自适应方向提升论文-王相海,夏春宇,宋传鸣

自适应方向提升论文-王相海,夏春宇,宋传鸣

导读:本文包含了自适应方向提升论文开题报告文献综述及选题提纲参考文献,主要关键词:方向自适应滤波,提升小波变换,图像编码,方向预测

自适应方向提升论文文献综述

王相海,夏春宇,宋传鸣[1](2015)在《图像编码方向自适应提升小波变换》一文中研究指出提出一种基于分块的图像编码方向自适应提升小波变换(DA-LWT),在每级变换中采用固定的方向块大小,仅保留一、二级变换所产生的方向信息,更高级别的方向由其前两级预测获得,从而减少边信息的开销.根据图像块的最小预测残差能量自适应选择滤波器的滤波方向,有效消除图像相邻像素间的冗余,降低高频系数能量.采用基于分数像素插值方案,提高方向分辨率.实验表明,DA-LWT的变换系数具有更好的"零树"特性,可取得比传统提升小波变换更好的编码效率和视觉效果.(本文来源于《模式识别与人工智能》期刊2015年07期)

孔繁锵,井庆丰,计振兴[2](2013)在《图像压缩感知的自适应方向提升稀疏表示及重构算法》一文中研究指出为了克服传统的压缩感知重构中正交小波方向选择性差的局限性,针对图像信号方向性决定了需要在不同纹理区域选择滤波器以使变换后信号能量更加稀疏,提出一种基于自适应方向提升稀疏表示的重构方法。重构时,在每次迭代更新后,根据图像信号的纹理特征选择不同强度方向和信号光滑度的小波基,使得变换后信号能量分布更加集中,并利用小波域阈值处理方法解决信号的重构噪声问题。实验结果表明,该算法提高了重构图像的峰值信噪比和视觉效果,保护了图像的细节。(本文来源于《宇航学报》期刊2013年01期)

尹龙[3](2013)在《自适应方向提升小波图像分解在CUDA上的可扩展实现》一文中研究指出基于小波变换的图像压缩方法是一直以来都是图像处理领域比较重要的一个研究方向,而基于提升结构的小波变换能够方便的实现从整数到整数的变换。自适应方向提升(AdaptiveDirectionalLifting,ADL)小波能够在分数像素精度上检测图像的纹理方向,并沿纹理方向进行提升小波变换。另一方面,依靠单个核心进行计算的图像压缩技术在效率的提升方面是很有限的,而并行计算是提高处理速度的有效手段。CUDA(ComputeUnifiedDeviceArchitecture)为寻找高性能的并行图像压缩算法开辟了新的途径。由于ADL算法需要在变换过程中进行插值操作,并且还要选择最佳提升方向,因此比一般的提升小波变换计算量要大。针对计算量大这一问题,做了一系列研究和改进:分析了ADL算法的执行流程,并分析了其访存和计算性能;针对访存和计算性能进行了改进,并进行了比较;还分析了ADL算法内在的并行性,然后结合CUDA平台的特性,将ADL变换过程划分为适合并行实现的变换步骤;从线程块和线程两个层次的并行性、不同提升步骤之间的数据依赖等方面考虑,分析了已有算法存在的缺陷,并做出了相应的改进,如采用可分离的核函数避免不同线程之间的不必要的等待时间,合理划分计算任务以消除不同提升步骤之间的数据依赖,采用Slice配置方案提高线程块内线程的并行度等;最后通过实验验证了原有算法和改进算法的效果,实验所得数据表明文中提出的算法,相比原来的算法都取得了更好的加速比。(本文来源于《华中科技大学》期刊2013-01-01)

方志军,高永彬,舒雷,焦焰斌[4](2012)在《基于D9/7小波变换的自适应方向提升多小波算法》一文中研究指出提出一种自适应方向提升多小波的算法,结合多小波变换的对称性、正交性、紧支性、高阶消失矩以及自适应算法的方向性特征,提高图像压缩的性能。传统的多小波变换只考虑水平与垂直两个方向上的变换,而自适应提升多小波利用图像局部的方向特征寻找像素点之间的相关性,从而减少编码时的预测误差。利用两个D9/7单小波构造提升多小波,并结合率失真(RD)模型自适应地进行提升方向的选择,在减少预测误差与编码比特率之间进行折中选择。实验结果表明,自适应方向提升多小波比传统的提升多小波具有更好的编码性能。(本文来源于《激光与光电子学进展》期刊2012年07期)

