CN116170589A - 一种基于増维双边滤波增强的图像压缩方法及系统 - Google Patents

一种基于増维双边滤波增强的图像压缩方法及系统 Download PDF

Info

Publication number
CN116170589A
CN116170589A CN202310053940.6A CN202310053940A CN116170589A CN 116170589 A CN116170589 A CN 116170589A CN 202310053940 A CN202310053940 A CN 202310053940A CN 116170589 A CN116170589 A CN 116170589A
Authority
CN
China
Prior art keywords
image
bilateral filtering
dimension
generate
dimensional
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.)
Pending
Application number
CN202310053940.6A
Other languages
English (en)
Inventor
雷晓奇
齐文元
熊予浩
魏东
凌翔斌
任桃桃
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Shanghai Aerospace Control Technology Institute
Original Assignee
Shanghai Aerospace Control Technology Institute
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Shanghai Aerospace Control Technology Institute filed Critical Shanghai Aerospace Control Technology Institute
Priority to CN202310053940.6A priority Critical patent/CN116170589A/zh
Publication of CN116170589A publication Critical patent/CN116170589A/zh
Pending legal-status Critical Current

Links

Images

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T5/00—Image enhancement or restoration
    • G06T5/70—Denoising; Smoothing
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T5/00—Image enhancement or restoration
    • G06T5/20—Image enhancement or restoration using local operators
    • 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
    • H04N19/117—Filters, e.g. for pre-processing or post-processing
    • 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
    • H04N19/12—Selection from among a plurality of transforms or standards, e.g. selection between discrete cosine transform [DCT] and sub-band transform or selection between H.263 and H.264
    • 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
    • H04N19/169—Methods or arrangements for coding, decoding, compressing or decompressing digital video signals using adaptive coding characterised by the coding unit, i.e. the structural portion or semantic portion of the video signal being the object or the subject of the adaptive coding
    • H04N19/17—Methods or arrangements for coding, decoding, compressing or decompressing digital video signals using adaptive coding characterised by the coding unit, i.e. the structural portion or semantic portion of the video signal being the object or the subject of the adaptive coding the unit being an image region, e.g. an object
    • H04N19/176—Methods or arrangements for coding, decoding, compressing or decompressing digital video signals using adaptive coding characterised by the coding unit, i.e. the structural portion or semantic portion of the video signal being the object or the subject of the adaptive coding the unit being an image region, e.g. an object the region being a block, e.g. a macroblock
    • 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
    • H04N19/48—Methods or arrangements for coding, decoding, compressing or decompressing digital video signals using compressed domain processing techniques other than decoding, e.g. modification of transform coefficients, variable length coding [VLC] data or run-length data
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2207/00—Indexing scheme for image analysis or image enhancement
    • G06T2207/20—Special algorithmic details
    • G06T2207/20024—Filtering details
    • G06T2207/20028—Bilateral filtering
    • Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
    • Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
    • Y02D—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN INFORMATION AND COMMUNICATION TECHNOLOGIES [ICT], I.E. INFORMATION AND COMMUNICATION TECHNOLOGIES AIMING AT THE REDUCTION OF THEIR OWN ENERGY USE
    • Y02D10/00—Energy efficient computing, e.g. low power processors, power management or thermal management

Landscapes

  • Engineering & Computer Science (AREA)
  • Multimedia (AREA)
  • Signal Processing (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Discrete Mathematics (AREA)
  • Image Processing (AREA)
  • Compression Of Band Width Or Redundancy In Fax (AREA)

Abstract

本发明公开了一种基于増维双边滤波增强的图像压缩方法及系统，其中，该方法包括：对原始图像进行增维双边滤波进行降噪和保留边缘得到滤波后的二维图像数据；对滤波后的二维图像数据，按照图像子块进行正交余弦变换，生成频域二维数据；对频域二维数据进行量化，生成图像量化矩阵；对图像量化矩阵进行扫描生成关联性一维数据流，对关联性一维数据流进行编码生成压缩图像文件。本发明既能不降低图像质量，又可以提供较高压缩比。

