各项数据，将全息图以像素矩阵形式保留，并判断读入图像为灰度图或者是真彩色图；
处理模块，用于根据所述全息图频谱振幅相位分离以及所述小波变换和阈值处理，确定小波变换后各层振幅和相位矩阵对应的两类阈值；根据所述阈值以及所述处理后的振幅和相位矩阵重建新的全息图；
编码模块，用于根据所述处理得到的新全息图以及所述k-means量化后得到的色度集，确定量化压缩编码得到的压缩后的全息图；
在一种可能的实现方式中，所述处理模块包括：
输入处理模块，用于根据处理模块所需参数，接受用户可输入参数以替代默认参数；
所述默认参数包括：小波基函数，默认使用“haar”小波基；小波分解方式，默认使用小波包Mallat分解；小波分解层数，默认由最优小波树算法得到；阈值方式，默认为“硬阈值”；阈值大小，默认由所述回归模型正交基的无参估计法得到。
所述处理模块所需参数及用户可输入参数，包括各项参数内容：小波基函数，可选择：haar、Daubechies小波系、Biorthogonal小波系、Coiflet小波系、Symlets小波系、Meyer小波基；小波分解方式，可选择小波包Mallat分解和所述新型分解方式、小波分解层数，可由最优小波树算法确定，也可以自定义；阈值方式，可选择“软阈值”和“硬阈值”；阈值大小，可由所述回归模型正交基的无参估计得到，也可以自定义。
在一种可能的实现方式中，所述编码模块包括：
熵编码模块，用于为所述压缩后的全息图提供熵编码，确定压缩全息图码流，所述熵编码方式默认为自适应算术编码；
输入熵编码模块，用于根据全息图码流，接受用户可输入熵编码类型代替默认编码方式；所述可输入熵编码类型包括：哈夫曼编码、行程编码、自适应算术编码，词典编码和无损预测编码。
根据本发明的第三方面，提供全息图再现像输出系统，包括：
数据读入模块，用于所述压缩全息图码流的读入；
解码模块，用于根据读入的码流和所述熵解码类型进行熵解码，获得压缩后的全息图；
再现模块，用于根据压缩后全息图，结合衍射计算理论，生成全息图的再现图像；
输出模块，用于根据全息图的再现图像，生成再现图像码流，以提供给显示设备，所述再现图像码流即为普通图像像素矩阵数据。
在一种可能的实现方式中，可以不需要再现模块，也不需要输出再现像码流，而是直接将经熵解码获得的压缩全息图输出到LCOS上，由LCOS加载全息图再与后端光学设备完成再现过程，最后将再现像传递给显示设备；
所述LCOS为空间光调制器。
本发明的有益效果是：本发明针对全息数据量过大以及现有压缩编码标准不适用于全息图的问题，提供了一种全息图像压缩技术，以实现全息图的高效压缩。其中，在全息图频域对其振幅和相位分解是一种创新性方法，打破了传统的在空域中压缩图像的局限性，在处理频率特性更明显的全息图像时效果显著。在分解过程中，小波包Mallat分解和一种小波新型分解模式是专门针对全息图像高频信息分布特点提出的，相比常用的小波分解更加有效。本发明提出的全图像编码器可以有效实现全息图的压缩编码，转换成码流数据，有利于全息图像的传输和存储。本发明提出的全息再现像输出系统可以根据全息图码流进行相应的解码和重建，得到全息图再现像码流，提供给显示设备，利于全息三维显示应用。本发明所提供的方法具有很强的创新性和实用性，在现代三维显示技术中有着较强的应用前景。
附图说明
图1是本发明的第一方面，一种全息图像压缩方法的流程图。
图2是本发明的小波包Mallat一级分解。
图3是本发明的小波包Mallat三级分解。
图4是本发明的一种小波新型分解模式下的一级分解。
图5是本发明的一种小波新型分解模式下的低频三级分解。
图6是本发明的一种小波新型分解模式下低频一级分解中，三组高频分量中频率能量占比最多的一组再次进行两次分解，分解层数与低频分量的分解层数一致，图中即为三层分解。
其中图5和图6共同构成本发明的一种小波新型分解模式。
图7是本发明的全息图像编码器。
图8是本发明的全息再现像输出系统。
图9是本发明的一种可能实现情况下的全息再现像输出系统。
具体实施方式
下面结合附图和具体实施方式，对本发明作进一步说明。
实施例1：如图1所示，一种全息图压缩方法，包括：
对原始全息图进行傅里叶变换，得到全息图对应的频谱，确定频谱矩阵；
根据所述频谱矩阵，提取其振幅和相位矩阵；
通过离散小波变换分解，对所述振幅和相位矩阵进行一级或者多级分解，得到高频和低频分离的各层子矩阵；
所述离散小波变换分解模式包括小波包Mallat分解和一种小波新型分解方式；
如图2和图3所示，小波包Mallat一级分解将矩阵分解成高频、低频水平、低频垂直和低频对角四个分量；三级分解是在一级分解的基础上，对高频分量再进行两次分解；分解级数越高，对高频分解次数越多；
如图4-6所示，所述一种新型小波分解模式是在小波变换Mallat分解的基础上，将一级分解后的三组高频分量中频率能量占比最多的一组再次分解，分解层数与低频分量的分解层数一致，确定高频分解子矩阵；
