CN115065817B - 一种全息图压缩方法、编码器和全息再现模块 - Google Patents
一种全息图压缩方法、编码器和全息再现模块 Download PDFInfo
- Publication number
- CN115065817B CN115065817B CN202210571534.4A CN202210571534A CN115065817B CN 115065817 B CN115065817 B CN 115065817B CN 202210571534 A CN202210571534 A CN 202210571534A CN 115065817 B CN115065817 B CN 115065817B
- Authority
- CN
- China
- Prior art keywords
- hologram
- coefficient matrix
- frequency
- coefficient
- wavelet
- 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
- 238000000034 method Methods 0.000 title claims abstract description 34
- 230000006835 compression Effects 0.000 title claims abstract description 29
- 238000007906 compression Methods 0.000 title claims abstract description 29
- 239000011159 matrix material Substances 0.000 claims abstract description 77
- 238000001228 spectrum Methods 0.000 claims abstract description 38
- 238000000354 decomposition reaction Methods 0.000 claims abstract description 31
- 230000009466 transformation Effects 0.000 claims abstract description 23
- 238000004088 simulation Methods 0.000 claims abstract description 7
- 238000004422 calculation algorithm Methods 0.000 claims description 19
- 238000013139 quantization Methods 0.000 claims description 16
- 238000001914 filtration Methods 0.000 claims description 4
- 238000000926 separation method Methods 0.000 claims description 4
- 230000006870 function Effects 0.000 description 10
- 238000004891 communication Methods 0.000 description 5
- 238000005516 engineering process Methods 0.000 description 4
- 230000009286 beneficial effect Effects 0.000 description 2
- 230000005540 biological transmission Effects 0.000 description 2
- 238000004458 analytical method Methods 0.000 description 1
- 238000004364 calculation method Methods 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 230000010365 information processing Effects 0.000 description 1