Description

一种基于増维双边滤波增强的图像压缩方法及系统
技术领域
本发明属于红外图像增强滤波和图像压缩技术领域，尤其涉及一种基于増维双边滤波增强的图像压缩方法及系统。
背景技术
随着电子技术的发展，各型探测器工艺不断革新，结合越来越高的使用需求，迅速发展出各种各样高帧频、高分辨率红外相机，在工业、航空和军事领域有广泛应用。高帧频红外相机保证了在对高速目标的测试监控中，提升对高速目标的观测及跟踪精度。高分辨率红外相机保证了同样尺寸目标相同距离下更小的角分辨率，可提供目标更多的细节信息用于观测及识别跟踪。如此可观的分辨率和帧频，同时带来海量的数据量。以目前中波斯特林制冷型探测器为例，分辨率640*512，帧频100Hz，灰度等级16bit,其数据量为500Mb/s，10分钟数据量接近300Gb。
在遥感领域，在不进行压缩的情况下巨量的数据远超无线传输带宽，无法将这些图像数据实时传输至地面接收装置；在光电探测跟踪系统上，巨大的图像数据量对系统的传输带宽、记录仪容量及系统可靠性带来严峻考验。
发明内容
本发明解决的技术问题是：克服现有技术的不足，提供了一种基于増维双边滤波增强的图像压缩方法及系统，既能不降低图像质量，又可以提供较高压缩比。
本发明目的通过以下技术方案予以实现：一种基于増维双边滤波增强的图像压缩方法，包括：对原始图像进行增维双边滤波进行降噪和保留边缘得到滤波后的二维图像数据；对滤波后的二维图像数据，按照图像子块进行正交余弦变换，生成频域二维数据；对频域二维数据进行量化，生成图像量化矩阵；对图像量化矩阵进行扫描生成关联性一维数据流，对关联性一维数据流进行编码生成压缩图像文件。
上述基于増维双边滤波增强的图像压缩方法中，所述增维双边滤波为空域和值域的高斯分布加权平均的双边滤波。
上述基于増维双边滤波增强的图像压缩方法中，空域的表达式如下：
Figure BDA0004059623680000021
其中，xi为滤波窗口内像素x向坐标，xc为滤波窗口中心点x向坐标，yi为滤波窗口内像素y向坐标，yc为滤波窗口中心点y向坐标，σs为基于高斯函数的距离标准差。
上述基于増维双边滤波增强的图像压缩方法中，值域的表达式如下：
Figure BDA0004059623680000022
其中，xi为滤波窗口内像素x向坐标，xc为滤波窗口中心点x向坐标，yi为滤波窗口内像素y向坐标，yc为滤波窗口中心点y向坐标，gray()为该坐标下灰度值，σr为基于高斯函数的灰度标准差。
上述基于増维双边滤波增强的图像压缩方法中，对滤波后的二维图像数据划分为8*8图像子块。
上述基于増维双边滤波增强的图像压缩方法中，正交余弦变换的公式如下：
Figure BDA0004059623680000023
Figure BDA0004059623680000024
其中，x是8*8子图横向坐标，y是8*8子图纵向坐标，f(x,y)是x、y坐标下灰度值，u为正交余弦变换后矩阵横向坐标，v为正交余弦变换后矩阵纵向坐标，F(u,v)为正交余弦变换后的8*8矩阵。
上述基于増维双边滤波增强的图像压缩方法中，量化的公式如下：
Figure BDA0004059623680000025
其中，F(u,v)是正交余弦变换后矩阵，Q(u,v)是量化表矩阵，Fq(u,v)为量化后矩阵，u为8*8图横向坐标，v为8*8图纵向坐标。
上述基于増维双边滤波增强的图像压缩方法中，对图像量化矩阵进行Zigzag扫描生成关联性一维数据流。
一种基于増维双边滤波增强的图像压缩系统，包括：第一模块，用于对原始图像进行增维双边滤波进行降噪和保留边缘得到滤波后的二维图像数据；第二模块，用于对滤波后的二维图像数据，按照图像子块进行正交余弦变换，生成频域二维数据；第三模块，用于对频域二维数据进行量化，生成图像量化矩阵；第四模块，用于对图像量化矩阵进行扫描生成关联性一维数据流，对关联性一维数据流进行编码生成压缩图像文件。