根据所述高频和低频分量分离的各层子矩阵，建立与各层矩阵对应的回归模型；
根据所述的回归模型，在其对应的正交基上对振幅和相位矩阵进行无参估计，确定两类阈值，一种为用于全部分解矩阵的全局阈值，一种为用于各层不同分解矩阵的分层阈值；
所述全局阈值在小波包Mallat分解和新型小波分解中均可使用；
所述分层阈值是在由新型小波分解模式得到的高低频分离的各层子矩阵对应的回归模型中得到的，不能用于小波包Mallat分解模型；
根据所述的阈值将振幅和相位矩阵数据置换成对应的小波系数，数值高于阈值的像素数据保留，低于阈值的数据归零，由此得到对应振幅和相位矩阵的两个小波系数矩阵；
根据所述两个小波系数矩阵，分别作为阈值后的振幅和相位矩阵，组合成新的全息图频谱，根据所述新的全息图频谱，对其再进行傅里叶逆变换获得处理后的新全息图；
所述处理后的新全息图仅需保留实部数据，虚部数据是由相位矩阵变换时产生的相移因子，要舍去；
根据所述处理后的新全息图，得到对应的新像素数据，通过k-means矢量量化对其灰度集进行聚类量化编码，并确定对应的色度集，由此得到压缩后的全息图。
实施例2：如图7所示，全息图编码器，包括：
读取模块，用于读取输入全息图，及全息图各项参数；
预处理模块，用于读入全息图的各项数据，将全息图以像素矩阵形式保留，并判断读入图像为灰度图或者是真彩色图；
处理模块，用于根据所述全息图频谱振幅相位分离以及所述小波变换和阈值处理，确定小波变换后各层振幅和相位矩阵对应的两类阈值；根据所述阈值以及所述处理后的振幅和相位矩阵重建新的全息图；
编码模块，用于根据所述处理得到的新全息图以及所述k-means量化后得到的色度集，确定量化压缩编码得到的压缩后的全息图；
在一种可能的实现方式中，所述处理模块包括：
输入处理模块，用于根据处理模块所需参数，接受用户可输入参数以替代默认参数；
所述默认参数包括：小波基函数，默认使用“haar”小波基；小波分解方式，默认使用小波包Mallat分解；小波分解层数，默认由最优小波树算法得到；阈值方式，默认为“硬阈值”；阈值大小，默认由所述回归模型正交基的无参估计法得到。
所述处理模块所需参数及用户可输入参数，包括各项参数内容：小波基函数，可选择：haar、Daubechies小波系、Biorthogonal小波系、Coiflet小波系、Symlets小波系、Meyer小波基；小波分解方式，可选择小波包Mallat分解和所述新型分解方式、小波分解层数，可由最优小波树算法确定，也可以自定义；阈值方式，可选择“软阈值”和“硬阈值”；阈值大小，可由所述回归模型正交基的无参估计得到，也可以自定义。
在一种可能的实现方式中，所述编码模块包括：
熵编码模块，用于为所述压缩后的全息图提供熵编码，确定压缩全息图码流，所述熵编码方式默认为自适应算术编码；
输入熵编码模块，用于根据全息图码流，接受用户可输入熵编码类型代替默认编码方式；所述可输入熵编码类型包括：哈夫曼编码、行程编码、自适应算术编码，词典编码和无损预测编码。
实施例3：如图8所示，全息图再现像输出系统，包括：
数据读入模块，用于所述压缩全息图码流的读入；
解码模块，用于根据读入的码流和所述熵解码类型进行熵解码，获得压缩后的全息图；
再现模块，用于根据压缩后全息图，结合衍射计算理论，生成全息图的再现图像；
输出模块，用于根据全息图的再现图像，生成再现图像码流，以提供给显示设备，所述再现图像码流即为普通图像像素矩阵数据。
如图9所示，在一种可能的实现方式中，可以不需要再现模块，也不需要输出再现像码流，而是直接将经熵解码获得的压缩全息图输出到LCOS上，由LCOS加载全息图再与后端光学设备完成再现过程，最后将再现像传递给显示设备；
所述LCOS为空间光调制器。
以上结合附图对本发明的具体实施方式作了详细说明，但是本发明并不限于上述实施方式，在本领域普通技术人员所具备的知识范围内，还可以在不脱离本发明宗旨的前提下作出各种变化。
Claims (8)
1.一种全息图压缩方法，其特征在于，包括以下步骤：
Step1：对全息图进行傅里叶变换得到其频谱，然后分离其振幅和相位，得到与原图像等大的振幅和相位矩阵；利用离散小波变换分解，分别对振幅和相位矩阵进行一级或多级分解；
Step2：根据所述振幅和相位矩阵的分解矩阵，确定高频和低频分离的各层子矩阵；
Step3：根据所述高频和低频分量分离的各层子矩阵，建立与各层矩阵对应的回归模型；
Step4：根据所述的回归模型，在其对应的正交基上对振幅和相位矩阵进行无参估计，确定两类阈值，一种为用于全部分解矩阵的全局阈值，一种为用于各层不同分解矩阵的分层阈值；
Step5：根据所述的阈值将振幅和相位矩阵数据置换成对应的小波系数，高于阈值的像素数据保留，低于阈值的数据归零，由此得到对应振幅和相位矩阵的两个小波系数矩阵；
Step6：根据所述两个小波系数矩阵，分别作为阈值后的振幅和相位矩阵，组合成新的全息图频谱，再进行傅里叶逆变换获得处理后的新全息图；