- 238000011282 treatment Methods 0.000 description 1
- 230000016776 visual perception Effects 0.000 description 1
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
- H04N13/10—Processing, recording or transmission of stereoscopic or multi-view image signals
- H04N13/194—Transmission of image signals
-
- 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
- H04N19/124—Quantisation
-
- 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
- H04N19/90—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
- H04N19/93—Run-length coding
Landscapes
- Engineering & Computer Science (AREA)
- Multimedia (AREA)
- Signal Processing (AREA)
- Image Processing (AREA)
- Holo Graphy (AREA)
Abstract
本发明涉及全息图压缩方法、编码器和全息再现模块,属全息图像处理和三维显示领域。包括采用模拟生成的离轴数字全息图经过傅里叶变换后得到的频谱图;识别频谱图中除‑1级外的频谱数据,并归零;将无干扰全息图频谱分解为实部和虚部矩阵;利用二维可分离小波变换对实部和虚部一级小波图像分解,分别得到高频和低频分开的4个子系数矩阵,去除高频系数矩阵,保留图像分解后的低频子系数矩阵;对低频子系数矩阵多级小波图像分解,并将分层小波阈值作用于实部和虚部低频子系数矩阵,再将处理后的两个矩阵重新组合成新的全息图频谱从而生成新全息图;利用量化器处理新全息图进行压缩;压缩后的全息图利用Huffman编码或行程编码完成压缩。
Description
技术领域
本发明涉及一种全息图压缩方法、编码器和全息再现模块,属于全息图像处理和全息三维显示技术领域。
背景技术
全息三维显示技术遵从于人体视觉感知功能,能够提供物体连续的全部信息,是一种理想的三维显示技术,被认为是未来最有前景的显示技术,拥有广阔的市场应用空间。近年来,全息三维显示成为三维显示领域的研究热点问题。在全息三维显示以及全息视频应用中,由于三维场景庞大的数据量,对通信带宽和存储提出了极高的要求,因此减少全息图的信息量、降低对通信带宽的要求成为该领域首要的研究工作。由于小波变换具有多分辨率分析的特点,能够将全息图的高频和低频信息分离,方便对其进行信息处理。因此本发明中的全息图压缩方法和编码器的核心是利用二维可分离小波变换、小波分解和阈值。
发明内容
本发明提供了一种全息图压缩方法、编码器和全息再现模块,以用于解决全息图压缩率不足、压缩算法复杂、传输带宽要求高和硬件存储体积大、全息图再现像质量差等问题。
本发明的技术方案是:第一方面,本发明提供一种全息图压缩方法,包括:
模拟生成待处理图片的离轴数字全息图,对离轴数字全息图进行傅里叶变换和频谱中心化,得到全息图对应频谱系数矩阵;
根据所述频谱系数矩阵和模拟生成的离轴数字全息图,确定频谱系数矩阵中负一级频谱系数坐标;
根据滤波方法,将离轴数字全息图频谱系数矩阵中除负一级频谱系数坐标外所有系数全部归零,获得无干扰全息图频谱系数矩阵;
根据所述无干扰全息图频谱系数矩阵,提取系数矩阵中实部和虚部系数矩阵;
根据所述实部和虚部系数矩阵,对其进行对数尺度化,降低系数值的取值范围;
通过二维可分离小波变换,对对数尺度化后的实部和虚部系数矩阵进行一级小波分解,提取实部和虚部低频子系数矩阵;
通过二维可分离小波变换,对实部和虚部低频子系数矩阵进行多级小波分解,得到低频和各层高频分离的子矩阵;
根据所述低频和各层高频分离的子矩阵,使用分层阈值对各层的不同子矩阵进行阈值处理,高于阈值的系数保留,低于阈值的系数归零,通过二维逆小波变换,获得两个新的实部和虚部系数矩阵;