上述基于増维双边滤波增强的图像压缩系统中，所述增维双边滤波为空域和值域的高斯分布加权平均的双边滤波。
本发明与现有技术相比具有如下有益效果：
(1)本发明增强目标信号：在低对比度场景下弱小目标和较多噪声的灰度图像，能够增强目标信号，同时降低噪声。
(2)本发明压缩比可调：根据遥测带宽等使用需求调整量化表，综合权衡压缩性能。
(3)本发明压缩还原效果较好：原始灰度图与压缩后重建图相似度高，PSNR指标表现较好。
(4)本发明易于工程实现：算法复杂度不高，可在嵌入式平台实现实时图像压缩。
附图说明
通过阅读下文优选实施方式的详细描述，各种其他的优点和益处对于本领域普通技术人员将变得清楚明了。附图仅用于示出优选实施方式的目的，而并不认为是对本发明的限制。而且在整个附图中，用相同的参考符号表示相同的部件。在附图中：
图1是本发明实施例提供的增维双边滤波的示意图；
图2是本发明实施例提供的Zigzag扫描的示意图；
图3是本发明实施例提供的动态多波门融合过程示意图；
图4是本发明实施例提供的应用效果示意图；
图5是本发明实施例提供的游程长度的示意图；
图6是本发明实施例提供的哈夫曼编码的示意图。
具体实施方式
下面将参照附图更详细地描述本公开的示例性实施例。虽然附图中显示了本公开的示例性实施例，然而应当理解，可以以各种形式实现本公开而不应被这里阐述的实施例所限制。相反，提供这些实施例是为了能够更透彻地理解本公开，并且能够将本公开的范围完整的传达给本领域的技术人员。需要说明的是，在不冲突的情况下，本发明中的实施例及实施例中的特征可以相互组合。下面将参考附图并结合实施例来详细说明本发明。
本实施例提供了一种基于増维双边滤波增强的图像压缩方法，该方法包括如下步骤：
对原始图像进行增维双边滤波进行降噪和保留边缘得到滤波后的二维图像数据；
对滤波后的二维图像数据，按照图像子块进行正交余弦变换，生成频域二维数据；
对频域二维数据进行量化，去除贡献权重较低部分，生成图像量化矩阵；
对图像量化矩阵进行扫描生成关联性一维数据流，对关联性一维数据流进行编码生成压缩图像文件。
本实施例使用空域和值域双边滤波对原始灰度图像进行处理，达到降噪平滑保留边缘的效果，同时在灰度频域上也减少噪声权重，之后通过对处理后的图像划分子块进行DCT变换，将空间图像信息转换为频域编码，根据贡献权重对频域编码进行量化，使用量化表舍弃权重较小部分后，使用zigzag路径对数据进行扫描生成一维数据流，然后根据数据流中字符概率，完成熵编码，最后生成压缩图像数据。结合图3，具体的：
步骤一：如图1所示，使用空域和值域的高斯分布加权平均的双边滤波对原始图像O进行处理，生成滤波后二维图像A。
空域：
Figure BDA0004059623680000051
值域：
Figure BDA0004059623680000052
步骤二：以8*8尺寸分割二维图像A，产生多个8*8图像子块B(1)～B(N)。对每个8*8个子块B(n)进行DCT变换生成图像子块C(1)～C(N)，并对生成的频域二维矩阵进行去直流处理，DCT变换公式如下：
Figure BDA0004059623680000053
Figure BDA0004059623680000054
步骤三：图像子块B(n)经过DCT变化后，被分成了直流分量(DC)和交流分量(AC)两部分，在保证图像视觉质量前提下，舍弃对视觉效果影响较小的交流分量低频区数据。
量化过程为使用量化系数与C(n)矩阵点除并取整生成量化矩阵。
Figure BDA0004059623680000055