Step7：根据所述新全息图，得到对应的新像素数据，通过k-means矢量量化对其进行量化编码，由此得到压缩后的全息图。
2.根据权利要求1所述的全息图压缩方法，其特征在于：所述全息图压缩不是在空域中对全息图本身进行处理，而是在频域中对其振幅和相位进行处理；所述离散小波变换分解模式包括小波包Mallat分解和一种小波新型分解模式；所述分解级数可以自定义也可以通过最优小波树算法确定；所述由小波系数矩阵组合成新的全息图频谱只保留实部数据，舍去虚部数据；所述通过k-means矢量量化对新全息图灰度集进行聚类量化编码，并确定对应的色度集。
3.根据权利要求1所述的全息图压缩方法，其特征在于：所述小波变换Mallat分解，在其基础上将一级分解后的三组高频分量中频率能量占比最多的一组再次分解，分解层数低频分量的分解层数一致，确定高频分解子矩阵。
4.一种全息图编码器，其特征在于，包括：
读取模块，用读取输入的全息图；
预处理模块，用于读取的全息图以像素矩阵形式保留，并判断读入图像为灰度图或者是真彩色图；
处理模块，用于根据权利要求1所述全息图频谱振幅相位分离以及所述小波变换和阈值处理，确定小波变换后各层振幅和相位矩阵对应的两类阈值；根据所述阈值以及权利要求1所述处理后振幅和相位矩阵处理方法确定新全息图；
编码模块，用于根据权利要求1所述处理得到的新全息图以及权利要求3所述k-means量化后得到的色度集，确定量化压缩编码得到的压缩后的全息图。
5.根据权利要求4所述的全息图编码器，其特征在于：所述处理模块包括输入处理模块，用于根据处理模块所需参数，接受用户可输入参数以替代默认参数；
所述处理模块所需参数及用户可输入参数，其特征在于，包括各项参数内容：小波基函数、小波分解方式、小波分解层数、阈值方式选择和阈值大小。
6.根据权利要求4所述的全息图编码器，其特征在于：所述编码模块包括熵编码模块，用于为所述压缩后的全息图提供熵编码，确定压缩全息图码流。
7.根据权利要求4所述的全息图编码器，其特征在于：包括输入熵编码模块，用于根据全息图码流，接受用户可输入熵编码类型代替默认熵编码方式。
8.一种全息再现像输出系统，其特征在于，包括：
数据读入模块，用于根据权利要求6所述压缩全息图码流的读入；
解码模块，用于根据读入的码流和权利要求6以及权利要求7所述熵解码类型进行熵解码，获得压缩后的全息图；
再现模块，用于根据压缩后全息图，生成全息图的再现图像；
输出模块，用于根据全息图的再现图像，生成再现像码流，以提供给显示设备。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201910783644.5A CN110691229B (zh) | 2019-08-23 | 2019-08-23 | 一种全息图压缩方法、编码器和再现像输出系统 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201910783644.5A CN110691229B (zh) | 2019-08-23 | 2019-08-23 | 一种全息图压缩方法、编码器和再现像输出系统 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN110691229A true CN110691229A (zh) | 2020-01-14 |
| CN110691229B CN110691229B (zh) | 2021-10-22 |
Family
ID=69108350
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201910783644.5A Active CN110691229B (zh) | 2019-08-23 | 2019-08-23 | 一种全息图压缩方法、编码器和再现像输出系统 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN110691229B (zh) |
Cited By (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN115065817A (zh) * | 2022-05-24 | 2022-09-16 | 昆明理工大学 | 一种全息图压缩方法、编码器和全息再现模块 |
| CN117336494A (zh) * | 2023-12-01 | 2024-01-02 | 湖南大学 | 一种基于频域特征的双路径遥感影像压缩方法 |
Citations (14)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| WO2002051157A9 (en) * | 2000-12-19 | 2003-07-31 | Pulsent Corp | Adaptive transforms |