对两个新的实部和虚部系数矩阵进行对数逆尺度化,并把对数逆尺度化后的实部和虚部系数矩阵合并,组合成新的复数形式的全息图频谱,再进行傅里叶逆变换获得新全息图系数矩阵,并只保留该系数矩阵的实部,通过Lloyd-Max量化器对新全息图系数矩阵进行量化,由此得到压缩后的全息图。进行量化时,确定对应的量化等级,得到一组特定像素值,由此得到压缩后的全息图系数矩阵;
所述量化等级,默认量化等级为8,即将全息图系数的取值区间量化为8个子区间,子区间大小不一。可选择的量化等级为4、8、16、32、64;
作为本发明的优选方案,所述全息图压缩不是在空域中对全息图本身进行处理,而是在频域中对其实部和虚部进行处理;模拟生成的离轴数字全息图的算法为T-FFT算法;所述二维可分离小波变换包括小波包分解、mallat算法;所述多级小波分解的分解级数,根据最优小波树算法确定;组合成新全息图系数矩阵时,只保留实部数据,去除虚部数据;通过Lloyd-Max量化器对新全息图系数矩阵进行量化编码时,得到一组像素值。
第二方面,本发明提供一种全息图编码器,包括:
读取模块,用于读取输入的模拟生成离轴数字全息图的待处理图片;
判断模块,用于读取待处理图片以像素值形式的二维系数矩阵存在,并且判断图片是否为灰度图或者RGB图像,如果为RGB图像则读取该图像单色分量的二维系数矩阵;
全息生成模块,用于根据第一方面所述的全息图压缩方法生成离轴数字全息图和确定新全息图;
量化编码模块,用于根据所述处理得到的新全息图以及Lloyd-Max量化器量化后得到的一组像素值,得到量化编码后得到的压缩后全息图;根据所述压缩后全息图,选择使用Huffman编码或者行程编码,得到压缩全息图码流。
第三方面,本发明提供一种全息再现模块,包括:
码流读入模块,用于根据第一方面所述的全息图压缩方法和第二方面所述的全息图编码器得到的压缩全息图码流进行读入;
解码模块,用于根据读入的码流进行Huffman解码或者行程解码,获得压缩后全息图;
填充模块,用于根据压缩后的全息图,作为一层小波分解的低频系数矩阵,并填充高频系数矩阵,系数值为零,得到小波一层分解塔式系数矩阵,根据所述小波一层分解塔式系数矩阵进行二维小波逆变换,得到新全息图;
再现生成模块,用于根据新全息图,生成全息图的再现图像;
显示模块,用于根据全息图的再现图像,生成再现像码流,提供给显示设备。
本发明的有益效果是:本发明针对全息三维场景庞大的数据量,对通信带宽和存储的极高的要求,提出了一种全息图压缩技术,实现全息图的高效率压缩。其中先对全息图频谱去除0级和+1级再现像干扰,仅保留-1级频谱,提取全息图中主要信息,提高了全息图压缩率,降低了通信带宽和存储的压力;其次本文针对全息图频域的实部和虚部进行小波分解等处理,首先提取一层低频系数,去除了原全息图3/4的数据,极大提高了全息图压缩效率,其次小波分解对全息图频域特性有更显著的效果,最后使用Lloyd-Max量化器量化,有效提高了全息图再现像质量。本发明提出的全息图编码可以有效实现全息图压缩编码,降低传输时通信带宽压力和存储空间,提高全息图重建实时性。本发明提出的再现像输出模块可以根据全息图码流进行解码和重建工作,得到全息图再现像码流,传输给显示仪器有利于全息三维显示应用。
附图说明
图1是本发明全息图压缩方法的流程图;
图2是本发明的全息图编码器;
图3是本发明的全息再现模块示意图;
图4是本发明的全息图再现像输出具体步骤流程图。
具体实施方式
实施例1:如图1所示,一种全息图压缩方法,第一方面,本发明提供一种全息图压缩方法,包括:
模拟生成待处理图片的离轴数字全息图,对离轴数字全息图进行傅里叶变换和频谱中心化,得到全息图对应频谱系数矩阵;
根据所述频谱系数矩阵和模拟生成的离轴数字全息图,确定频谱系数矩阵中负一级频谱系数坐标;
根据滤波方法,将离轴数字全息图频谱系数矩阵中除负一级频谱系数坐标外所有系数全部归零,获得无干扰全息图频谱系数矩阵;
根据所述无干扰全息图频谱系数矩阵,提取系数矩阵中实部和虚部系数矩阵;
根据所述实部和虚部系数矩阵,对其进行对数尺度化,降低系数值的取值范围;
通过二维可分离小波变换,对对数尺度化后的实部和虚部系数矩阵进行一级小波分解,提取实部和虚部低频子系数矩阵;
通过二维可分离小波变换,对实部和虚部低频子系数矩阵进行多级小波分解,得到低频和各层高频分离的子矩阵;
根据所述低频和各层高频分离的子矩阵,使用分层阈值对各层的不同子矩阵进行阈值处理,高于阈值的系数保留,低于阈值的系数归零,通过二维逆小波变换,获得两个新的实部和虚部系数矩阵;