刘权,林娜,吕倩[5](2010)在《基于加权自适应方向提升小波的图像去噪研究》一文中研究指出本文介绍了一种基于加权自适应方向提升小波(WADL,Weighted adaptive directional lifting)和普通提升方法相结合的图像去噪方法,此方法能够较好地对噪声进行抑制,同时保护图像的纹理边缘较少受到损失。在仿真试验中我们通过对噪声图像进行分类,对属于纹理密集区域采用WADL方法去噪,对平滑区域采用普通提升去噪,得到了比较好的去噪结果。(本文来源于《电子技术》期刊2010年12期)

武文波,李涛,王琨,秦前清[6](2010)在《方向自适应提升小波在遥感图像中的研究》一文中研究指出针对于遥感图像纹理复杂的特点,提出了一种利用自适应方向提升方案的遥感图像压缩编码新方法。传统的提升方法主要在垂直和水平方向上进行,从而降低垂直和水平方向上像素的相关性;与传统的提升方法不同,基于自适应方向提升的方法充分利用了图像其他纹理方向的相关性来进一步提高预测的精度,从而降低高频部分的能量值。该算法首先利用自适应方向提升的方法对遥感图像进行多尺度快速整数小波变换,然后采用子带位平面编码算法来实现遥感图像的高效压缩编码。实验结果表明,对一般遥感图像,该算法在高倍率压缩的情况下要优于目前的JPEG2000算法。(本文来源于《中国图象图形学报》期刊2010年04期)

袁嘉晟[7](2009)在《自适应方向提升小波图像编码技术》一文中研究指出随着现代信息、网络技术的不断发展,以及人们生活水平的提高,人们对图像质量的需求也越来越多,图像数据量便也相应持续增长,成为其继续发展的阻碍力量,图像压缩成为人们所关注的重点之一。传统的图像压缩主要以DCT为核心,在其应用过程中发现,DCT可能导致图像的“方块效应”和“边缘效应”,这一缺陷严重限制了其在图像压缩领域的使用。DWT解决了这一应用缺陷,随之发展起来,继而成为近十年图像压缩领域最主要的变换方法之一,但在其发展和应用过程中发现,DWT变换不能实现整数小波变换,即变换后的小波系数不能实现精确重构。1996年,Swedens率先提出提升小波,提升小波保留了小波变换的优势,且克服了很多DWT的不足之处,成为现在的重点研究内容。近年来,研究者们针对图像不同区域、不同方向的空间几何特性提出了自适应提升小波,以实现针对这些空间几何特征,采用相对应的、最合适的方向进行提升。本文改进了一种基于插值法的自适应方向提升小波,该方法能够自适应选择最优的方向作为提升方向,而不再局限于水平和垂直方向,并且能够根据像素之间的局部特性,使用拉格朗日插值法进行预测。实验结果表明该方法比传统提升小波具有优越性。DWT比DCT具有更多优良品质而在图像处理中得到广泛应用,通过小波变换能有效去除图像空间冗余,结合适应于小波变换系数特征的编码算法(如EZW、SPIHT),压缩效果更为突出。虽然经典的编码算法能有效对小波变换后的图像系数进行编码,但理论分析和实验结果仍表明该算法存在一些不足。本文通对SPIHT编码算法进行研究,在扫描过程中对输出比特数和扫描方法做出改进,如对D型集合扫描的输出比特进行优化、改变后续扫描系数的次数等。实验结果表明,改进的编码算法在同等的PSNR下,能够有效减少图像小波变换编码后码流的比特数,减少运行时间,提高效率。最后,通过实验论证分析得出,结合改进的自适应提升小波方法和改进的SPIHT编码算法,较传统方法效果更为显着。(本文来源于《江西财经大学》期刊2009-12-01)