| CN103179406A (zh) * | 2013-04-12 | 2013-06-26 | 韩山师范学院 | 一种应用相息图的数字视频水印方法 |
| WO2013124664A1 (en) * | 2012-02-22 | 2013-08-29 | Mbda Uk Limited | A method and apparatus for imaging through a time-varying inhomogeneous medium |
| CN103886545A (zh) * | 2014-04-17 | 2014-06-25 | 上海理工大学 | 基于计算全息的变换域抗打印扫描数字水印方法 |
| CN103986935A (zh) * | 2014-04-30 | 2014-08-13 | 华为技术有限公司 | 编码方法、编码器、屏幕共享设备及系统 |
| CN104615877A (zh) * | 2015-01-28 | 2015-05-13 | 辽宁工程技术大学 | 一种基于小波包进行信号去噪的方法 |
| CN104765263A (zh) * | 2015-04-13 | 2015-07-08 | 北京大学 | 电子全息三维信息压缩编码传输方法 |
| CN104766289A (zh) * | 2015-03-20 | 2015-07-08 | 华南理工大学 | 一种图像去噪和压缩处理方法 |
| CN105451024A (zh) * | 2015-12-31 | 2016-03-30 | 北京大学 | 一种采用压缩感知的数字全息图编码传输方法 |
| CN105631820A (zh) * | 2015-12-25 | 2016-06-01 | 浙江工业大学 | 基于小波变换和三边滤波器的医学超声图像去噪方法 |
| US20170238017A1 (en) * | 2016-02-17 | 2017-08-17 | Electronics And Telecommunications Research Institute | Image processing device and processing method thereof |
| CN108510459A (zh) * | 2018-04-08 | 2018-09-07 | 哈尔滨理工大学 | 一种基于小波自适应阈值与双边滤波图像降噪算法 |
| CN109685728A (zh) * | 2018-11-30 | 2019-04-26 | 中南大学 | 基于局部时频域变换的数字图像处理方法 |
| CN110057586A (zh) * | 2019-04-25 | 2019-07-26 | 长江大学 | 轴承故障振动信号Schatten改进小波包与重构降噪方法 |
-
2019
- 2019-08-23 CN CN201910783644.5A patent/CN110691229B/zh active Active
Patent Citations (14)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| WO2002051157A9 (en) * | 2000-12-19 | 2003-07-31 | Pulsent Corp | Adaptive transforms |
| WO2013124664A1 (en) * | 2012-02-22 | 2013-08-29 | Mbda Uk Limited | A method and apparatus for imaging through a time-varying inhomogeneous medium |
| CN103179406A (zh) * | 2013-04-12 | 2013-06-26 | 韩山师范学院 | 一种应用相息图的数字视频水印方法 |
| CN103886545A (zh) * | 2014-04-17 | 2014-06-25 | 上海理工大学 | 基于计算全息的变换域抗打印扫描数字水印方法 |
| CN103986935A (zh) * | 2014-04-30 | 2014-08-13 | 华为技术有限公司 | 编码方法、编码器、屏幕共享设备及系统 |
| CN104615877A (zh) * | 2015-01-28 | 2015-05-13 | 辽宁工程技术大学 | 一种基于小波包进行信号去噪的方法 |
| CN104766289A (zh) * | 2015-03-20 | 2015-07-08 | 华南理工大学 | 一种图像去噪和压缩处理方法 |
| CN104765263A (zh) * | 2015-04-13 | 2015-07-08 | 北京大学 | 电子全息三维信息压缩编码传输方法 |