步骤四：矩阵量化后需要把量化后的二维矩阵转变成一个一维数组，用于后续的编码压缩，由于量化后矩阵右下角0数量更多，按照由左上角到右下角的顺序进行扫描(ZigZag扫描)，如图2所示，这种扫描方式能够尽可能把0集中在一起，便于后续编码时优化。
步骤五：为了更进一步节约存储空间，并不直接保存量化矩阵的具体数值，
而是通过编码方式将数据重新组合。常见的编码方式有行程编码RLE(Run LengthEncoding)、熵编码(哈夫曼等)。
RLE编码可以将一个字符串中重复出现的连续字符用两个字节来代替，其中，第一个字节代表重复的次数，第二个字节代表被重复的字符串。该编码方式运算精简，适合于量化后AC系数当中有大量的0且运算资源较小的硬件平台，如图5所示。
哈夫曼编码是信息熵算法之一，主要根据各数值概率分布，构建二叉树生成哈夫曼编码表，从而将具体数据流迭代为按位存储的抽象数据，如图6所示。
量化矩阵编码后生成的就是图像压缩数据，可按照压缩路径对压缩数据逆向变换至IDCT(正交余弦逆变换)，则生成压缩后重建图，用于评估压缩效果，如图4所示，本发明方法可在降噪增强图像观测质量的前提下，压缩前后压缩比达到30：1以上。
本实施例还提供了一种基于増维双边滤波增强的图像压缩系统，该系统包括：第一模块，用于对原始图像进行增维双边滤波进行降噪和保留边缘得到滤波后的二维图像数据；第二模块，用于对滤波后的二维图像数据，按照图像子块进行正交余弦变换，生成频域二维数据；第三模块，用于对频域二维数据进行量化，生成图像量化矩阵；第四模块，用于对图像量化矩阵进行扫描生成关联性一维数据流，对关联性一维数据流进行编码生成压缩图像文件。
上述实施例中，增维双边滤波为空域和值域的高斯分布加权平均的双边滤波。
上述实施例中，空域的表达式如下：
Figure BDA0004059623680000061
其中，xi为滤波窗口内像素x向坐标，xc为滤波窗口中心点x向坐标，yi为滤波窗口内像素y向坐标，yc为滤波窗口中心点y向坐标，σs为基于高斯函数的距离标准差；
上述实施例中，值域的表达式如下：
Figure BDA0004059623680000071
其中，xi为滤波窗口内像素x向坐标，xc为滤波窗口中心点x向坐标，yi为滤波窗口内像素y向坐标，yc为滤波窗口中心点y向坐标，gray()为该坐标灰度值，σr为基于高斯函数的灰度标准差。
上述实施例中，对滤波后的二维图像数据划分为8*8图像子块。
上述实施例中，正交余弦变换的公式如下：
Figure BDA0004059623680000072
Figure BDA0004059623680000073
其中，x是8*8子图横向坐标，y是8*8子图纵向坐标，f(x,y)是x、y坐标下灰度值。
上述实施例中，量化的公式如下：
Figure BDA0004059623680000074
其中，F(u,v)是正交余弦变换后矩阵，Q(u,v)是量化表矩阵。
上述实施例中，对图像量化矩阵进行Zigzag扫描生成关联性一维数据流。
本实施例在红外原始灰度图像中，存在大量空间和结构冗余信息，同时灰度噪声分布在特定值域，在不影响真实目标或边缘信息的基础对原始灰度图像中的噪声进行抑制滤波，降低空间冗余信息，之后通过频域变换，将灰度空间信号转换为频域信号，在使用量化矩阵舍弃贡献权重较小的频域特征后对数据流进行编码，从而输出较高压缩比同时又增强目标的图像数据。
本发明虽然已以较佳实施例公开如上，但其并不是用来限定本发明，任何本领域技术人员在不脱离本发明的精神和范围内，都可以利用上述揭示的方法和技术内容对本发明技术方案做出可能的变动和修改，因此，凡是未脱离本发明技术方案的内容，依据本发明的技术实质对以上实施例所作的任何简单修改、等同变化及修饰，均属于本发明技术方案的保护范围。