丁文鹏[8](2009)在《自适应方向提升小波变换及应用》一文中研究指出随着计算机的普及,互联网的迅速发展和各种数字设备的出现,数字图像在许多领域都得到了广泛的应用。因此如何有效的表示和编码数字图像成为了人们研究的焦点。人们对编码方案的效率的要求也逐渐提高,而且对编码技术的功能也提出了更多要求。小波,作为一种具有良好的时频局域性和多分辨率分析能力的变换方法,在静止图像压缩方面得到充分的认可与应用。基于小波的JPEG2000除了在压缩性能上大大超过基于DCT的传统压缩标准,还提供了多帧率、多分辨率,清晰度渐进等多种可伸缩性的解码。如何进一步改进基于小波变换的编码性能成为了研究焦点。本文先提出了自适应方向提升小波变换并将其应用到图像编码中。自适应方向提升小波变换将提升框架中的预测操作沿着局部窗口图像相关性最强的方向进行,而不是和传统小波一样总是沿着水平或垂直的方向进行。这样自适应方向提升小波变换可以更好的适应于图像局部窗口的方向性。自适应方向提升小波变换将全局性的小波变换与图像的局部的方向性无缝的结合起来了。该方法将预测和更新操作的精度提高到了1/4像素,来获得更精细的预测方向。方向提升小波变换的预测和更新操作只会选择整数像素位置的值作为参考点,保证了变换的可完全重构性。为了进一步的提升方向提升小波变换的编码性能,我们提出了码率-失真最优化的图像分割方案。该方案根据图像局部特性用四叉树把图像分成纹理和边缘方向一致的图像块。实验结果显示自适应方向提升小波变换在图像的主观和客观质量上都可以取得优于JPEG2000的结果。在图像含有丰富的方向性的纹理的情况下,自适应方向提升小波变换可以取得高达2dB的编码增益。本文进一步分析和比较了几种典型的方向变换应用于图像编码的效率。方向变换已经被研究了很长时间。很少有学者分析和比较它们在图像编码中的性能。本文选取了叁种最典型的方向变换:Contourlet变换,方向滤波器组和自适应方向提升小波变换,并对其在编码上的性能了理论分析和数值比较。本文采用了一个二维的各向异性的图像模型来计算各种方向变换的变换增益。分析结果显示在比较的方向变换的方案中自适应方向提升小波变换可以取得最好的图像编码性能。所有的方向变换的方案都可以在含有丰富的斜条纹的图像上取得优于小波变换的编码性能。本文还将自适应方向提升小波变换拓展到叁维,设计针对医学图像的叁维提升方向小波编码。叁维方向提升小波变换编码利用了医学图像在叁维空间的相关性来更好地处理图像中的边缘和纹理。结合3D-EBCOT,该编码方案可以生成嵌入式码流并同时支持有损压缩和无损压缩。和叁维小波变换相比,叁维方向提升小波变换可以取的更好的编码效率,并可以取得高达2dB的编码增益。在主观质量上,叁维方向提升小波变换可以有效的减少图像边缘的振铃效应。(本文来源于《中国科学技术大学》期刊2009-10-01)

曾孝平,郑赞,刘国金[9](2009)在《一种自适应的方向提升小波压缩算法》一文中研究指出提出一种自适应方向提升小波变换算法。该算法将压缩的图像分成许多大小相等的子块,对每个子块,根据图像的统计特性(瞬时方差系数),自适应地选择提升方向和提升小波的类型。对方向信息较少的块,直接采用普通的水平和垂直提升。对方向信息较多的块,采用方向提升小波。实验结果表明:同DA-DWT算法相比,该算法能够显着降低方向小波变换的时间,同时在低码率下,PSNR有所提高。(本文来源于《数据采集与处理》期刊2009年05期)