| CN105631820A (zh) * | 2015-12-25 | 2016-06-01 | 浙江工业大学 | 基于小波变换和三边滤波器的医学超声图像去噪方法 |
| CN105451024A (zh) * | 2015-12-31 | 2016-03-30 | 北京大学 | 一种采用压缩感知的数字全息图编码传输方法 |
| US20170238017A1 (en) * | 2016-02-17 | 2017-08-17 | Electronics And Telecommunications Research Institute | Image processing device and processing method thereof |
| CN108510459A (zh) * | 2018-04-08 | 2018-09-07 | 哈尔滨理工大学 | 一种基于小波自适应阈值与双边滤波图像降噪算法 |
| CN109685728A (zh) * | 2018-11-30 | 2019-04-26 | 中南大学 | 基于局部时频域变换的数字图像处理方法 |
| CN110057586A (zh) * | 2019-04-25 | 2019-07-26 | 长江大学 | 轴承故障振动信号Schatten改进小波包与重构降噪方法 |
Non-Patent Citations (6)
| Title |
|---|
| ALISON E等: "Compression of digital holograms of three-dimensional objects using wavelets", 《OPTICS EXPRESS》 * |
| E A KURBATOVA等: "Methods of compression of digital holograms,based on 1-level wavelet transform", 《INTERNATIONAL CONFERENCE OF PHOTONICS AND INFORMATION OPTICS》 * |
| LE THANH BANG等: "Compression of digital hologram for threedimensionalobject using Wavelet-Bandelets", 《OPTICS EXPRESS》 * |
| SHORTT, ALISON等: "Compression of digital holograms of three-dimensional objects using the wavelet transform", 《PROCEEDINGS OF SPIE》 * |
| 吴静: "基于边缘检测和Bayesian估计的小波阈值去噪方法", 《CNKI》 * |
| 王晓燕等: "基于相关性的小波熵心电信号去噪算法", 《智能系统学报》 * |
Cited By (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN115065817A (zh) * | 2022-05-24 | 2022-09-16 | 昆明理工大学 | 一种全息图压缩方法、编码器和全息再现模块 |
| CN115065817B (zh) * | 2022-05-24 | 2024-01-12 | 昆明理工大学 | 一种全息图压缩方法、编码器和全息再现模块 |
| CN117336494A (zh) * | 2023-12-01 | 2024-01-02 | 湖南大学 | 一种基于频域特征的双路径遥感影像压缩方法 |
| CN117336494B (zh) * | 2023-12-01 | 2024-03-12 | 湖南大学 | 一种基于频域特征的双路径遥感影像压缩方法 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN110691229B (zh) | 2021-10-22 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| Hang et al. | Interpolative vector quantization of color images | |
| RU2316909C2 (ru) | Способ и устройство для масштабируемого по цветовому пространству видеокодирования и декодирования | |
| CN103458242B (zh) | 基于颜色分类与聚类的图像压缩方法 | |
| CN104641643A (zh) | 在分层层级中信号编码、解码和重构期间残差数据的分解 | |