阈值处理时,使用硬阈值函数完成系数矩阵阈值,所述阈值大小根据固定阈值估计法确定;
对两个新的实部和虚部系数矩阵进行对数逆尺度化,并把对数逆尺度化后的实部和虚部系数矩阵合并,组合成新的复数形式的全息图频谱,再进行傅里叶逆变换获得新全息图系数矩阵,通过Lloyd-Max量化器对新全息图系数矩阵进行量化,由此得到压缩后的全息图。
作为本发明的优选方案,所述全息图压缩不是在空域中对全息图本身进行处理,而是在频域中对其实部和虚部进行处理;模拟生成的离轴数字全息图的算法为T-FFT算法;所述二维可分离小波变换包括小波包分解、mallat算法;所述多级小波分解的分解级数,根据最优小波树算法确定;组合成新全息图系数矩阵时,只保留实部数据,去除虚部数据;通过Lloyd-Max量化器对新全息图系数矩阵进行量化编码时,得到一组像素值。
所述量化等级,默认量化等级为8,即将全息图系数的取值区间量化为8个子区间,子区间大小不一。
实施例2:如图2所示,一种全息图编码器,包括:
读取模块,用于读取输入的模拟生成离轴数字全息图的待处理图片,以及生成全息图和全息图处理所需要的参数;
判断模块,用于读取待处理图片以像素值形式的二维系数矩阵存在,并且判断图片是否为灰度图或者RGB图像,如果为RGB图像则读取该图像单色分量的二维系数矩阵;
全息生成模块,用于根据全息图压缩算法生成离轴数字全息图和确定新全息图:即,根据所述待处理图片的二维系数矩阵,通过模拟生成算法——T-FFT算法生成待处理图片的离轴数字全息图;根据全息图频谱、T-FFT算法和滤波方法,确定无干扰全息图频谱;根据无干扰全息图频谱实部和虚部分离、对数尺度化、二维可分离小波变换和小波分解,确定实部和虚部的一层低频系数矩阵;根据实部和虚部的一层低频系数矩阵、二维可分离小波变换和小波分解、阈值确定实部和虚部各层系数矩阵阈值大小,以及处理后的实部和虚部矩阵重建新的全息图;
量化编码模块,用于根据所述处理得到的新全息图以及Lloyd-Max量化器量化后得到的一组像素值,得到量化编码后得到的压缩后全息图;
在可能的实现方式中,所述全息生成模块包括:
输入处理模块,用于根据全息生成模块所需参数,接受用户输入参数,代替默认参数;
所述默认参数包括:图像大小,默认512*512;激光波长,默认使用红光632.8nm;物到全息记录面距离,默认使用0.3086m;衍射面尺寸,默认使用0.005m;参考光和物光夹角,默认使用π/3.00和π/2.02;小波基函数,默认使用“bior4.4”小波基;多级小波分解层数,默认由最优小波树算法确定;阈值大小,默认使用固定阈值估计法(aqtwolog)确定;阈值方式,默认使用硬阈值函数。
所述全息生成模块所需参数和用户可输入参数,包括各项参数内容:小波基函数,可选择:haar小波、dbN小波基系列、symN小波基系列、biorNr.Nd小波基系列;阈值大小,可选择固定阈值估计法(aqtwolog)、无偏似然估计阈值法(rigrsure)、启发式阈值估计法(heursure)和极值估计阈值法(minimaxi)确定阈值大小;阈值方式,可选择使用硬阈值函数,可选择软阈值函数、介于软、硬阀值函数之间的Garrote函数;
在可能的实现方式中,所述量化编码模块包括:
用于所述根据压缩后全息图,选择使用Huffman编码或者行程编码,得到压缩全息图码流,默认使用Huffman编码,可选择Huffman编码、行程编码。
实施例3,如图3-图4所示,一种全息再现模块,包括:
码流读入模块,用于根据压缩全息图码流进行读入;所述压缩全息图码流由本发明第一方面的全息图压缩方法和本发明第二方面的全息图编码器得到;
解码模块,用于根据读入的码流进行Huffman解码或者行程解码,获得压缩后全息图;
填充模块,用于根据压缩后的全息图,作为一层小波分解的低频系数矩阵,并填充高频系数矩阵,系数值为零,得到小波一层分解塔式系数矩阵。根据所述小波一层分解塔式系数矩阵进行二维小波逆变换,得到新全息图;
再现生成模块,用于根据新全息图,结合衍射计算理论及S-FFT算法,生成全息图的再现图像;
显示模块,用于根据全息图的再现图像,生成再现像码流,提供给显示仪器。所述再现像码流即为普通二维图像像素矩阵数据。
本实施在Windows10操作系统下安装配置Matlab R2018b实现;计算机CPU为i7-9750H2.60GHz,GPU为GTX 1660Ti,内存为16G.