Claims (10)

1.一种基于増维双边滤波增强的图像压缩方法，其特征在于包括：
对原始图像进行增维双边滤波进行降噪和保留边缘得到滤波后的二维图像数据；
对滤波后的二维图像数据，按照图像子块进行正交余弦变换，生成频域二维数据；
对频域二维数据进行量化，生成图像量化矩阵；
对图像量化矩阵进行扫描生成关联性一维数据流，对关联性一维数据流进行编码生成压缩图像文件。
2.根据权利要求1所述的基于増维双边滤波增强的图像压缩方法，其特征在于：所述增维双边滤波为空域和值域的高斯分布加权平均的双边滤波。
3.根据权利要求2所述的基于増维双边滤波增强的图像压缩方法，其特征在于：空域的表达式如下：
Figure FDA0004059623670000011
其中，xi为滤波窗口内像素横向坐标，xc为滤波窗口中心点横向坐标，yi为滤波窗口内像素纵向坐标，yc为滤波窗口中心点纵向坐标，σs为基于高斯函数的距离标准差。
4.根据权利要求2所述的基于増维双边滤波增强的图像压缩方法，其特征在于：值域的表达式如下：
Figure FDA0004059623670000012
其中，xi为滤波窗口内像素横向坐标，xc为滤波窗口中心点横向坐标，yi为滤波窗口内像素纵向坐标，yc为滤波窗口中心点纵向坐标，gray()为灰度值，σr为基于高斯函数的灰度标准差。
5.根据权利要求1所述的基于増维双边滤波增强的图像压缩方法，其特征在于：对滤波后的二维图像数据划分为8*8图像子块。
6.根据权利要求1所述的基于増维双边滤波增强的图像压缩方法，其特征在于：正交余弦变换的公式如下：
Figure FDA0004059623670000021
Figure FDA0004059623670000022
其中，x是8*8子图横向坐标，y是8*8子图纵向坐标，f(x,y)是8*8子图横向坐标和纵向坐标下灰度值，u为正交余弦变换后矩阵横向坐标，v为正交余弦变换后矩阵纵向坐标，F(u,v)为正交余弦变换后的8*8矩阵。
7.根据权利要求1所述的基于増维双边滤波增强的图像压缩方法，其特征在于：量化的公式如下：
Figure FDA0004059623670000023
其中，F(u,v)是正交余弦变换后矩阵，Q(u,v)是量化表矩阵，Fq(u,v)为量化后矩阵，u为8*8图横向坐标，v为8*8图纵向坐标。
8.根据权利要求1所述的基于増维双边滤波增强的图像压缩方法，其特征在于：对图像量化矩阵进行Zigzag扫描生成关联性一维数据流。
9.一种基于増维双边滤波增强的图像压缩系统，其特征在于包括：
第一模块，用于对原始图像进行增维双边滤波进行降噪和保留边缘得到滤波后的二维图像数据；
第二模块，用于对滤波后的二维图像数据，按照图像子块进行正交余弦变换，生成频域二维数据；
第三模块，用于对频域二维数据进行量化，生成图像量化矩阵；
第四模块，用于对图像量化矩阵进行扫描生成关联性一维数据流，对关联性一维数据流进行编码生成压缩图像文件。
10.根据权利要求9所述的基于増维双边滤波增强的图像压缩系统，其特征在于：所述增维双边滤波为空域和值域的高斯分布加权平均的双边滤波。
CN202310053940.6A 2023-02-03 2023-02-03 一种基于増维双边滤波增强的图像压缩方法及系统 Pending CN116170589A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202310053940.6A CN116170589A (zh) 2023-02-03 2023-02-03 一种基于増维双边滤波增强的图像压缩方法及系统