| CN110691229B (zh) | 一种全息图压缩方法、编码器和再现像输出系统 | |
| Sakamoto et al. | A study on efficient compression of multi-focus images for dense light-field reconstruction | |
| Löhdefink et al. | GAN-vs. JPEG2000 image compression for distributed automotive perception: Higher peak SNR does not mean better semantic segmentation | |
| Le Pendu et al. | Hierarchical Fourier disparity layer transmission for light field streaming | |
| Sadkhan | A proposed image compression technique based on DWT and predictive techniques | |
| Deshlahra et al. | A comparative study of DCT, DWT & hybrid (DCT-DWT) transform | |
| Deshlahra | Analysis of Image Compression Methods Based On Transform and Fractal Coding | |
| Midha et al. | Analysis of RGB and YCbCr color spaces using wavelet transform | |
| Al-Janabi et al. | A smart and effective method for digital video compression | |
| Abeda et al. | Pixel Based Techniques for Gray Image Compression: A review | |
| Maugey et al. | Luminance coding in graph-based representation of multiview images | |
| Chen | An introduction to wavelet analysis with applications to image and jpeg 2000 | |
| CN115065817B (zh) | 一种全息图压缩方法、编码器和全息再现模块 | |
| Zhang et al. | Scalable Point Cloud Attribute Compression | |
| Manjunatha et al. | Performance Analysis of Image Coders, ANN, DTCWT | |
| Jayanthi et al. | Multi Wavelet Based Image Compression for Tele-Medical Applications | |
| Dhoriya et al. | Comparative Study of Compression Techniques and Compressed Image Face Recognition System | |
| Wang et al. | Color image coding based on shape-adaptive all phase biorthogonal transform | |
| Gupta et al. | Image Compression Using Matlab | |
| Bukhari et al. | Visual data transforms comparison | |
| Bellay | Deep Learning Methods for Efficient Image Coding |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| PB01 | Publication | ||
| PB01 | Publication | ||
| SE01 | Entry into force of request for substantive examination | ||
| SE01 | Entry into force of request for substantive examination | ||
| GR01 | Patent grant | ||
| GR01 | Patent grant |