上面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 (4)
1.一种全息图压缩方法,其特征在于,包括:
模拟生成待处理图片的离轴数字全息图,对离轴数字全息图进行傅里叶变换和频谱中心化,得到全息图对应频谱系数矩阵;
根据所述频谱系数矩阵和模拟生成的离轴数字全息图,确定频谱系数矩阵中负一级频谱系数坐标;
根据滤波方法,将离轴数字全息图频谱系数矩阵中除负一级频谱系数坐标外所有系数全部归零,获得无干扰全息图频谱系数矩阵;
根据所述无干扰全息图频谱系数矩阵,提取系数矩阵中实部和虚部系数矩阵;
根据所述实部和虚部系数矩阵,对其进行对数尺度化,降低系数值的取值范围;
通过二维可分离小波变换,对对数尺度化后的实部和虚部系数矩阵进行一级小波分解,提取实部和虚部低频子系数矩阵;
通过二维可分离小波变换,对实部和虚部低频子系数矩阵进行多级小波分解,得到低频和各层高频分离的子矩阵;
根据所述低频和各层高频分离的子矩阵,使用分层阈值对各层的不同子矩阵进行阈值处理,高于阈值的系数保留,低于阈值的系数归零,通过二维逆小波变换,获得两个新的实部和虚部系数矩阵;
对两个新的实部和虚部系数矩阵进行对数逆尺度化,并把对数逆尺度化后的实部和虚部系数矩阵合并,组合成新的复数形式的全息图频谱,再进行傅里叶逆变换获得新全息图系数矩阵,通过Lloyd-Max量化器对新全息图系数矩阵进行量化,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,而是在频域中对其实部和虚部进行处理;模拟生成的离轴数字全息图的算法为T-FFT算法;所述二维可分离小波变换包括小波包分解、mallat算法;所述多级小波分解的分解级数,根据最优小波树算法确定;组合成新全息图系数矩阵时,只保留实部数据,去除虚部数据;通过Lloyd-Max量化器对新全息图系数矩阵进行量化编码时,得到一组像素值。
3.一种全息图编码器,其特征在于,包括:
读取模块,用于读取输入的模拟生成离轴数字全息图的待处理图片;
判断模块,用于读取待处理图片以像素值形式的二维系数矩阵存在,并且判断图片是否为灰度图或者RGB图像,如果为RGB图像则读取该图像单色分量的二维系数矩阵;
全息生成模块,用于根据权利要求1所述的全息图压缩方法生成离轴数字全息图和确定新全息图;
量化编码模块,用于根据所述处理得到的新全息图以及Lloyd-Max量化器量化后得到的一组像素值,得到量化编码后得到的压缩后全息图;根据所述压缩后全息图,选择使用Huffman编码或者行程编码,得到压缩全息图码流。
4.一种全息再现模块,其特征在于,包括:
码流读入模块,用于根据权利要求1所述的全息图压缩方法和权利要求3所述的全息图编码器得到的压缩全息图码流进行读入;
解码模块,用于根据读入的码流进行Huffman解码或者行程解码,获得压缩后全息图;
填充模块,用于根据压缩后的全息图,作为一层小波分解的低频系数矩阵,并填充高频系数矩阵,系数值为零,得到小波一层分解塔式系数矩阵,根据所述小波一层分解塔式系数矩阵进行二维小波逆变换,得到新全息图;
再现生成模块,用于根据新全息图,生成全息图的再现图像;
显示模块,用于根据全息图的再现图像,生成再现像码流,提供给显示设备。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210571534.4A CN115065817B (zh) | 2022-05-24 | 2022-05-24 | 一种全息图压缩方法、编码器和全息再现模块 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210571534.4A CN115065817B (zh) | 2022-05-24 | 2022-05-24 | 一种全息图压缩方法、编码器和全息再现模块 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN115065817A CN115065817A (zh) | 2022-09-16 |
CN115065817B true CN115065817B (zh) | 2024-01-12 |
Family
ID=83199077
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202210571534.4A Active CN115065817B (zh) | 2022-05-24 | 2022-05-24 | 一种全息图压缩方法、编码器和全息再现模块 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN115065817B (zh) |
Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106406065A (zh) * | 2016-09-24 | 2017-02-15 | 微美光速资本投资管理(北京)有限公司 | 一种全息再现图像的零级像消除方法 |
KR20180007239A (ko) * | 2016-07-12 | 2018-01-22 | 광운대학교 산학협력단 | 도메인 변환 및 2d 비디오 압축 기반 디지털 홀로그램 비디오 압축 방법 |
CN110691229A (zh) * | 2019-08-23 | 2020-01-14 | 昆明理工大学 | 一种全息图压缩方法、编码器和再现像输出系统 |
-
2022
- 2022-05-24 CN CN202210571534.4A patent/CN115065817B/zh active Active
Patent Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