矫恒浩[10](2009)在《自适应方向提升小波图像去噪及其实现》一文中研究指出数字图像在采集和传输过程中往往会受到噪声的污染,如何有效的消除噪声是图像处理中的一项重要课题。1994年,Donoho等人提出了小波阈值去噪方法,它将图像变换到小波域后对图像的小波系数进行阈值萎缩处理,这种去噪方法因为简单有效而被广泛应用。但传统的二维离散小波变换不利于表达图像的纹理和边缘等方向信息,在去噪时容易损失图像的细节信息,造成图像纹理和边缘的模糊。2007年,Ding等人提出了一种可分离的自适应方向提升小波(ADL),它能够在分数精度上检测图像的纹理方向,并沿着图像的纹理方向对图像进行方向提升小波变换,这样可以尽可能的减少图像分解后高频子带的能量。ADL最初被应用在图像压缩中并获得了成功。在本文中,我们把它移植到图像阈值去噪领域,利用它的自适应方向提升来保持图像的纹理信息。同时,本文对ADL进行了改进,提出了AOL(adaptive omnidirectional lifting),较之于ADL的±4 5°方向搜索范围,AOL能够在图像的0°°360°内搜索图像相关性最强的方向,这样可以更加精确的逼近图像的纹理,取得对图像纹理区域更好的去噪结果。由于AOL是可分离的小波变换,因此结构简单,并且因为提升变换,它的逆变换容易获取,利于硬件实现。实验表明该方法去噪后的图像在纹理区域无论PSNR值还是主观视觉效果均优于传统的二维离散小波变换。(本文来源于《西安电子科技大学》期刊2009-01-01)

自适应方向提升论文开题报告

(1)论文研究背景及目的

此处内容要求:

首先简单简介论文所研究问题的基本概念和背景,再而简单明了地指出论文所要研究解决的具体问题,并提出你的论文准备的观点或解决方法。

写法范例:

为了克服传统的压缩感知重构中正交小波方向选择性差的局限性,针对图像信号方向性决定了需要在不同纹理区域选择滤波器以使变换后信号能量更加稀疏,提出一种基于自适应方向提升稀疏表示的重构方法。重构时,在每次迭代更新后,根据图像信号的纹理特征选择不同强度方向和信号光滑度的小波基,使得变换后信号能量分布更加集中,并利用小波域阈值处理方法解决信号的重构噪声问题。实验结果表明,该算法提高了重构图像的峰值信噪比和视觉效果,保护了图像的细节。

(2)本文研究方法

调查法:该方法是有目的、有系统的搜集有关研究对象的具体信息。

观察法:用自己的感官和辅助工具直接观察研究对象从而得到有关信息。

实验法:通过主支变革、控制研究对象来发现与确认事物间的因果关系。

文献研究法:通过调查文献来获得资料,从而全面的、正确的了解掌握研究方法。

实证研究法:依据现有的科学理论和实践的需要提出设计。

定性分析法:对研究对象进行“质”的方面的研究,这个方法需要计算的数据较少。

定量分析法:通过具体的数字,使人们对研究对象的认识进一步精确化。

跨学科研究法:运用多学科的理论、方法和成果从整体上对某一课题进行研究。

功能分析法:这是社会科学用来分析社会现象的一种方法,从某一功能出发研究多个方面的影响。

模拟法:通过创设一个与原型相似的模型来间接研究原型某种特性的一种形容方法。

自适应方向提升论文参考文献

[1].王相海,夏春宇,宋传鸣.图像编码方向自适应提升小波变换[J].模式识别与人工智能.2015

[2].孔繁锵,井庆丰,计振兴.图像压缩感知的自适应方向提升稀疏表示及重构算法[J].宇航学报.2013

[3].尹龙.自适应方向提升小波图像分解在CUDA上的可扩展实现[D].华中科技大学.2013

[4].方志军,高永彬,舒雷,焦焰斌.基于D9/7小波变换的自适应方向提升多小波算法[J].激光与光电子学进展.2012

[5].刘权,林娜,吕倩.基于加权自适应方向提升小波的图像去噪研究[J].电子技术.2010

[6].武文波,李涛,王琨,秦前清.方向自适应提升小波在遥感图像中的研究[J].中国图象图形学报.2010

[7].袁嘉晟.自适应方向提升小波图像编码技术[D].江西财经大学.2009

[8].丁文鹏.自适应方向提升小波变换及应用[D].中国科学技术大学.2009

[9].曾孝平,郑赞,刘国金.一种自适应的方向提升小波压缩算法[J].数据采集与处理.2009

[10].矫恒浩.自适应方向提升小波图像去噪及其实现[D].西安电子科技大学.2009

标签:;  ;  ;  ;  

自适应方向提升论文-王相海,夏春宇,宋传鸣
下载Doc文档

猜你喜欢