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202310053940.6A CN116170589A (zh) 2023-02-03 2023-02-03 一种基于増维双边滤波增强的图像压缩方法及系统

Publications (1)

Publication Number Publication Date
CN116170589A true CN116170589A (zh) 2023-05-26

Family

ID=86412737

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202310053940.6A Pending CN116170589A (zh) 2023-02-03 2023-02-03 一种基于増维双边滤波增强的图像压缩方法及系统

Country Status (1)

Country Link
CN (1) CN116170589A (zh)

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN116647686A (zh) * 2023-07-24 2023-08-25 苏州浪潮智能科技有限公司 一种图像压缩方法、装置、服务器及图像压缩系统

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN116647686A (zh) * 2023-07-24 2023-08-25 苏州浪潮智能科技有限公司 一种图像压缩方法、装置、服务器及图像压缩系统
CN116647686B (zh) * 2023-07-24 2023-11-03 苏州浪潮智能科技有限公司 一种图像压缩方法、装置、服务器及图像压缩系统

Similar Documents

Publication Publication Date Title
CN1127562A (zh) 视频信号编码方法及设备和视频信号译码设备
Hou et al. Complex SAR image compression based on directional lifting wavelet transform with high clustering capability
Yadav et al. A review on image compression techniques
Thakur et al. Design and implementation of a highly efficient gray image compression codec using fuzzy based soft hybrid JPEG standard
CN116170589A (zh) 一种基于増维双边滤波增强的图像压缩方法及系统
Al-khassaweneh et al. Frei-Chen bases based lossy digital image compression technique
Padmavati et al. DCT combined with fractal quadtree decomposition and Huffman coding for image compression
CN115665413A (zh) 图像压缩最优量化参数的估计方法
Kumar et al. A novel method for image compression using spectrum
Aneja et al. Hybrid image compression using shearlet coefficients and region of interest detection
Panda et al. Competency assessment of image compression in the lossy and lossless domain
Liu et al. Zerotree wavelet image compression with weighted sub-block-trees and adaptive coding order
Li et al. Efficient multi-bands image compression method for remote cameras
KR20020055864A (ko) 칼라 정지영상의 부호화 및 복호화 방법
Kaur et al. Algorithm for fuzzy based compression of gray JPEG images for big data storage
Dumitrescu et al. Image compression and noise reduction through algorithms in wavelet domain
El-Sharkawey et al. Comparison between (RLE & Huffman and DWT) Algorithms for Data Compression
JP2839987B2 (ja) 画像信号復号器
Gunanandhini et al. Wavelet based Video Compression techniques for Industrial monitoring applications
CN104094607A (zh) 图像/视频的变换域中基于上下文的建模方法及其系统
Zhao et al. Embedded image coding based on hierarchical discrete cosine transform
Patel et al. Vector Quantization And Lzw Based Lossy Image Compression
Nahar A Retina-inspired Sampling Method for Coding and Compression for Enhancement Image Based on Discrete Double Density Wavelet Transformer
Anwar Hussin A comparative study on improvement of image compression method using hybrid of DCT and DWT techniques with huffman encoding
Karthikeyan et al. EMBEDDED ZERO TREE WAVELET AND ORTHOGONAL POLYNOMIAL BASED TRANSFORM 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