KR20180007239A (ko) * | 2016-07-12 | 2018-01-22 | 광운대학교 산학협력단 | 도메인 변환 및 2d 비디오 압축 기반 디지털 홀로그램 비디오 압축 방법 |
CN106406065A (zh) * | 2016-09-24 | 2017-02-15 | 微美光速资本投资管理(北京)有限公司 | 一种全息再现图像的零级像消除方法 |
CN110691229A (zh) * | 2019-08-23 | 2020-01-14 | 昆明理工大学 | 一种全息图压缩方法、编码器和再现像输出系统 |
Non-Patent Citations (1)
Title |
---|
基于数字全息图及变换域的彩色图像水印算法;黄福莹;唐振华;覃团发;;激光杂志(第04期);全文 * |
Also Published As
Publication number | Publication date |
---|---|
CN115065817A (zh) | 2022-09-16 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
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 | |
Kumar et al. | A review: DWT-DCT technique and arithmetic-Huffman coding based image compression | |
CN114742911A (zh) | 图像压缩感知重建方法、系统、设备及介质 | |
CN116939226A (zh) | 一种面向低码率图像压缩的生成式残差修复方法及装置 | |
Jindal et al. | Applicability of fractional transforms in image processing-review, technical challenges and future trends | |
CN110691229B (zh) | 一种全息图压缩方法、编码器和再现像输出系统 | |
Sadkhan | A proposed image compression technique based on DWT and predictive techniques | |
Chamain et al. | Improving deep learning classification of jpeg2000 images over bandlimited networks | |
CN115065817B (zh) | 一种全息图压缩方法、编码器和全息再现模块 | |
Garg et al. | Analysis of different image compression techniques: A review | |
CN115361556A (zh) | 一种基于自适应的高效视频压缩算法及其系统 | |
Eloundou et al. | Compression of medical images by quaternionic wavelet transform | |
KR101530956B1 (ko) | 쿼드-트리 프레넬릿 기반의 디지털 홀로그램 압축 방법 | |
Gupta et al. | Image compression technique under JPEG by wavelets transformation | |
Jagadale et al. | An Improved Image Compression Algorithm Using Wavelet and Fractional Cosine Transforms. | |
Nandeesha et al. | Content-Based Image Compression Using Hybrid Discrete Wavelet Transform with Block Vector Quantization | |
Kekre et al. | Halftone image data compression using Kekre’s fast code book generation (KFCG) algorithm for vector quantization | |
CN117336494B (zh) | 一种基于频域特征的双路径遥感影像压缩方法 | |
Garg et al. | Various Image Compression Techniques: A Review. | |
CN116916034B (zh) | 基于safd的图像处理方法、装置、设备及存储介质 | |
Raju et al. | Image compression using self organizing map and discrete wavelet transform with error correction | |
KH et al. | A novel image compression approach using DTCWT and RNN encoder | |
Kaur et al. | A robust video compression algorithm for efficient data transfer of surveillance data | |
JP5351094B2 (ja) | 画像符号化方法,画像符号化装置および画像符号化プログラム | |
Chaker et al. | An efficient image retrieval method under dithered-based quantization scheme |
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 |